第四範式入圍Forrester機器學習平台Wave 位列領導者行列

】 近日，國際知名市場研究公司Forrester發布了《Forrester WaveTM：Predictive Analytics And Machine Learning In China, Q4 2020》(簡稱PAML)報告。憑借完備的産品能力、的戰略布局、以及出色的市場表現，第四範式以綜合分入選該報告，并位于位置。

  作為在中國乃至全球範圍内影響力、市場認可度的報告系列之一，Forrester WaveTM每一到兩年更新一次，旨在為IT決策者提供多維度的價值參考，全方位反映代表廠商産品性能、用戶體驗等服務能力。

  今年，Forrester從産品與技術能力、戰略布局、市場表現3個維度、29個子類标準對中國市場的預測分析與機器學習方案提供商進行全面評估。經過層層篩選與嚴格評估，第四範式最終位列行列。

  報告中指出，中國數字經濟正在蓬勃發展，AI更是成為推動中國數字經濟的關鍵組成部分。AI主要由機器學習(ML)模型組成，因此選擇正确的PAML産品可幫助企業快速、規模化構建AI應用，提高企業AI生産力。

  Forrester也總結了PAML産品所應具備的三大能力：

  可為不同的團隊簡化模型開發

  随着企業業務的不斷發展，AI應用場景也将從幾個擴展至數千個。為此，PAML産品應當具備适合不同團隊和角色的模型開發能力。PAML需要友好的可視化界面來開發AI模型;側重代碼的數據科學團隊需要可覆蓋整個模型開發生命周期的完整、集成的獨立開發環境;不具備深厚ML知識的商業用戶則需要特性齊全的自動機器學習(AutoML)能力來提高ML生産效率。

  可快速大規模地部署機器學習模型

  構建ML模型隻是起點，為實現業務效益，公司必須将模型部署到生産應用中，并對其進行監督管理。PAML需要具備從開發系統到生産系統的模型部署能力，以業務友好的方式監督ML模型性能，管理ML模型并确保部門間協同合作，使用新數據對在線ML模型進行再訓練以防性能下降。

  可利用分布式和混合架構加速訓練和推理

  在模型訓練過程中，會涉及大量參數運算，從而加重計算基礎設施的負擔。PAML應幫助企業有效地将訓練工作量分配到分布式架構中，以減少開發人員的等待時間。此外，模型推理會直接決定客戶體驗，為滿足推理需求并符合隐私規定，PAML應提供混合架構，便于跨雲、數據中心和邊緣部署模型。(來源：《Forrester WaveTM：PAML In China, Q4 2020》)

  因高度契合Forrester評判标準，且在企業級技術産品體系、應用落地成效等多方面優勢明顯，第四範式在報告中被列為企業數字化轉型的理想之選：

  第四範式實現了自動化機器學習，降低了AI應用門檻。第四範式是一家于2014年創辦的人工智能獨角獸企業，在大規模機器學習應用方面經驗豐富，并緻力于賦能全生命周期的人工智能轉型。該公司憑借其AI專業知識和商業技能将領域數據集标準化，從而縮短數據準備周期。第四範式采用超高維算法生成并處理數十億個數據特征，以提高模型性能，此外，還能通過連續不間斷的模型運營保證出色的模型性能。對這些功能的簡化使第四範式的自動機器學習(AutoML)區别開來，從而加速金融、零售等主要垂直領域的企業轉型。

  第四範式受訪客戶表示，AutoML在某些場景中，可以和數據科學家一樣出色，同時也對第四範式ML項目管理和安全特性感到滿意。除軟件以外，第四範式還可以提供集成專用FPGA芯片、實時數據庫以及軟硬一體優化的AI算力産品。為尋求進一步發展，第四範式需要在标準化的産品組合和定制化的解決方案之間找到平衡——這是初創企業經常遇到的困難。對于渴望構建AI能力但缺乏專業人才的公司來說，第四範式是理想之選。(來源：《Forrester WaveTM：PAML In China, Q4 2020》)

  成立6年以來，第四範式打造了全流程AI平台、企業級AI操作系統、自動化AI生産力平台，以及AI算力平台等全棧式AI産品體系，以解決企業智能化變革中面臨的AI應用門檻較高、落地價值受阻、算力投入激增等實際難題。面對企業AI應用高速增長期的到來，第四範式将繼續推進AI在更多領域的拓展落地，實現企業智能化轉型目标。