是獨角獸，不是BAT：誰拿下中國機器學習平台市場份額第一？_風聞

原創：譚婧

2019年8月27日，國際數據公司IDC發佈了國內首份《IDCMarketScape™：中國機器學習開發平台市場評估》，透過報告，可以看到機器學習平台賽道已經聚集了三支實力軍團：以BAT、AWS和微軟為代表的雲服務商；以第四範式為代表的AI平台公司；以新華三為代表的大數據公司。

誰能問鼎中國機器學習平台市場份額第一？BAT似乎順理成章。事實卻是AI獨角獸第四範式市場份額位居第一。

誰都明白獨角獸和科技巨頭不是一個體量的生物。「這個結果誰也沒有想到。」IDC中國區首席分析師武連峯坦言。「作為非上市公司，第四範式的經營數據都是不公開的，IDC如何得知？」

 「我們查了合同。」武連峯迴應。

在人工智能淘金大潮中，可以做這樣的比喻，賣「機器學習平台」就相當於賣「鏟子」，「鏟子」的生產率，決定了淘金的整體生產率。同樣根據IDC發佈的數據，2018年應用機器學習為中國人工智能市場帶來的價值達100億元人民幣。「鏟子」的市場後五年的複合增長率預計將達到62%，IDC觀點中用「廣泛滲透」一詞形容對該市場的預期。

可以做這樣的推論，誰能連續五年問鼎機器學習平台市場份額第一，誰就用新的技術力量鑿開了存量市場口子，拓展了增量市場的邊界。沒有新技術，就沒有新戰場。有了新戰場，格局就有可能改變。

IDC敏鋭地捕捉到這一潛力市場。武連峯強調，這會是一份連續的年度報告，明年會繼續發佈。

 

平台的商業價值一直是令人期待的，縱觀美股上市一應科技巨頭企業，其本質上都是平台模式。究其原因，科技領域打法從工具到平台再到生態，是一個核心競爭壁壘逐步升維的過程。

平台的競爭也是極其殘酷的，那些看懂套路的科技巨頭，谷歌、阿里巴巴、百度等，早都有自家的機器學習平台。有實力，當然有魄力。一開始就整明白，技術、場景、數據、知識、經驗全部沉澱在平台上的好處。

但巨頭的機器學習平台是「地主家的餘糧」，主要服務於自身，往往只選擇開源部分能力。與之相比，第四範式的自我定位是一家幫「別人」在自己院子裏做平台的公司，這裏的「別人」可以是銀行、媒體、醫院、政府機構，當然也包括千千萬萬，各行各業的商業企業。

放在中國傳統產業升級的時代背景下，傳統產業巨頭不會受制於人，最重要的技術資產一定會放在自己家院子裏。讀懂了這個道理，也就讀懂了第四範式是如何在巨頭圍攻的平台賽道，進行防禦和強勢進攻的。現在的第四範式已經有點名氣了，遙想當年，如果不是融資需要曝光，創始人戴文淵內心可能糾結過，要不要“默默無聞”地服務企業級市場，就像早年的SAP，早年的甲骨文。

報告發布之後，有人説第四範式是謎一樣的存在，「人工智能的算法都沒有護城河，你就告訴我第四範式的機器學習平台怎麼賣？」這類的質疑聲，自第四範式誕生之日起就不絕於耳。巧了，人工智能對中國傳統產業來説，理解成本也很高。這種看上去“漏屋偏逢連夜雨”的無奈，阻擋着中國AI產業化的春風。

對於第四範式來説，一直以來更重要的問題不在於東西怎麼賣，而是中國傳統企業怎麼用AI來轉型。如果機器學習平台是最需要的產品，那就做。不管是不是最難。

戴文淵曾表示，企業只有把AI上升到戰略級高度，AI技術和企業業務有非常深的結合，AI才能發揮真正價值。第四範式要幫助企業找到人工智能和企業戰略間的協同。

五年前，第四範式就已經出發了。他們用五年時間去想企業AI轉型該怎麼走，機器學習平台該怎麼賣。一路摸規律，一路找方法。有趣的是，方法是客户發現的。

企業智能化轉型第一站在哪？

很多銀行的人工智能業務是從「反欺詐」入手的。在過去，交易欺詐永遠都是你卡被盜刷之後銀行打電話和你確認，第四範式幫銀行搭建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、並實時阻斷交易，避免損失。

在專家規則的時代，準確率是很低的，而且技術上中途攔不住。機器把準確率提升了7倍，並能夠在20毫秒內做出攔截反應。人工智能在反欺詐這個場景打了個漂亮仗，銀行客户開始對機器學習技術充滿好感。

交付了機器學習平台，做完了第一個智能反欺詐場景。隨後，銀行客户發現自己變厲害了，開始在機器學習平台上發展精準營銷、反洗錢、差異化催收、智能客服、票據識別等N個場景。

「1+N」的價值觀開始在第四範式內部逐步成形，不過任何對事物規律的總結與認知，都不是一蹴而就的。這一次，第四範式走進了餐飲「隱形」巨頭百勝的院子。隱形的原因是，中國消費者熟知肯德基和必勝客，不知道這兩家品牌餐廳都屬於百盛中國。

百勝中國的第一站，智能推薦點餐系統。過去這個點餐的推薦功能由規則決定，而現在是機器學習的判斷，銷售量和客單價被AI提升了。

隨之百勝發現餐飲價值鏈的30多個節點都能做類似的智能營銷改造，這讓百勝中國認識到：如果在自家院裏把這些場景做出來，連在一起就是一個智慧營銷大腦。現在，百盛中國正逐步走上一條高水位的智能產品化道路。

企業「智能化改造」是一個難題，不同領域有着不同的特點。第四範式的打法是找到一個核心的高價值場景，作為第一站，讓人們見識機器學習的「威力」，而這種威力從銀行到餐飲到能源，並不會受到行業與場景的限制。沒有企業會在高速路上停車。

用第四範式總裁裴沵思的話説就是：「我們願意和客户一起啃硬骨頭，哪怕一起做6個月、12個月。因為最難的場景一朝攻克，這種項目會成為客户內部的標杆案例，提振做AI的士氣。」

第一站對激發企業智能化轉型很關鍵，因為這是一個要能夠撬動企業投入AI的場景。由「1」帶動「N」落地，背後暗含着機器學習平台與生俱來的能力。讓企業徹底理解智能化，企業會自發的拿着「鏟子」在自家場景裏找N。

在服務了十幾個行業後，第四範式也摸索出了一些找「1」的套路。在銀行，「1」是營銷與反欺詐；在零售餐飲，「1」是智能營銷，餐廳這門生意的業務核心是獲客、活躍度和客户對收入的貢獻；在媒體場景，「1」是個性化推薦系統，媒體業務的核心是點擊率、訪問時長，內容分發影響了流量和利益分配，個性化推薦開始成為媒體標配。

到達了第一站，對於邁向智能化的企業，需要發現N在哪裏？在研發、生產、供應鏈、銷售、人力資源、財務等企業管理的各個環節，有大量長尾場景存在，這些都是企業可以發展智能化的重要節點，也是人工智能工作的方向。

如果有一本傳內不傳外、傳男也傳女的《第四範式AI武林秘籍》，書中會這樣寫道：

1到N，就是企業進化的過程。從0到1是以技術為手段幫助企業，從1到N是企業自己長出來的過程。智能化的今天，找準1，發展N。這個「1」的出現對於激發企業智能化型很關鍵，因為這是一個要能夠撬動企業智能化轉型的場景。

由「1」帶動「N」落地背後暗含着機器學習平台與生俱來的能力。我們將會看到，打通一個企業的核心業務，讓企業徹底理解智能化，企業會自發的在自家場景裏找更多N（長尾場景）。請切記，這是一種進化運動，沒有人能阻止進化發生，「1」的秘密代號是「第一站」。

裴沵思用現代管理學來解釋，那就是變革管理。上億次的人工智能API調用未必代表企業智能化，未必代表企業會更聰明。從0到1是用技術手段幫助企業，而從1到N是企業自己長出來的，這是進化的過程。

如果説機器學習是引擎，那麼數據處理就是燃料，對於數據的處理，歷史上都是人腦處理，機器學習技術的發展翻開了機器決策的新一頁。

簡單地説，企業決策方式已經被分成兩類。第一類，非AI的方式，由人類的思考主導，業務討論會、頭腦風暴、董事會、股東大會。第二類，AI的方式：機器學習。這個類別裏，機器是主角，機器從數據中發現規律、制定規則。

機器學習技術處理數據的能力更強，數據變得「更聰明」，發生變革的條件成熟了。變革正在IT、業務、流程、架構等多維度層面發生。

與其説是變革，不如説是適應，企業管理的一切都要開始適應數據、機器學習技術的變化，這種適應也是順應。變革發生時，會有倒逼的特點。你不變革，競爭對手變革了，你自然就會掉隊。

一言以蔽之，1+N，它不僅是一個轉型路徑，還是一套變革管理的方法論，更是一個價值觀。

企業智能化轉型下一站在哪？

在用「1+N」的鑰匙打開人工智能規模化落地的鎖之後，第四範式認為跨行業方法已經掌握，零售、能源領域佈局開始。

各行各業的數據不一樣，場景間彼此隔着乞力馬扎羅山，機器學習平台講究通用，不僅金融能用，零售、能源、製造都要能用。

但不少人仍存有第四範式平台只能服務金融行業的認知，這或許是由於目前其銀行業頭部客户中的佔有率已經超過70%。

第四範式本身卻不這麼認為，裴沵思指出，「AIFor Everyone，這是公司印在辦公室牆上的願景。第四範式的團隊最早經歷了百度和今日頭條，金融行業也是從0開始做。公司在互聯網和金融這兩個IT能力最強的領域，歷練出了一個通用的AI平台底座。這是我們橫跨更多領域的根基，對之後進入其它行業提供了可能性。」

事實上，談及各個行業IT化的水平，如果説金融行業在喜馬拉雅山，有不少行業都還處在四川盆地。金融數據質量，數據管理的能力和水平，遠比其他傳統行業高出一個大台階。

 銀行不缺團隊來幹信息化，他們本身應用層的能力太強。早期，銀行倒是缺人工智能的底層系統，比如用機器來做營銷、風控、反洗錢的底層邏輯是怎樣的。第四範式拿着這個知識和技術，接了這個類型的訂單，憋出了一個底層人工智能系統。從金融行業出來的底層不一般，面對着海量的交易數據和幾乎為0的風險承擔能力，其要求相當於是一個機器學習系統的最“Hard模式”。

一般的行業數據基礎弱一些的，也不需要這種高級別的系統能力。第四範式的底層能力被金融行業撐大之後，隨後進入零售、能源、製造等行業時，從容了。

所謂的機器學習平台底層，可以簡單地理解成是把數據治理、算法與算力合在一起，第四範式叫之為先知平台。它既是一種科技平台，也是產品研發系統。它的目標是能夠有更好的企業級適配效果，更大的延展性和更強的計算水平。同時保證兩件事，先保證客户的數據處理的全生命週期都包括進來，再保證不依賴於大量科學家手工打造模型的AutoML技術，這是對平台級產品的要求，也是第四範式產品的發展方向。

從底層向生態迭代則是平台的發展方向。向上發展，第四範式在思考如何標準化地滿足不同行業的需求。不能見到一個需求就形成一個產品，數不盡的需求變成數不盡的應用，因為投入再大，也不可能替客户把所有需求都做完。第四範式開始在不同行業不同場景的過程當中，抽象出一些通用組件，形成能力中心，比如説CRM、IOT、供應鏈等，進而形成標準化生產的能力體系。標準化的下一步，不是所有的事情都由第四範式來做，客户自身與其IT服務商可以一起加入，進行智能化應用構建，共同推動企業智能化進程。

從這個產品形態來看，現在的第四範式，有兩個值得學習的前輩。

一家是企業軟件標準化的帝國，SAP。一家是以數據庫技術為代表的底層技術公司，甲骨文。

前者的核心產品是企業管理軟件，如果在中國能夠出現AI的SAP，中國企業的每一個管理環節都能用AI提效，這對中國產業升級的價值不可估量。後者的核心產品是數據庫，數據庫的通用性極強，每一個網頁開發都需要，如果開發AI技術像開發網頁一樣簡單，智能大爆炸時代才真正來臨。

第四範式現在要學習的，從縱向看，是SAP的標準化服務體系；從橫向看，是甲骨文通用的底層能力。人工智能憑藉其技術潛力是可以發展成通用型產品的。一縱一橫都做成了，產品標準化完成了，才有機器學習平台真正爆發的一天。

 五年時間匆匆而過，2019年第四範式打下了一個里程碑，因為這一年拿下中國機器學習平台市場份額第一。中國企業智能化轉型的大潮會越來越洶湧，對於這家公司來説，交付給企業客户的不僅僅是平台等可見的產品，還有一樣不可見的，就是企業智能化轉型的方法論。

(完)