深網丨專訪第四正規化總裁裴沵思:如何用AI推動傳統行業轉型?

第四正規化此前也對外表示要成為AI時代的SAP/Oracle,SAP是全球企業管理軟體與解決方案的技術領袖,而Oracle是全球最大的企業級軟體公司。

騰訊《深網》作者 馬關夏

深網丨專訪第四正規化總裁裴沵思:如何用AI推動傳統行業轉型?

人工智慧不僅是圍繞人臉識別、語音識別、無人駕駛等炫酷場景的前沿科技,人工智慧與各個傳統行業的結合同樣能創造出巨大的價值。

如何利用AI改造傳統行業、推動企業的數字化轉型?對於這個問題,人工智慧獨角獸第四正規化認為,隨著人工智慧規模化落地,企業在制定AI轉型路線時可考慮“1+N”的應用場景模式:“1”是結合公司核心業務,把1個或幾個對業務影響最大的場景做到極致;“N”是用最高的效率規模化落地儘可能多的應用場景,使場景的總體價值最大化。

第四正規化總裁裴沵思在近期接受《深網》專訪時,詳細闡述了第四正規化提出的利用AI改造傳統行業的方法論:“AI在企業中的改造實際上是分兩個階段,一是怎麼landing(落地),二是怎麼快速的繁殖、擴張,第四正規化的核心策略是1+N。”

““1”是怎麼切入的問題,由“1”帶動“N”背後暗含著機器學習平臺與生俱來的能力。打通一個企業的核心業務“1”,企業徹底理解智慧化,企業會自發的在自家場景裡找長尾業務“N”。“N”的過程實際上是我們要幫助企業,或者給企業一個建議,怎麼能讓“N”走得更好、更快,這裡面最核心的實際上是變革管理。”

在裴沵思看來,企業AI轉型的核心,首先是找到最合適的進入點,其次是透過這個進入點進一步找到更多應用場景。

裴沵思向《深網》介紹了上述方法論的一個具體實踐案例。第四正規化在與百勝餐飲的合作中發現,APP點餐系統的推薦功能可以成為AI落地的切入點,“點了漢堡薯條的話,再加一對雞翅更實惠”,而當有了AI演算法的加持後,合作伙伴的客均單價也得到了提升。在找到點餐推薦這個切入點後,第四正規化又幫助百勝找到了數十個應用場景,“這些場景做出來以後,就是一個智慧營銷大腦,AI就已經有很大的價值了。”裴沵思說。

當然,對於AI技術與服務提供方來說,為了能夠幫助客戶實現AI的規模化應用落地,除了方法論之外,資料治理能力和AI算力同樣是必須具備的技術實力。

對此,第四正規化此前釋出了企業級AI 軟硬一體整合系統SageOne(先知)。第四正規化希望透過自研的AI訓練、推理和特徵儲存引擎,重新定義硬體中的晶片、儲存、網路等元件。據第四正規化介紹,先知平臺根據企業AI應用的實際情況進行了專用計算架構、資源管理和排程等方面的深度最佳化和加速,能夠為AI的規模化應用落地提供充沛的算力。

“先知平臺是一個包含著演算法、算力和資料治理的底層平臺”,裴沵思表示,第四正規化希望對這個底層平臺不斷標準化,從而擁有更好的企業級適配效果、更大的延展性以及更強的計算水平。而在底層技術平臺之上的產品層,第四正規化的策略則是,“從分散的應用場景之中抽象出一些元件,由點到面,形成幾個能力中心,比如說營銷、供應鏈、IOT等。”

據裴沵思介紹,第四正規化的目標是成為一家標準化的軟體公司,這個目標構建在其軟硬體一體化的底層能力之上。而事實上,第四正規化此前也對外表示要成為AI時代的SAP/Oracle,SAP是全球企業管理軟體與解決方案的技術領袖,而Oracle是全球最大的企業級軟體公司。

以下為《深網》整理的部分採訪實錄:

1、AI改造傳統行業的方法論

《深網》:第四正規化提出了AI改造傳統行業的方法論“1+N”,這背後的核心邏輯是什麼?

裴沵思:AI在企業中的改造實際上是分兩個階段,一是怎麼landing,二是怎麼快速的繁殖、擴張,第四正規化的核心策略是1+N。“1”裡面,我們希望跟客戶一起探尋的是企業裡面相對高價值的場景,這些場景每提升一個百分點,都很關鍵。有的時候,我們和客戶雙方都會有一種慾望就是說盡快把這件事做成,就會做一些很簡單的事,拿一部分資料出來做一些場景。實際上我們一直非常剋制這樣做。

第四正規化在做的是幫助企業完成AI轉型,而不是有了AI就行。這對我們的要求就會非常高,我們需要很瞭解客戶整個資料是怎麼回事、業務流程是怎麼回事以及業務場景是怎麼回事。我們一起去找到那個1並實現它。做到1的時候會發現實際上雙方都花很大的力氣,不只是在做一個AI應用那麼簡單,你可能要幫他治理資料,甚至顛覆業務流程。但是一旦做通會產生巨大的業務提升,成為企業內部的“標杆”,又會形成很強的勢能在快速複製,這樣才能帶動企業的智慧化程序。

《深網》:按照您剛才提到的邏輯,是否意味著找到“1”是非常難的?現在第四正規化在金融、零售領域都有類似的場景,其他的場景怎麼找?

裴沵思:舉幾個例子,我們發現能源行業管道管理就是一個1。我們現在在某頭部油公司已經成功上線了。它的管道上其實有非常多的感測器,也有很多資料,但是收集資料、處理資料的效率非常低。但是現在用了機器學習的方法之後,能極大提高效率,提升判斷管道事件的及時性和準確性。一旦客戶能夠看到AI改造創造的價值,從“1”到N的勢能就出現了,現在我們跟客戶已經開始找更多這樣的場景,快速複製出來。

另外在裝備製造行業,我們正在將發動機的很多感測器資料回傳,而且用AI的方式來解決。實際上,這是裝備製造業由製造業向服務業轉型的關鍵場景,對它的裝備效能做一個實時的監控與判斷,並且能夠快速迭代。這些場景在各行各業中都適用,我們已經看到幾個核心行業的客戶都能夠找到類似的場景。

《深網》:從“1”到“N”企業需要經過哪些過程?

裴沵思:“1”是怎麼切入的問題,由“1”帶動“N”背後暗含著機器學習平臺與生俱來的能力。打通一個企業的核心業務“1”,企業徹底理解智慧化,企業會自發的在自家場景裡找長尾業務“N”。

“N”的過程實際上是我們要幫助企業,或者給企業一個建議,怎麼能讓“N”走得更好、更快,這裡面最核心的實際上是變革管理。我們在提AI轉型的時候,在這部分其實談了很多在IT層面、業務層面、流程層面、架構層面應該怎麼發生變革?隨著“N”規模化應用,資料變的越來越聰明的過程中,你的業務流程怎麼跟它適應。企業AI轉型的方法論就是這兩個,一個是怎麼找到最合適的進入點,後面是透過這個場景怎麼進一步找到更多場景,IT與業務上怎麼配合,大概是這樣一個的“1+N”。

《深網》:在幫助企業找場景的過程中,對於場景什麼要求?

裴沵思:我們在找場景的時候有幾點要求。包括資料量,大到一定的量才行,另一方面是得有反饋資料,如果只是資料的積累沒有反饋對AI來說沒有任何意義。滿足這幾點規則後,在這些場景能夠被AI化之後,我們再看誰的場景價值更大。

《深網》:利用AI改造傳統行業,最終還是要給傳統行業創造價值。您能否舉一個具體的案例,第四正規化找到了這個1,在這個1擴充套件成N以後,第四正規化是如何給這個企業或行業創造價值的?

裴沵思:百勝中國經營著8700餘家餐廳,肯德基、必勝客沒少吃吧?但其實我們發現在百勝要找的1 很簡單,就是Trade up — 提升單客戶對營收的貢獻。在APP點餐會出現推薦,點了漢堡薯條的話,再加一對雞翅更實惠。用這樣的演算法之後,每個人的平均單價一下就提升了。

做AI會上癮,沒人想止步於點餐場景。現在我們還幫百勝謀劃了數十個場景,都是跟智慧營銷相關的,這些做場景出來以後,就是一個智慧營銷大腦,AI就已經有很大的價值了。除了營銷,還有生產、供應鏈等等,在企業價值鏈的很多節點上,都能夠做類似這樣的AI改造。把這樣幾個場景連在一起,變成一個體系,讓企業內部神經系統發生進化。只有又專、又精、又準地積累,才能最終實現智慧化大發展。

《深網》:利用AI改造傳統產業,做下來會不會存在這種情況:做成場景by場景或者case by case了,做完一個案例之後沒有形成泛化的能力?

裴沵思:所以我們讓正規化的所有員工去思考,在每一次AI改造過程中得到了什麼,對客戶意味著什麼,對整個行業意味著什麼,對我們產品意味著什麼。這些思考反過來和產品有更好的呼應,這是產品的通用性和標準化逐漸提高的過程。

2、技術支撐

《深網》:第四正規化之前釋出了企業級AI 軟硬一體整合系統——SageOne(先知),先知產品的定位是一個通用的平臺,這個通用的平臺如何適應剛才說到的不同細分場景的需求?

裴沵思:可以理解先知是把介面卡、聯結器、資料、AutoML演算法等整合在一起的底層平臺。我們把它定義為平臺科技,或者我們叫科技平臺。這是我們整個大的產品研發系統,這塊的工作是在不停的標準化,它的目標是什麼,是我能夠有更好的企業級適配效果,有更大的延展性,更強的計算水平,而且保證客戶資料處理的全生命週期都能夠囊括,以及我能夠不依賴於科學家構建AI應用的AutoML技術,這是這個產品的要求。

這個產品層之上的,我們叫客戶工程。客戶工程的解決的是怎麼能夠滿足不同行業、不同客戶的需求。在這個層面上我們的策略,不是我們見到一個需求就形成一個產品或解決方案。更多的是說,我們在形成產品的過程當中,怎麼能夠從分散的應用場景之中抽象出一些元件,由點到面,形成幾個能力中心,比如說營銷、供應鏈、IOT等。我們這裡面是一個能力體系,能夠更好促進企業往前發展,而不是所有的需求都變成我的應用產品。而且我相信,即使投入再大,也不可能做到這樣。

《深網》:不久前IDC釋出的一份報告顯示,第四正規化是國內機器學習平臺排名第一的公司,超過了BAT、AWS、微軟等幾家網際網路巨頭。第四正規化為什麼能成為第一?

裴沵思:首先,在過去五年,我們在金融行業歷練出了一個比較強的產品。實際上企業的IT化水平會有一個階梯,最強的就是BAT,離BAT最近的就是金融行業,金融行業的資料質量,資料管理的力度、水平,遠比其他傳統行業高出一個很大的臺階。第四正規化的團隊最早經歷了百度和頭條、後面進入到金融,這些IT能力強的行業有一個特點,就是我們不需要在application層面上消耗太多的資源,因為他們本身在應用層solution搭建能力太強,只要給他們AI的基礎平臺與input就夠了,比如用機器來做營銷、風控、反洗錢的流程是這樣的。實際上我們在這兩個最強的領域憋出了一個非常通用的底層AI能力,包括工程底座與資料治理。進入其他行業拓展市場時,我們在平臺上搭應用就可以了,這對之後進入更多市場提供了可能性。

第二,我們的機器學習平臺是整體商業化水平比較高的企業級平臺。這個平臺經受住了對技術、人才、產品綜合能力要求極苛刻的金融行業的歷練,這樣的能力去其他行業姿勢就相對比較從容了。另外還有一點,我們機器學習平臺產品相對其他選擇而言更實用、更高效、TCO更低,只有做到這些點,市場佔有率才能到第一,否則以我們這七八百人的規模,這個市場佔有率很難扛得住,說明這個平臺成熟了。

3、未來規劃

《深網》:您之前的職務是SAP全球副總裁,第四正規化找您出任總裁的目標,是希望做成一家比較標準化的軟體公司?

裴沵思:目標是這樣。另外還會有軟硬體一體化的底層能力。

《深網》:AI發展到今天,很多企業0到1已經過了,1到10,有一些糾結,怎麼樣我髒活累活少做一些,我儘可能產品化,又能夠複製出去。

裴沵思:就像我剛剛描述的,先知平臺是一個包含著演算法、算力和資料治理的底層;上層是一個能力矩陣,這個能力矩陣的縱向是有IOT、CRM、SCM以及HR等企業通用價值鏈,然後橫向實際上是行業,上面是各行業的Know-How;而能力矩陣上面就說實際業務應用層面,這一層我們是以合作伙伴生態的辦法來實現。

我們試圖透過這樣一個體系,把能力矩陣這些東西變成元件,在元件上進行AI改造起步就是80分,會比你現在自己從底層開始做AI應用做得更快、更省力、上線時間更短。我就要行業Know-How,我就能驅動自己的1+N產生。

《深網》:第四正規化提出要成為AI時代的SAP、Oracle,其實行業內的其他AI獨角獸很多也有自己的對標,您怎麼看這種趨勢?

裴沵思:這兩年的AI公司更重要的是說,differentiation是什麼?他說他像英特爾,我說我像SAP,Oracle,這實際上是告訴你們區別在哪裡?應該怎麼樣區別對待我們。 AI商業化落地的第一點,你要知道你是誰,你才能落地。之前有遇到這樣的情況,客戶說我要做AI,我把科大訊飛、第四正規化和一個機器人公司放在一起競標,這個就有點尷尬了。這三家平行的對標,實際上對不出來的。

現在實際上是說,我們怎麼能夠分清,我到底是幹什麼的,他是幹什麼的,有的是競爭,確實有競爭,但是有的不是競爭。我們可能有能力上的重疊,但是戰略上你發現就不是競爭了,我們開始走不一樣的方向了,這是一個定位更清晰的過程。

《深網》:第四正規化在整體戰略上有聚焦這個說法,但同時第四正規化的業務又拓展到不同的行業,應該怎麼理解這種現象?

裴沵思:相比其他的公司,我們還是足夠聚焦的。戰略選擇,也意味著放棄。我們聚焦在企業決策類場景,比如說影象識別我們也做得很好,很多訂單以現在的技術能力去也沒有問題,但是我們不會做一個卡口那樣的識別。

上億次的人工智慧API呼叫未必代表企業智慧化,未必代表企業會更聰明。企業的核心是經營,經營的核心是決策,所以第四正規化始終專注在決策層,變革企業價值鏈。我們會把與企業決策相關的一系列應用做下來,利用機器在海量資料中尋找數億條規則,提升經營決策的準確性,這樣企業才是真聰明。

《深網》:能否舉個客戶用了AI來做決策後效果特別好的例子?

裴沵思:比如能源企業,能夠把能源企業原材料的價格和採購的成本下降1%,都可以產生巨大價值。某能源集團有一款化工產品價格趨勢的模型,讓人驚訝的是這一價格預測模型已有15年沒有變化了,缺乏對價格精準的預測。在這樣情況下,我們一起嘗試採用機器學習方式,做了化工品價格趨勢的AI模型,可以預測7天之內化工品的價格走勢,預測的精準度維持在了99。99%,從而幫助這家企業進行更好的動態成本控制的決策。

再如金融領域常見的反欺詐,第四正規化幫助很多銀行用上了一種會自主判斷的風控模型,它能準確預測某筆交易的風險數值、做出預判並實時阻斷交易,避免損失。過去,交易欺詐永遠都是損失產生後銀行給你打電話的事後行為,因為當時的準確率是很低的,直接事中攔截會對大部分正常交易客戶產生不好的體驗。而機器決策的規則特別多,準確率提升了七倍,並能夠在20毫秒內做出攔截反應,就實現了實時的事中攔截。

《深網》:今年有AI獨角獸已經開始籌備上市事宜,第四正規化在上市這塊是怎麼考慮的?

裴沵思:其實我們現在的體量也可以做這件事,但我不認為現在急於幹這件事。

在這個階段,我們希望可以把正規化核心競爭力打磨得具有更高的壁壘,我覺得這兩年對於正規化最重要的是一頭一尾,一方面是我們頭部客戶的Courage,建立行業壁壘;另外一方面,摸索出一套對於開發者,對於小型場景的創新和生態的機制。另外,5G之後AI市場又會發生一個很大的變化,這幾個疊加在一起,我覺得正規化會有一個更大的時刻,有更好的價值。