在全球經濟面臨諸多不確定性和風險挑戰的今天，推動數字經濟發展正成為一個確定性答案。
今年的政府工作報告提出，要打造數字經濟新優勢。中國信通院發布的《中國數字經濟發展白皮書(2020)》顯示：中國數字經濟增加值規模已由2005年的2.6萬億元，擴張到2019年的35.8萬億元，數字經濟占GDP比重已提升到36.2%。
當前，如何推動數字經濟、平臺經濟平穩健康發展，也成為行業和企業探索的重要課題。日前，第四范式總裁裴沵思在接受人民網財經專訪時表示，人工智能正在各行各業加速落地，AI技術應用面臨的機遇更大于挑戰，企業智能化轉型則將加速數字經濟的變革與發展。
人工智能賦能實體經濟大有可為
人工智能等前沿技術的創新突破，是把握數字經濟發展機遇的重要前提。近年來，中國不斷推動人工智能等新技術、新業態領域的戰略布局，從“互聯網+”到“人工智能”，一系列產業規劃和配套政策陸續推出。
今年8月，工信部開展2020年網絡安全技術應用試點示范工作。重點方向中，新型信息基礎設施安全類包括5G網絡安全、工業互聯網安全、車聯網安全、智慧城市安全、大數據安全、物聯網安全、人工智能安全、區塊鏈安全、商用密碼應用、電信網絡詐騙防范治理等。
裴沵思認為，人工智能發展到今天，已經讓傳統企業應用它的門檻快速降低。而當人工智能升格到國家戰略，更迫切地需要研發人才、技術人才、產品人才的相應匹配，才能更好地助力實體企業提高效率、降低成本。
“以第四范式為代表的機器學習平臺，人工智能本質上是人機決策之間的互動過程，現在人的決策越來越少，機器決策的則越來越多，企業效率也會相應提升。”裴沵思認為，通過AI 賦能各行各業發掘數據智能，是企業加快智能化轉型并融入數字經濟浪潮的必然選擇。
當前，隨著算力、算法上的突破，以深度學習、機器學習為代表的AI技術正在應用落地。近日，深圳金融科技創新監管試點工作組在廣泛征集項目的基礎上，對外公示深圳市首批4個創新應用。據介紹，首批創新應用涉及商業銀行、征信機構、科技公司等，涵蓋人工智能、區塊鏈、大數據、可信執行環境(TEE)等多種先進信息技術，備受行業關注。
“事實上，除了金融行業，以制造業為代表的實體經濟更需要人工智能的賦能。它們不同于零售企業可以低成本獲取大量消費行為數據，5G基礎設施的搭建還需要一段時間;數據基礎設施的搭建其中很重要的目標，就是通過機器學習平臺發掘數據智能，建立人機交互決策的新機制，在供應鏈優化、設備運維、軟件定義產品等方面實現跨越式發展。而這也正是人工智能賦能實體經濟大有可為的機遇和條件。”裴沵思認為，國家正在發力“新基建”，推動產業數字化，將有力地培育數字經濟新動能。
中國企業的數字化轉型正走向前沿
近年來，隨著大數據、云計算、物聯網、人工智能等現代信息技術的不斷發展，中國企業的數字化轉型正在加速推進。強勁的經濟韌性和廣闊的消費市場，則讓中國企業的數字化轉型有了更多應用場景和發展空間。
“在過去十年的時間里，中國的數字化轉型速度在逐漸加快，由原來的從無到有，搭建起來一個草臺搭班子，到開始學習西方的最佳實踐，進入復制階段。如今，通過復制后的自我消化，我們正在找到具有中國特色的打法和，和管理特色，以及整個技術發展的方式，這又是一個消化吸收的過程。”裴沵思表示。
疫情期間，第四范式聯合南京大學 LAMDA 研究所和蘇北人民醫院組隊，推出了智能疫情防控系統，這套解決方案不僅為有關部門提供防控支持，還幫助更多部門在疫情一線提升效率、輔助決策，協助企業做好微觀防控。
裴沵思認為，要發揮數據的價值，需要搭建基于規范和標準的基礎設施，用科技的手段不斷優化商業模式，從而形成有助于社會發展和企業轉型的最佳實踐。
“作為職業經理人數字化轉型的老兵，以前都是聽到別人講美國、德國的企業是如何進行數字化轉型的。但現在不同，全球企業都在學習中國的數字化模式和技術，這正源于中國大量的有激情的企業家、前沿的公司、領先的技術元素，以及快速的迭代、復制、學習能力?？梢哉f，中國企業數字化轉型的過程激動人心。”在裴沵思看來，中國企業的數字化轉型正走向世界前沿。
助力創新技術應用與基礎設施建設
任何企業的轉型變革，都離不開自身的積極求變與產業協同，更離不開技術加持和基礎設施搭建。作為一家于 2014 年成立的人工智能技術與服務提供商，第四范式致力于搭建復雜的機器學習模型平臺，并將之業務和產品化。
8月20日，第四范式推出了Sage AIOS。據介紹，Sage AIOS作為人工智能的標準化管理平臺，封裝了各類AI應用，包括給AI科學家和開發者使用的工具類應用，以及針對某個場景一鍵上線的業務類應用。與Sage AIOS同時發布的新品還有第四范式自動化AI生產力平臺Sage HyperCycle ML、線上化智能運營系統天樞以及全新AI算力平臺SageOne。
“多年來第四范式團隊沖在AI落地的最前線，在摸爬滾打中，我們總結出數據治理難、科學家稀缺、業務價值不佳以及算力成本負擔重，是企業AI轉型中四個最常見的阻力。這些問題歸根結底是因為缺少基于規范和標準的基礎設施，所以，今天我們設計和構建了更標準化的AI產品。”裴沵思介紹說。
讓AI更好地落地，將技術推向應用，需要革新數據形式，將各種數據形式進行集中化中臺管理，以消弭AI落地鴻溝。而機器學習平臺從底層能力走向業務端的突破，也驗證了AI通用平臺產品的可行性。
裴沵思認為，要理解數據能產生哪些價值，首先要理解數據背后的邏輯，而此次發布的AI新品，能夠完整構建從AI算力、AIOS、自動化AI生產到線上化智能運營的全流程企業AI產品體系，解決數據治理難、人才門檻高、業務價值難和算力成本貴等AI應用難題，加速推動AI在各行各業的全面落地生花，助力以人工智能為代表的創新技術應用與基礎設施建設。
