近日，独角兽公司第四范式举行新品发布会，业界反响热烈。如今，AI风头正劲，很多公司都打上了AI的标签，包括行业解决方案提供商、底层硬件提供商、机器人和智能应用产品……那么什么样的AI公司才是第四范式呢？我们走进第四范式，采访了第四范式创始人兼CEO戴文渊。
        问：我们看到，在AI的应用领域，有研究报告将范式划分为金融行业，而范式是唯一一家五大行共同投资的企业。范式是一家金融科技公司吗？
        答：我们是人工智能技术和服务的提供商，是企业AI平台赛道上的领跑者。从公司的发展历史来看，前两年我们专注于金融行业，所以从这个特定的时间段来看，它像是一家Fintech公司。这是我们行业进入策略的选择，也是AI产业化的客观规律。
        公司刚创立的时候，其实更容易进入互联网行业。最后，它选择了金融业。一是因为金融业的数据量、结构化程度和质量是最高的，由于互联网的颠覆性冲击，传统金融业的转型升级。需求也很迫切，所以AI会更青睐金融行业；二是金融业市场规模大，是一个非寡头垄断的同质竞争市场。金融行业所需要的技术、人才、综合能力水平，在互联网圈是最高的。很多初创企业不是先进入金融行业，因为他们想在一个小市场打磨产品，然后进入竞争最激烈的市场。我们首先选择一个竞争激烈的市场来培养和验证我们的能力。
        此外，还有一个原因，金融是实体经济的血脉，服务于各行各业，我们可以通过金融业触达更多行业。
        如果局限于行业垂直领域，将无法实现AI的大规模落地，这也违背了AI为大家服务的初衷。我们是一家产品驱动的平台服务公司，我们在金融行业培育的平台能力可以
        为了输送到其他行业，6月6日，我们刚刚与华油能源签约，开展智慧油田合作，此前还与中石油签约。除了能源领域，我们在智慧城市、零售、健康医疗、媒体等方面也有很多案例。AI成为这些产业转型升级的内生动力和自发需求。随着我国经济信息化、数字化、网络化、智能化的演进，越来越多的行业拥抱AI的必然趋势，我们对各行业的广泛覆盖也是行业主动选择的结果。
        四年来，第四范式帮助了上万个场景的7000多个客户，帮助他们进行AI转型。展望未来，2020年全球企业AI市场规模约为700亿美国元，且这一数字还将继续增长。但这条赛道上的企业屈指可数，范式的市场空间十分广阔。
        问：搭建服务各行各业的平台，会不会受到专业人士的制约？
        答：AI是一个通用的工具。“机器从数据中找规律”没有行业属性，区别只是输入数据的不同。第四范式是在金融、医疗、零售、能源、政府、安防、媒体等各个行业，用相对通用的方法解决不同的业务问题。这就是教育学的“库珀学习圈理论”，将AI应用构建过程平台化，归纳为“行动、反馈、反思、理论”四个标准动作，并封装高性能架构和算力，让开发者只需了解自身行业的商业目标，按照平台步骤对接数据，就能低门槛生成AI应用。这也是第四范式能够跨越行业和场景间的阻隔，在过去四年中赋能超过1万个不同业务场景的主要原因。业务专家可以帮助AI加速落地，但不是必要条件，所以我们在金融行业打造的能力可以输出到各行各业。在数字经济演进过程中，AI将产生新一波行业传导效率。我们刚才讲的落地其他行业的案例也证明了这一点。
        在人才建设方面，范式汇聚各类顶尖人才，有人
        工业智能技术领域的国际领军人物还包括来自百度、今日头条等具有丰富工程经验的顶级专家。近日，我们邀请到原SAP中国区副总裁裴旭思先生加入范式家族，为我们引领企业服务时代增添了重要力量。
        问：有人认为一般平台会远离场景和业务。你觉得呢？
        答：与云、大数据等底层平台相比，AI平台能力相近，可以跨越不同领域，但更贴近业务端，价值先行。假设为客户安装了大数据系统，它解决不了业务问题。其实在大数据上需要的业务转型还有很多，可能是99个业务转型，1个大数据。对于AI来说，从数据中寻找规则是一件底层的事情，但一旦找到了规则，就成了一门生意。
        我们提供的产品和服务直接面向企业生产，帮助企业解决经营难题，创造价值。当然，“授人以鱼不如授人以渔”。我是一家产品驱动的平台服务公司，并不是所有的场景都是自己做的。我们的目的是帮助企业进行AI转型。在完成转化要点后，需要大规模落地的场景N可以赋能给客户或开放给合作伙伴，让客户自身生态发展起来。
        问：虽然你们平台的技术比较先进，但每个企业只需要解决自己的问题，并不一定需要通用平台封装的功能。现在很多算法都是开源的，企业用开源的算法框架组建一个小的it团队，不比买一个平台划算吗？
        答：事实证明，用一个小团队小工具模型解决业务问题可能无法实现改进。企业智能化改造走的是“1+N”路线。每个企业都可能有一个或多个核心业务，这些业务的改进将带动整个企业的改进。例如，对于智能手机厂商来说，供应链是核心应用，提升1个百分点就足以改变企业竞争格局。“1”是把对业务影响最大的场景做到极致。产品必须具备“高维度、实时性、自学习性”
        的能力，这是小团队、小玩意儿无法实现的；“N”是指很多非核心场景。实现AI转型，需要以最高的效率和规模落地尽可能多的应用场景，实现场景整体价值最大化，这对数据治理、算力等都有很高的要求，不是靠小团队、小工具就能实现的。
        企业AI转型的第一步是切入价值感不高的小场景，而从核心场景切入可能风险更高、成本更高，但一旦做起来，可以产生巨大的商业价值，产生更多吸附效应，创造更大价值，平台也可以发挥优势覆盖成本。这时候做非核心场景N是一个降低成本的过程。
        问：我们看到范例服务于许多大型企业客户。这是否与AI为每个人服务的范式初衷相矛盾？
        答：从我们服务的客户类型来看，行业头部客户的场景往往更丰富，我们可以更好地验证场景、打磨平台，服务更广泛的企业。如果仅仅从赚钱的角度来说，服务大企业是可以的，但是我们的使命是AI为大家，我们通过云服务更多的是中小企业。
        我们开发了机器学习自动化的工具，降低了机器学习的门槛，现在中小企业、机构甚至个人爱好者都通过我们的平台创造了价值。例如，一些研究人员使用我们的自动机器学习工具对候鸟进行建模和预测。他们没有那么高的IT能力，也不需要构造太复杂的应用程序流程。他们可能只是输入一些数据，得到一些对他们有用的结果。我们帮助长春市妇产医院使用自动机器学习工具对新生儿体重和胎膜早破进行建模预测，医院没有专业建模团队。我们自动化、全流程、低门槛的产品特性，正好可以满足医院的需求。自动建模效果显著，医院已成功取得学术成果。这样的例子还有很多。我们希望赋能更多中小企业和机构，实现AI的规模化落地，实现“普惠AI”。