原创：谭婧
2019年8
月27日，国际数据公司IDC发布了国内首份《IDCMarketScape™：
中国机器学习开发平台市场评估》，透过报告，可以看到机器学习平台赛道已经聚集了三支实力军团：
以BAT、AWS和微软为代表的云服务商；
以第四范式为代表的AI平台公司；
以新华三为代表的大数据公司。
谁能问鼎中国机器学习平台市场份额第一？
BAT似乎顺理成章。
事实却是AI独角兽第四范式市场份额位居第一。
谁都明白独角兽和科技巨头不是一个体量的生物。
「这个结果谁也没有想到。
」IDC中国区首席分析师武连峰坦言。
「作为非上市公司，第四范式的经营数据都是不公开的，IDC如何得知？
」
「我们查了合同。
」武连峰回应。
在人工智能淘金大潮中，可以做这样的比喻，卖「机器学习平台」就相当于卖「铲子」，「铲子」的生产率，决定了淘金的整体生产率。
同样根据IDC发布的数据，2018年应用机器学习为中国人工智能市场带来的价值达100亿元人民币。
「铲子」的市场后五年的复合增长率预计将达到62%，IDC观点中用「广泛渗透」一词形容对该市场的预期。
可以做这样的推论，谁能连续五年问鼎机器学习平台市场份额第一，谁就用新的技术力量凿开了存量市场口子，拓展了增量市场的边界。
没有新技术，就没有新战场。
有了新战场，格局就有可能改变。
IDC敏锐地捕捉到这一潜力市场。
武连峰强调，这会是一份连续的年度报告，明年会继续发布。
平台的商业价值一直是令人期待的，纵观美股上市一应科技巨头企业，其本质上都是平台模式。
究其原因，科技领域打法从工具到平台再到生态，是一个核心竞争壁垒逐步升维的过程。
平台的竞争也是极其残酷的，那些看懂套路的科技巨头，谷歌、阿里巴巴、百度等，早都有自家的机器学习平台。
有实力，当然有魄力。
一开始就整明白，技术、场景、数据、知识、经验全部沉淀在平台上的好处。
但巨头的机器学习平台是「地主家的余粮」，主要服务于自身，往往只选择开源部分能力。
与之相比，第四范式的自我定位是一家帮「别人」在自己院子里做平台的公司，这里的「别人」可以是银行、媒体、医院、政府机构，当然也包括千千万万，各行各业的商业企业。
放在中国传统产业升级的时代背景下，传统产业巨头不会受制于人，最重要的技术资产一定会放在自己家院子里。
读懂了这个道理，也就读懂了第四范式是如何在巨头围攻的平台赛道，进行防御和强势进攻的。
现在的第四范式已经有点名气了，遥想当年，如果不是融资需要曝光，创始人戴文渊内心可能纠结过，要不要“默默无闻”地服务企业级市场，就像早年的SAP，早年的甲骨文。
报告发布之后，有人说第四范式是谜一样的存在，「人工智能的算法都没有护城河，你就告诉我第四范式的机器学习平台怎么卖？
」这类的质疑声，自第四范式诞生之日起就不绝于耳。
巧了，人工智能对中国传统产业来说，理解成本也很高。这种看上去“漏屋偏逢连夜雨”的无奈，阻挡着中国AI产业化的春风。
对于第四范式来说，一直以来更重要的问题不在于东西怎么卖，而是中国传统企业怎么用AI来转型。如果机器学习平台是最需要的产品，那就做。不管是不是最难。
戴文渊曾表示，企业只有把AI上升到战略级高度，AI技术和企业业务有非常深的结合，AI才能发挥真正价值。第四范式要帮助企业找到人工智能和企业战略间的协同。
五年前，第四范式就已经出发了。他们用五年时间去想企业AI转型该怎么走，机器学习平台该怎么卖。一路摸规律，一路找方法。有趣的是，方法是客户发现的。
企业智能化转型第一站在哪？
很多银行的人工智能业务是从「反欺诈」入手的。在过去，交易欺诈永远都是你卡被盗刷之后银行打电话和你确认，第四范式帮银行搭建了一种会自主判断的风控模型，它能准确预测某笔交易的风险数值、并实时阻断交易，避免损失。
在专家规则的时代，准确率是很低的，而且技术上中途拦不住。机器把准确率提升了7倍，并能够在20毫秒内做出拦截反应。人工智能在反欺诈这个场景打了个漂亮仗，银行客户开始对机器学习技术充满好感。
交付了机器学习平台，做完了第一个智能反欺诈场景。随后，银行客户发现自己变厉害了，开始在机器学习平台上发展精准营销、反洗钱、差异化催收、智能客服、票据识别等N个场景。
「1+N」的价值观开始在第四范式内部逐步成形，不过任何对事物规律的总结与认知，都不是一蹴而就的。这一次，第四范式走进了餐饮「隐形」巨头百胜的院子。隐形的原因是，中国消费者熟知肯德基和必胜客，不知道这两家品牌餐厅都属于百盛中国。
百胜中国的第一站，智能推荐点餐系统。过去这个点餐的推荐功能由规则决定，而现在是机器学习的判断，销售量和客单价被AI提升了。
随之百胜发现餐饮价值链的30多个节点都能做类似的智能营销改造，这让百胜中国认识到：如果在自家院里把这些场景做出来，连在一起就是一个智慧营销大脑。现在，百盛中国正逐步走上一条高水位的智能产品化道路。
企业「智能化改造」是一个难题，不同领域有着不同的特点。第四范式的打法是找到一个核心的高价值场景，作为第一站，让人们见识机器学习的「威力」，而这种威力从银行到餐饮到能源，并不会受到行业与场景的限制。没有企业会在高速路上停车。
用第四范式总裁裴沵思的话说就是：
「我们愿意和客户一起啃硬骨头，哪怕一起做6个月、12个月。
因为最难的场景一朝攻克，这种项目会成为客户内部的标杆案例，提振做AI的士气。
」
第一站对激发企业智能化转型很关键，因为这是一个要能够撬动企业投入AI的场景。由「1」带动「N」落地，背后暗含着机器学习平台与生俱来的能力。
让企业彻底理解智能化，企业会自发的拿着「铲子」在自家场景里找N。
在服务了十几个行业后，第四范式也摸索出了一些找「1」的套路。
在银行，「1」是营销与反欺诈；
在零售餐饮，「1」是智能营销，餐厅这门生意的业务核心是获客、活跃度和客户对收入的贡献；
在媒体场景，「1」是个性化推荐系统，媒体业务的核心是点击率、访问时长，内容分发影响了流量和利益分配，个性化推荐开始成为媒体标配。
到达了第一站，对于迈向智能化的企业，需要发现N在哪里？
在研发、生产、供应链、销售、人力资源、财务等企业管理的各个环节，有大量长尾场景存在，这些都是企业可以发展智能化的重要节点，也是人工智能工作的方向。
如果有一本传内不传外、传男也传女的《第四范式AI武林秘籍》，书中会这样写道：
1到N，就是企业进化的过程。 从0到1是以技术为手段帮助企业，从1到N是企业自己长出来的过程。 智能化的今天，找准1，发展N。 这个「1」的出现对于激发企业智能化型很关键，因为这是一个要能够撬动企业智能化转型的场景。
由「1」带动「N」落地背后暗含着机器学习平台与生俱来的能力。 我们将会看到，打通一个企业的核心业务，让企业彻底理解智能化，企业会自发的在自家场景里找更多N（长尾场景）。 请切记，这是一种进化运动，没有人能阻止进化发生，「1」的秘密代号是「第一站」。
裴沵思用现代管理学来解释，那就是
变革管理
。
上亿次的人工智能API调用未必代表企业智能化，未必代表企业会更聪明。
从0到1是用技术手段帮助企业，而从1到N是企业自己长出来的，这是进化的过程。
如果说机器学习是引擎，那么数据处理就是燃料，对于数据的处理，历史上都是人脑处理，机器学习技术的发展翻开了机器决策的新一页。
简单地说，企业决策方式已经被分成两类。第一类，非AI的方式，由人类的思考主导，业务讨论会、头脑风暴、董事会、股东大会。第二类，AI的方式：机器学习。这个类别里，机器是主角，机器从数据中发现规律、制定规则。
机器学习技术处理数据的能力更强，数据变得「更聪明」，发生变革的条件成熟了。变革正在IT、业务、流程、架构等多维度层面发生。
与其说是变革，不如说是适应，企业管理的一切都要开始适应数据、机器学习技术的变化，这种适应也是顺应。变革发生时，会有倒逼的特点。你不变革，竞争对手变革了，你自然就会掉队。
一言以蔽之，1+N，它不仅是一个转型路径，还是一套变革管理的方法论，更是一个价值观。
企业智能化转型下一站在哪？
在用「1+N」的钥匙打开人工智能规模化落地的锁之后，第四范式认为跨行业方法已经掌握，零售、能源领域布局开始。
各行各业的数据不一样，场景间彼此隔着乞力马扎罗山，机器学习平台讲究通用，不仅金融能用，零售、能源、制造都要能用。
但不少人仍存有第四范式平台只能服务金融行业的认知，这或许是由于目前其银行业头部客户中的占有率已经超过70%。
第四范式本身却不这么认为，裴沵思指出，「AIFor Everyone，这是公司印在办公室墙上的愿景。第四范式的团队最早经历了百度和今日头条，金融行业也是从0开始做。公司在互联网和金融这两个IT能力最强的领域，历练出了一个通用的AI平台底座。这是我们横跨更多领域的根基，对之后进入其它行业提供了可能性。」
事实上，谈及各个行业IT化的水平，如果说金融行业在喜马拉雅山，有不少行业都还处在四川盆地。金融数据质量，数据管理的能力和水平，远比其他传统行业高出一个大台阶。
银行不缺团队来干信息化，他们本身应用层的能力太强。
早期，银行倒是缺人工智能的底层系统，比如用机器来做营销、风控、反洗钱的底层逻辑是怎样的。
第四范式拿着这个知识和技术，接了这个类型的订单，憋出了一个底层人工智能系统。
从金融行业出来的底层不一般，面对着海量的交易数据和几乎为0的风险承担能力，其要求相当于是一个机器学习系统的最“Hard模式”。
一般的行业数据基础弱一些的，也不需要这种高级别的系统能力。第四范式的底层能力被金融行业撑大之后，随后进入零售、能源、制造等行业时，从容了。
所谓的机器学习平台底层，可以简单地理解成是把数据治理、算法与算力合在一起，第四范式叫之为先知平台。它既是一种科技平台，也是产品研发系统。它的目标是能够有更好的企业级适配效果，更大的延展性和更强的计算水平。同时保证两件事，先保证客户的数据处理的全生命周期都包括进来，再保证不依赖于大量科学家手工打造模型的AutoML技术，这是对平台级产品的要求，也是第四范式产品的发展方向。
从底层向生态迭代则是平台的发展方向。向上发展，第四范式在思考如何标准化地满足不同行业的需求。不能见到一个需求就形成一个产品，数不尽的需求变成数不尽的应用，因为投入再大，也不可能替客户把所有需求都做完。第四范式开始在不同行业不同场景的过程当中，抽象出一些通用组件，形成能力中心，比如说CRM、IOT、供应链等，进而形成标准化生产的能力体系。标准化的下一步，不是所有的事情都由第四范式来做，客户自身与其IT服务商可以一起加入，进行智能化应用构建，共同推动企业智能化进程。
从这个产品形态来看，现在的第四范式，有两个值得学习的前辈。
一家是企业软件标准化的帝国，SAP。一家是以数据库技术为代表的底层技术公司，甲骨文。
前者的核心产品是企业管理软件，如果在中国能够出现AI的SAP，中国企业的每一个管理环节都能用AI提效，这对中国产业升级的价值不可估量。后者的核心产品是数据库，数据库的通用性极强，每一个网页开发都需要，如果开发AI技术像开发网页一样简单，智能大爆炸时代才真正来临。
第四范式现在要学习的，从横向看，是SAP的行业化发展路径；从纵向看，是甲骨文从通用的底层架构到应用的整合能力。人工智能凭借其技术潜力是可以发展成通用型产品的。一纵一横都做成了，产品标准化完成了，才有机器学习平台真正爆发的一天。
五年时间匆匆而过，2019年第四范式打下了一个里程碑，因为这一年拿下中国机器学习平台市场份额第一。
中国企业智能化转型的大潮会越来越汹涌，对于这家公司来说，交付给企业客户的不仅仅是平台等可见的产品，还有一样不可见的，就是企业智能化转型的方法论。
(完)
更多阅读：
转载：https://blog.csdn.net/weixin_39640818/article/details/101444145
查看评论