江苏龙网

  1. 首页 > 资讯 > 科技 > >

AI|五年落地超过八千家客户后，他们终于找到了AI规模化应用的完整方法论( 三 )


除了在系统底层的设计思路革新之外 ， 第四范式还提供了一套十分简易化的自动化建模平台——HyperCycle ， 基于团队积累的高维机器学习框架与 AutoML(自动机器学习)算法 ， 将 AI 数据的分析过程简化为行为、反馈、学习、应用四个步骤 。
AI|五年落地超过八千家客户后，他们终于找到了AI规模化应用的完整方法论
图片

与满是代码行的编程界面有所不同 ， HyperCycle 的界面和 IU 设计简洁易懂 。
相比此前谷歌云、微软云等云计算推出的 AutoML 线上服务 ， 胡时伟认为 ， HyperCycle 工具软件的成熟性与适用场景更为广泛 。
三、从全生命周期看 AI 应用：谁才是「算力短板」
接触的客户与场景越多 ， 对于 AI 应用落地的难点与痛点理解便越深刻 ， 而在之中 ， 算力已经成为 AI 落地话题绕不开的话题 。
不止步于软件与算法能力的锻造 ， 尤其在接触了广泛与深入的客户需求讨论后 ， 这两年第四范式开始向硬件层面探索 ， 并与今年推出第二代 SageOne 算力平台——SageOne 和 SageOne 领航两大系列 ， 后者完全基于中国 AI 基础设施的软硬件设计 。
AI|五年落地超过八千家客户后，他们终于找到了AI规模化应用的完整方法论
图片

第四范式副总裁郑曌在接受机器之心采访时表示 ， SageOne 领航算力平台最早由客户提出 ， 满足对于数据的敏感性、合规性、安全性的更高需求 。
目前 ， SageOne 领航通过硬件与软件、算法的高效适配 ， 能够在性能上与国际主流计算平台性能对齐 。 郑曌透露 ， 目前合作伙伴包括华为、寒武纪、海光等 。
AI|五年落地超过八千家客户后，他们终于找到了AI规模化应用的完整方法论
图片

此外 ， SageOne Advance 系列加入了第四范式自研人工智能加速卡 ATX900 。 经过全面测试验证 ， 在风控反欺诈、反洗钱和智能营销等场景的性能比传统 AI 构建方案平均提升 4-10 倍 。
与市面上已有的 AI 软硬一体加速方案不同 ， 第四范式更看重从 AI 应用的全生命周期着手找到算力短板 ， 并将之攻克 。 「传统方案主要聚焦在训练和推理两个环节的性能优化 ， 但我们发现 ， AI 业务对于算力的需求贯穿了整个 AI 全流程生命周期 。 」
以数据数据准备环节为例 ， 在软件层面与 AIOS 系统的数据治理优化相对应;在硬件层面 ， 通过 ATX900 设计提出针对性的优化提速方案：包括提升 FE 过程中数据落盘的压缩效率 ， 性能最高提升 10 倍;自研 GBDT 模型训练加速(FlashGBM) ， 加速 GBDT 模型训练速度;采用自动调惨技术 ， 自动优化模型训练超参数 ， 最高提升高达 19 倍等 。
通过一系列的软硬件深度优化 ， SageOne 对比传统算力服务器设计 ， 在保证性能一致的基础上 ， 将算力成本降低至 1/10 。 据介绍 ， 在某连锁餐饮企业实际应用场景中 ， SageOne 以 8 台替换了 88 台通用服务器集群 。
AI|五年落地超过八千家客户后，他们终于找到了AI规模化应用的完整方法论
图片

郑曌表示 ， 目前行业客户对于 AI 应用与基础设施的建设需求多种多样 ， 拓宽产品的维度提供更为完整的解决方案是市场的需求所在 。 比如从横向维度来看 ， 互联网成熟度较高的客户倾向于软件方案 ， 非互联网客户因为基础设施薄弱 ， 加入 AI 应用之后算力成本势必成为其负担 ， 便需要完整的软硬一体方案 。
整体来看 ， 第四范式所提出的整套 AI 落地软硬件产品逻辑在于 ， 从底层系统出发 ， 从实际算力短板着手 ， 填平算力与技术的沟壑 ， 提供从数据到建模 ， 从数据到应用的「傻瓜式」开发工具 。
他们打破了新增 AI 业务与企业现有 IT 业务的高墙 ， 得以让 AI 数据与计算在企业系统里自由穿梭与融合 。 我们有理由相信 ， AI 技术终将走下神坛 ， 成为企业客户真正触手可及的业务能力 。
（责任编辑：张洋 HN080）


推荐阅读


上一篇：AI|第四范式重磅发布企业级AI操作系统Sage AIOS

下一篇：科技|小赢科技Q2营收3.88亿元，同比下降51%