第四范式入圍Forrester機(jī)器學(xué)習(xí)平臺(tái)Wave 位列前列

　 域名預(yù)訂/競(jìng)價(jià)，好“米”不錯(cuò)過(guò)

近日，國(guó)際知名市場(chǎng)研究公司Forrester發(fā)布了《Forrester WaveTM：Predictive Analytics And Machine Learning In China, Q4 2020》(簡(jiǎn)稱(chēng)PAML)報(bào)告。憑借完備的產(chǎn)品能力、優(yōu)先的戰(zhàn)略布局、以及非常好的市場(chǎng)表現(xiàn)，第四范式以綜合較高分入選該報(bào)告，并位于前列位置。

作為在中國(guó)乃至全球范圍內(nèi)影響力大、市場(chǎng)認(rèn)可度高的報(bào)告系列之一，F(xiàn)orrester WaveTM每一到兩年更新一次，旨在為IT決策者提供多維度的價(jià)值參考，全方位反映代表廠商產(chǎn)品性能、用戶(hù)體驗(yàn)等服務(wù)能力。

今年，F(xiàn)orrester從產(chǎn)品與技術(shù)能力、戰(zhàn)略布局、市場(chǎng)表現(xiàn)3個(gè)維度、29個(gè)子類(lèi)標(biāo)準(zhǔn)對(duì)中國(guó)市場(chǎng)的預(yù)測(cè)分析與機(jī)器學(xué)習(xí)方案提供商進(jìn)行全面評(píng)估。經(jīng)過(guò)層層篩選與嚴(yán)格評(píng)估，第四范式最終位列前列。

報(bào)告中指出，中國(guó)數(shù)字經(jīng)濟(jì)正在蓬勃發(fā)展，AI更是成為推動(dòng)中國(guó)數(shù)字經(jīng)濟(jì)的關(guān)鍵組成部分。AI主要由機(jī)器學(xué)習(xí)(ML)模型組成，因此選擇正確的PAML產(chǎn)品可幫助企業(yè)快速、規(guī)?；瘶?gòu)建AI應(yīng)用，提高企業(yè)AI生產(chǎn)力。

Forrester也總結(jié)了PAML產(chǎn)品所應(yīng)具備的三大能力：

可為不同的團(tuán)隊(duì)簡(jiǎn)化模型開(kāi)發(fā)

隨著企業(yè)業(yè)務(wù)的不斷發(fā)展，AI應(yīng)用場(chǎng)景也將從幾個(gè)擴(kuò)展至數(shù)千個(gè)。為此，PAML產(chǎn)品應(yīng)當(dāng)具備適合不同團(tuán)隊(duì)和角色的模型開(kāi)發(fā)能力。PAML需要友好的可視化界面來(lái)開(kāi)發(fā)AI模型;側(cè)重代碼的數(shù)據(jù)科學(xué)團(tuán)隊(duì)需要可覆蓋整個(gè)模型開(kāi)發(fā)生命周期的完整、集成的獨(dú)立開(kāi)發(fā)環(huán)境;不具備深厚ML知識(shí)的商業(yè)用戶(hù)則需要特性齊全的自動(dòng)機(jī)器學(xué)習(xí)(AutoML)能力來(lái)提高M(jìn)L生產(chǎn)效率。

可快速大規(guī)模地部署機(jī)器學(xué)習(xí)模型

構(gòu)建ML模型只是起點(diǎn)，為實(shí)現(xiàn)業(yè)務(wù)效益，公司需要將模型部署到生產(chǎn)應(yīng)用中，并對(duì)其進(jìn)行監(jiān)督管理。PAML需要具備從開(kāi)發(fā)系統(tǒng)到生產(chǎn)系統(tǒng)的模型部署能力，以業(yè)務(wù)友好的方式監(jiān)督ML模型性能，管理ML模型并確保部門(mén)間協(xié)同合作，使用新數(shù)據(jù)對(duì)在線ML模型進(jìn)行再訓(xùn)練以防性能下降。

可利用分布式和混合架構(gòu)加速訓(xùn)練和推理

在模型訓(xùn)練過(guò)程中，會(huì)涉及大量參數(shù)運(yùn)算，從而加重計(jì)算基礎(chǔ)設(shè)施的負(fù)擔(dān)。PAML應(yīng)幫助企業(yè)有效地將訓(xùn)練工作量分配到分布式架構(gòu)中，以減少開(kāi)發(fā)人員的等待時(shí)間。此外，模型推理會(huì)直接決定客戶(hù)體驗(yàn)，為滿足推理需求并符合隱私規(guī)定，PAML應(yīng)提供混合架構(gòu)，便于跨云、數(shù)據(jù)中心和邊緣部署模型。(來(lái)源：《Forrester WaveTM：PAML In China, Q4 2020》)

因高度契合Forrester評(píng)判標(biāo)準(zhǔn)，且在企業(yè)級(jí)技術(shù)產(chǎn)品體系、應(yīng)用落地成效等多方面優(yōu)勢(shì)明顯，第四范式在報(bào)告中被列為企業(yè)數(shù)字化轉(zhuǎn)型的理想之選：

第四范式實(shí)現(xiàn)了自動(dòng)化機(jī)器學(xué)習(xí)，降低了AI應(yīng)用門(mén)檻。第四范式是一家于2014年創(chuàng)辦的人工智能獨(dú)角獸企業(yè)，在大規(guī)模機(jī)器學(xué)習(xí)應(yīng)用方面經(jīng)驗(yàn)豐富，并致力于賦能全生命周期的人工智能轉(zhuǎn)型。該公司憑借其AI專(zhuān)業(yè)知識(shí)和商業(yè)技能將領(lǐng)域數(shù)據(jù)集標(biāo)準(zhǔn)化，從而縮短數(shù)據(jù)準(zhǔn)備周期。第四范式采用超高維算法生成并處理數(shù)十億個(gè)數(shù)據(jù)特征，以提高模型性能，此外，還能通過(guò)連續(xù)不間斷的模型運(yùn)營(yíng)保證出色的模型性能。對(duì)這些功能的簡(jiǎn)化使第四范式的自動(dòng)機(jī)器學(xué)習(xí)(AutoML)區(qū)別開(kāi)來(lái)，從而加速金融、零售等主要垂直領(lǐng)域的企業(yè)轉(zhuǎn)型。

第四范式受訪客戶(hù)表示，AutoML在某些場(chǎng)景中，可以和數(shù)據(jù)科學(xué)家一樣出色，同時(shí)也對(duì)第四范式ML項(xiàng)目管理和安全特性感到滿意。除軟件以外，第四范式還可以提供集成專(zhuān)用FPGA芯片、實(shí)時(shí)數(shù)據(jù)庫(kù)以及軟硬一體優(yōu)化的AI算力產(chǎn)品。為尋求進(jìn)一步發(fā)展，第四范式需要在標(biāo)準(zhǔn)化的產(chǎn)品組合和定制化的解決方案之間找到平衡——這是初創(chuàng)企業(yè)經(jīng)常遇到的困難。對(duì)于渴望構(gòu)建AI能力但缺乏專(zhuān)業(yè)人才的公司來(lái)說(shuō)，第四范式是理想之選。(來(lái)源：《Forrester WaveTM：PAML In China, Q4 2020》)

成立6年以來(lái)，第四范式打造了全流程AI平臺(tái)、企業(yè)級(jí)AI操作系統(tǒng)、自動(dòng)化AI生產(chǎn)力平臺(tái)，以及AI算力平臺(tái)等全棧式AI產(chǎn)品體系，以解決企業(yè)智能化變革中面臨的AI應(yīng)用門(mén)檻較高、落地價(jià)值受阻、算力投入激增等實(shí)際難題。面對(duì)企業(yè)AI應(yīng)用高速增長(zhǎng)期的到來(lái)，第四范式將繼續(xù)推進(jìn)AI在更多領(lǐng)域的拓展落地，實(shí)現(xiàn)企業(yè)智能化轉(zhuǎn)型目標(biāo)。

申請(qǐng)創(chuàng)業(yè)報(bào)道，分享創(chuàng)業(yè)好點(diǎn)子。點(diǎn)擊此處，共同探討創(chuàng)業(yè)新機(jī)遇！