人工智能 · 2024年2月5日 0

第四范式在Forrester机器学习平台Wave中获得入围并取得前列位置

近日,国际知名市场研究公司Forrester发布了《Forrester WaveTM:Predictive Analytics And Machine Learning In China, Q4 2020》(简称PAML)报告。凭借完备的产品能力、优先的战略布局、以及非常好的市场表现,第四范式以综合较高分入选该报告,并位于前列位置。

第四范式在Forrester机器学习平台Wave中获得入围并取得前列位置

作为在中国乃至全球范围内影响力大、市场认可度高的报告系列之一,Forrester WaveTM每一到两年更新一次,旨在为IT决策者提供多维度的价值参考,全方位反映代表厂商产品性能、用户体验等服务能力。

今年,Forrester从产品与技术能力、战略布局、市场表现3个维度、29个子类标准对中国市场的预测分析与机器学习方案提供商进行全面评估。经过层层筛选与严格评估,第四范式最终位列前列。

报告中指出,中国数字经济正在蓬勃发展,AI更是成为推动中国数字经济的关键组成部分。AI主要由机器学习(ML)模型组成,因此选择正确的PAML产品可帮助企业快速、规模化构建AI应用,提高企业AI生产力。

Forrester也总结了PAML产品所应具备的三大能力:

可为不同的团队简化模型开发

随着企业业务的不断发展,AI应用场景也将从几个扩展至数千个。为此,PAML产品应当具备适合不同团队和角色的模型开发能力。PAML需要友好的可视化界面来开发AI模型;侧重代码的数据科学团队需要可覆盖整个模型开发生命周期的完整、集成的独立开发环境;不具备深厚ML知识的商业用户则需要特性齐全的自动机器学习(AutoML)能力来提高ML生产效率。

可快速大规模地部署机器学习模型

构建ML模型只是起点,为实现业务效益,公司需要将模型部署到生产应用中,并对其进行监督管理。PAML需要具备从开发系统到生产系统的模型部署能力,以业务友好的方式监督ML模型性能,管理ML模型并确保部门间协同合作,使用新数据对在线ML模型进行再训练以防性能下降。

可利用分布式和混合架构加速训练和推理

在模型训练过程中,会涉及大量参数运算,从而加重计算基础设施的负担。PAML应帮助企业有效地将训练工作量分配到分布式架构中,以减少开发人员的等待时间。此外,模型推理会直接决定客户体验,为满足推理需求并符合隐私规定,PAML应提供混合架构,便于跨云、数据中心和边缘部署模型。(来源:《Forrester WaveTM:PAML In China, Q4 2020》)

因高度契合Forrester评判标准,且在企业级技术产品体系、应用落地成效等多方面优势明显,第四范式在报告中被列为企业数字化转型的理想之选:

第四范式实现了自动化机器学习,降低了AI应用门槛。第四范式是一家于2014年创办的人工智能独角兽企业,在大规模机器学习应用方面经验丰富,并致力于赋能全生命周期的人工智能转型。该公司凭借其AI专业知识和商业技能将领域数据集标准化,从而缩短数据准备周期。第四范式采用超高维算法生成并处理数十亿个数据特征,以提高模型性能,此外,还能通过连续不间断的模型运营保证出色的模型性能。对这些功能的简化使第四范式的自动机器学习(AutoML)区别开来,从而加速金融、零售等主要垂直领域的企业转型。

第四范式受访客户表示,AutoML在某些场景中,可以和数据科学家一样出色,同时也对第四范式ML项目管理和安全特性感到满意。除软件以外,第四范式还可以提供集成专用FPGA芯片、实时数据库以及软硬一体优化的AI算力产品。为寻求进一步发展,第四范式需要在标准化的产品组合和定制化的解决方案之间找到平衡——这是初创企业经常遇到的困难。对于渴望构建AI能力但缺乏专业人才的公司来说,第四范式是理想之选。(来源:《Forrester WaveTM:PAML In China, Q4 2020》)

成立6年以来,第四范式打造了全流程AI平台、企业级AI操作系统、自动化AI生产力平台,以解决企业智能化变革中面临的AI应用门槛较高、落地价值受阻、算力投入激增等实际难题。面对企业AI应用高速增长期的到来,第四范式将继续推进AI在更多领域的拓展落地,实现企业智能化转型目标。