11 月 8 日，第四范式联合创始人、首席架构师胡时伟受邀出席“乌镇世界互联网大会”，并对最新研发的软硬一体化AI应用产品4Paradigm AI in One进行了详细解读。该产品针对第四范式自主研发的先知人工智能系统和主流AI计算架构进行了软硬件深度一体化优化，具备企业级、高性能、低TCO等应用特点，帮助行业企业解决AI应用中数据、算法、计算力等痛点问题，助力企业数字化、智能化转型，提升企业竞争力和行业创新能力。

据IDC统计，目前在国内 1000 家大企业中，有50%的企业已经将数字化转型作为其核心战略，而这一数字正在加速增长。另据Gartner统计，67%以上的公司CEO和CFO预计公司商业模式将会因为数字化转型而经常发生变化。其中，人工智能是本次变革的核心驱动力，成为各行业数字化转型和商业创新的可靠基石。

人工智能应用在各个行业的落地应用带来生产力和效率提升显而易见，但在人工智能应用落地过程中，企业往往因为对人工智能认知不足，以及缺乏方法论沉淀或标准化流程的支撑，使企业难以从全局出发，构建完整的AI体系，从而被迫选择单点式解决问题。

胡时伟称：“目前，企业AI落地的主要矛盾已经从单个模型的构建问题变成了规模化业务AI改造的问题。而AI应用缺少标准架构，数据、模型与服务管理杂乱无章成为企业对业务进行规模化AI改造过程中的主要瓶颈。”

此外，在软件、架构推陈出新的同时，AI硬件的优化同样不能忽视。目前，传统服务器对于AI应用来说，资源较为短缺，且对于网络、存储、访问等性能优化能力不足。导致硬件资源没有得到充分的利用，耗费大量时间的同时，也没有获得理想的应用效果，企业人工智能应用TCO居高不下，造成了企业智能化转型的阻碍。针对这些问题，胡时伟认为：“AI需要的是‘水桶机’。水桶机源于木桶效应，优势在于优缺点很平均，没有明显短板。在硬件层面，AI关键就在于要充分利用硬件资源，实现价值最大化。”

针对企业在认知、技术、人才、部署、算力和规模等痛点问题， 4Paradigm AI in One提供了以AutoML为核心的应用构建最佳实践，其具备以下四大优势：第一，是以面向机器学习而不是面向分析为目标进行数据采集和数据治理;第二，是以AutoML技术为核心，基于AI数据存储，进行自动特征工程、自动算法选择及自动参数调优，最终产出模型方案;第三，基于模型方案构建自学习流程，使模型能够捕捉业务变化带来的数据变化，自我更新迭代;第四，基于模型方案，在应用编排系统生成机器学习预估服务，并通过直接将服务注册到企业服务总线，或将服务导出为可二次部署组件的方式接入企业既有IT系统。

在应用构建实践中，AutoML强化了数据和目标定义的过程。传统最为耗费人力的特征工程、参数调优和模型上线的工作，则通过AutoML技术辅助或部分替换数据科学家进行。与此同时，得益于统一模型方案描述语言、线上线下全覆盖的特征计算引擎与模型训练预估引擎，AI应用开发的周期也被大大缩短，实现交付周期从人/月级缩短至人/天级。

AutoML相关组件在带来便利的同时，也对计算能力和内存存储、网络带宽等提出了全面更高的要求，使硬件部署架构配置更均衡。换言之，4Paradigm AI in One便是面向AI的“水桶机”。在同等价格硬件成本的情况下，4Paradigm AI in One整体性能提升 10 倍以上。

对于企业应用而言，4Paradigm AI in One软硬一体化设计提供的不仅是全流程覆盖能力，更重要的是让企业人工智能应用TCO大幅降低。4Paradigm AI in One从帮助企业降低资源规划难度开始，节省针对业务规模和性能需求的软硬件规划的时间;企业直接根据应用需求采购产品即可具备开箱即用的软硬件交付能力，节省软件安装、硬件配置、优化调试成本，提升企业部署效率，缩短项目交付周期和成本;通过内置的智能化运维体系，运维人员可通过节点自动预警机制和节点间动态负载均衡机制，可有效避免因负荷过载而导致节点运行性能下降或宕机，在保证系统高可用的同时，优化全局资源调度效率。

4Paradigm AI in One解决了目前企业AI应用落地难、高消耗的行业痛点问题，帮助行业企业人工智能快速落地应用，开辟了一条企业智能化升级的高速通道。

本文由站长之家用户投稿，未经站长之家同意，严禁转载。如广大用户朋友，发现稿件存在不实报道，欢迎读者反馈、纠正、举报问题（反馈入口）。

免责声明：本文为用户投稿的文章，站长之家发布此文仅为传递信息，不代表站长之家赞同其观点，不对对内容真实性负责，仅供用户参考之用，不构成任何投资、使用建议。请读者自行核实真实性，以及可能存在的风险，任何后果均由读者自行承担。