第二届数字中国建设峰会召开 戴文渊阐述产业变革的新范式

5月6-8日，第二届数字中国建设峰会在福州举行，第四范式创始人戴文渊受邀出席并发表主题演讲。针对大会聚焦的数字经济转型话题，戴文渊表示，随着AI时代的到来，数字化转型有了新的动能，机器能够在短时间内从数据中自动发现万亿条规律、做出决策，提升资源配置效率，带动产业转型升级。从基于经验的认知决策发展为基于人工智能的认知决策，是现阶段企业数字化转型的新范式。

AIOaItOaWh+a4iumYkOi/sOS6p+S4muWPmOmdqeeahOaWsOiMg+W8jw=="/>

戴文渊还指出，AI已经开启了产业变革的新浪潮，但还没有到一通百通、畅行无阻的地步，亟需从降低AI应用开发的人才门槛，优化企业数据治理、提升算力对大规模机器学习的支持等方面持续发力。

以下是戴文渊演讲全文：

今天我想和大家分享对产业变革新范式的一些思考。数字中国建设峰会，各界也都在提数字化转型，我们所做的，其实是推动一个新范式的到来。这个全新的范式，会改变什么呢?主要是两个方面，一是各行各业会全面进入科学时代，过去我们可能认为数学、物理是科学，而在很多领域比如做农业、传统制造业，跟科学没有关系，主要是基于人的经验，但在新的范式不是这样，计算机从数据中发现规律、预测需求，更准确地定制服务，使资源得到最大程度的分配，各行业将迎来一次科学大爆炸。

二是科学规律数量井喷，牛顿力学的定律为什么是三条，因为人擅长化繁为简，找出共通性，但机器往往“逆向思维”，得益于无限精力与记忆力，能够在自动发现万亿条规则、规律，实现认知智能。数字化转型的实质是从基于人类经验的认知决策发展为基于人工智能的认知决策。

AI已经开启了产业变革的新浪潮，但在落地端会面对诸多挑战，比如很多领域的数据积累和管理存在问题，算力无法满足现在大规模机器学习的需求，还有一个很核心的瓶颈是人才的稀缺。中国的AI人才在全球已经处于比较领先的地位，但人才数量与需求仍然严重不匹配，甚至十年内都没办法满足。

第四范式今天在做的事情，是借鉴教育学的“库伯学习圈理论”，把AI应用构建的过程平台化，总结成为四步标准动作“行动、反馈、反思、理论”，并封装了高性能架构与算力，实现开发人员只需要理解自身行业的业务目标，按照平台步骤去对接数据，就能低门槛地自己产生AI应用。这也是过去4年内，第四范式能够跨越行业与场景的屏障、赋能2000多个不同业务场景的主要原因。

首先是金融领域，作为一家平台性的人工智能公司，第四范式致力于让金融机构有能力自己建立反欺诈、反洗钱、智能获客、智能营销等AI应用，取得业务提升。例如，基于我们提供的AI能力，某股份制银行构建了支持高维机器学习的反洗钱系统，提高了审计效率，并且可以预测新型洗钱方式，此外，还实现了可解释模型，将模型的特征转化为人可看懂的规则，优化上报审核流程。目前，我们在银行业服务了包括工商银行在内的超过70%的头部客户，随着行业数字化转型趋势的到来，我们也在积极迁移到更多领域。

在医疗领域，我国糖尿病前期患病率高达50.1%，成人对糖尿病的知晓率仅有30.1%，

然而专业医生缺口达10万。第四范式基于瑞金医院的糖尿病相关随访数据, 通过高维机器学习、迁移学习等技术，对糖尿病预测总结出50万条诊断新规则，这个量远远高于过去医生总结出的诊断规律，这使我们糖尿病预测准确率比基于临床金标准的预测提升2-3倍。双方合作开发的慢性病健康管理产品在医院、社区、体检机构、养老机构这样的场景投入使用，为广大人群提供慢性病精准筛查、健康管理服务，致力于实现普惠医疗。

在零售行业，连锁餐饮以及商超为了提升客户销量，做法更多是研究和推出新品，加大促销力度。第四范式将某连锁餐饮品牌的历史数据变成一座富矿，上线智能推荐引擎系统后，利用机器学习模型，通过为客户智能推荐产品与优惠，单个推送渠道全年就可带来亿级别销售额提升。

在能源领域，为保障绵延数万公里的运输管道安全，传统的技术手段是在管道上安装通讯光缆和光纤传感器，捕捉返回振动信号，但却无法根据信号特征灵敏判别异常，更难获知信号背后的振动原因，进而及时有效作出干预。高维机器学习技术处理和分析海量的光纤信号数据，有效区分出异常信号类型，提升危险信号识别率，提高判断输油管道破坏事件的准确性和及时性，帮助管道管理运营“精准处置”。

在媒体领域，伴随着内容同质化及用户时间碎片化，内容分发成为媒体竞争的关键。去年4月，第四范式上线了针对媒体的Feed流技术产品，4个月后仅这个垂类的客户量从1家增长到200家，到目前已经服务于全球上千家媒体，成为用户注意力稀缺与信息过载博弈中的重要突破点。其中一家技术社区媒体，第四范式就帮助其实现了点击率110%的提升，同时访问量和营收分别增长了187%、49%。

第四范式正在用相对通用的方法解决金融、医疗、零售、能源、政府、安防、媒体等各个行业不同的业务问题，即让机器看数据，提取出比专家规则更多的规则数。实际上，只要当机器写出的业务规律数超过人数，每个人都可以被不同规律覆盖，就能做到个性化了。

生成海报

免责声明：本网站内容主要来自原创、合作伙伴供稿和第三方自媒体作者投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。任何单位或个人认为本网站中的网页或链接内容可能涉嫌侵犯其知识产权或存在不实内容时，应及时向本网站提出书面权利通知或不实情况说明，并提供身份证明、权属证明及详细侵权或不实情况证明。本网站在收到上述法律文件后，将会依法尽快联系相关文章源头核实，沟通删除相关内容或断开相关链接。