戴文淵還指出，AI已經(jīng)開啟了產(chǎn)業(yè)變革的新浪潮，但還沒有到一通百通、暢行無阻的地步，亟需從降低AI應用開發(fā)的人才門檻，優(yōu)化企業(yè)數(shù)據(jù)治理、提升算力對大規(guī)模機器學習的支持等方面持續(xù)發(fā)力。

以下是戴文淵演講全文：

今天我想和大家分享對產(chǎn)業(yè)變革新范式的一些思考。數(shù)字中國建設峰會，各界也都在提數(shù)字化轉(zhuǎn)型，我們所做的，其實是推動一個新范式的到來。這個全新的范式，會改變什么呢?主要是兩個方面，一是各行各業(yè)會全面進入科學時代，過去我們可能認為數(shù)學、物理是科學，而在很多領域比如做農(nóng)業(yè)、傳統(tǒng)制造業(yè)，跟科學沒有關(guān)系，主要是基于人的經(jīng)驗，但在新的范式不是這樣，計算機從數(shù)據(jù)中發(fā)現(xiàn)規(guī)律、預測需求，更準確地定制服務，使資源得到最大程度的分配，各行業(yè)將迎來一次科學大爆炸。

二是科學規(guī)律數(shù)量井噴，牛頓力學的定律為什么是三條，因為人擅長化繁為簡，找出共通性，但機器往往“逆向思維”，得益于無限精力與記憶力，能夠在自動發(fā)現(xiàn)萬億條規(guī)則、規(guī)律，實現(xiàn)認知智能。數(shù)字化轉(zhuǎn)型的實質(zhì)是從基于人類經(jīng)驗的認知決策發(fā)展為基于人工智能的認知決策。

AI已經(jīng)開啟了產(chǎn)業(yè)變革的新浪潮，但在落地端會面對諸多挑戰(zhàn)，比如很多領域的數(shù)據(jù)積累和管理存在問題，算力無法滿足現(xiàn)在大規(guī)模機器學習的需求，還有一個很核心的瓶頸是人才的稀缺。中國的AI人才在全球已經(jīng)處于比較領先的地位，但人才數(shù)量與需求仍然嚴重不匹配，甚至十年內(nèi)都沒辦法滿足。

第四范式今天在做的事情，是借鑒教育學的“庫伯學習圈理論”，把AI應用構(gòu)建的過程平臺化，總結(jié)成為四步標準動作“行動、反饋、反思、理論”，并封裝了高性能架構(gòu)與算力，實現(xiàn)開發(fā)人員只需要理解自身行業(yè)的業(yè)務目標，按照平臺步驟去對接數(shù)據(jù)，就能低門檻地自己產(chǎn)生AI應用。這也是過去4年內(nèi)，第四范式能夠跨越行業(yè)與場景的屏障、賦能2000多個不同業(yè)務場景的主要原因。

首先是金融領域，作為一家平臺性的人工智能公司，第四范式致力于讓金融機構(gòu)有能力自己建立反欺詐、反洗錢、智能獲客、智能營銷等AI應用，取得業(yè)務提升。例如，基于我們提供的AI能力，某股份制銀行構(gòu)建了支持高維機器學習的反洗錢系統(tǒng)，提高了審計效率，并且可以預測新型洗錢方式，此外，還實現(xiàn)了可解釋模型，將模型的特征轉(zhuǎn)化為人可看懂的規(guī)則，優(yōu)化上報審核流程。目前，我們在銀行業(yè)服務了包括工商銀行在內(nèi)的超過70%的頭部客戶，隨著行業(yè)數(shù)字化轉(zhuǎn)型趨勢的到來，我們也在積極遷移到更多領域。

在醫(yī)療領域，我國糖尿病前期患病率高達50.1%，成人對糖尿病的知曉率僅有30.1%，

然而專業(yè)醫(yī)生缺口達10萬。第四范式基于瑞金醫(yī)院的糖尿病相關(guān)隨訪數(shù)據(jù), 通過高維機器學習、遷移學習等技術(shù)，對糖尿病預測總結(jié)出50萬條診斷新規(guī)則，這個量遠遠高于過去醫(yī)生總結(jié)出的診斷規(guī)律，這使我們糖尿病預測準確率比基于臨床金標準的預測提升2-3倍。雙方合作開發(fā)的慢性病健康管理產(chǎn)品在醫(yī)院、社區(qū)、體檢機構(gòu)、養(yǎng)老機構(gòu)這樣的場景投入使用，為廣大人群提供慢性病精準篩查、健康管理服務，致力于實現(xiàn)普惠醫(yī)療。

在零售行業(yè)，連鎖餐飲以及商超為了提升客戶銷量，做法更多是研究和推出新品，加大促銷力度。第四范式將某連鎖餐飲品牌的歷史數(shù)據(jù)變成一座富礦，上線智能推薦引擎系統(tǒng)后，利用機器學習模型，通過為客戶智能推薦產(chǎn)品與優(yōu)惠，單個推送渠道全年就可帶來億級別銷售額提升。

在能源領域，為保障綿延數(shù)萬公里的運輸管道安全，傳統(tǒng)的技術(shù)手段是在管道上安裝通訊光纜和光纖傳感器，捕捉返回振動信號，但卻無法根據(jù)信號特征靈敏判別異常，更難獲知信號背后的振動原因，進而及時有效作出干預。高維機器學習技術(shù)處理和分析海量的光纖信號數(shù)據(jù)，有效區(qū)分出異常信號類型，提升危險信號識別率，提高判斷輸油管道破壞事件的準確性和及時性，幫助管道管理運營“精準處置”。

在媒體領域，伴隨著內(nèi)容同質(zhì)化及用戶時間碎片化，內(nèi)容分發(fā)成為媒體競爭的關(guān)鍵。去年4月，第四范式上線了針對媒體的Feed流技術(shù)產(chǎn)品，4個月后僅這個垂類的客戶量從1家增長到200家，到目前已經(jīng)服務于全球上千家媒體，成為用戶注意力稀缺與信息過載博弈中的重要突破點。其中一家技術(shù)社區(qū)媒體，第四范式就幫助其實現(xiàn)了點擊率110%的提升，同時訪問量和營收分別增長了187%、49%。

第四范式正在用相對通用的方法解決金融、醫(yī)療、零售、能源、政府、安防、媒體等各個行業(yè)不同的業(yè)務問題，即讓機器看數(shù)據(jù)，提取出比專家規(guī)則更多的規(guī)則數(shù)。實際上，只要當機器寫出的業(yè)務規(guī)律數(shù)超過人數(shù)，每個人都可以被不同規(guī)律覆蓋，就能做到個性化了。

xiesc