上周，知名市場分析公司Forrester發布中國預測分析和機器學習研究報告《Now Tech: Predictive Analytics And Machine Learning In China, Q3 2020》（簡稱：PAML），第四范式憑借領先的產品功能以及卓越的商業化能力入選“大型廠商”類型，位列PAML領域領先位置。在過去兩年，第四范式機器學習平臺已先后得到IDC、Gartner和Forrester全球三大ICT領域權威研究機構的高度認可，充分印證了其在AI平臺市場的領先地位。
01 什么是 Forrester Now Tech ?
如果您是一個饕客，對于米其林就不會陌生。《米其林指南》被奉為“美食界的圣經”，是最負盛名的美食指南。而Forrester Now Tech堪稱機器學習平臺領域的“米其林指南”，為企業IT決策者提供機器學習平臺供應商的權威評價，提供基于市場規模、產品功能維度的平臺供應商評鑒指南，幫助IT決策者了解平臺的價值并挑選優秀的平臺供應商。
Forrester依據產品營收將廠商劃分為大型、中型、小型三大類，大型廠商（年營收2億元以上）、中型廠商（營收5000萬元以上，2億元以下）、小型廠商（營收5000萬元以下）。第四范式、阿里云、百度、華為、騰訊云等企業入選大型廠商之列，成為中國PAML市場的佼佼者；IBM、SAS等11家企業劃分為中型廠商；AWS等15家企業為小型廠商。
Forrester Now Tech? 報告推薦廠商（部分）
02 Forrester將自動化視作關鍵趨勢
Forrester認為AutoML（自動機器學習）將帶來AI的規模化應用，報告中指出：“掌握數據科學技能的人仍然很少。許多PAML解決方案通過自動化來降低技術復雜性，使用低代碼或無代碼工具來開發足夠好的機器學習模型。這對于在有限的數據科學資源下實現更多的應用是至關重要的。”
Forrester發現越來越多企業希望塑造自己的AI能力，然而，大多數公司缺乏數據科學和模型工程人才，無法在Notebook環境下進行編程。因此，對于需加快數字化轉型的中國公司而言，掌握整個AI模型生命周期內的自動化能力——比如數據準備、超參數優化和模型部署——正變得越來越重要。AutoML可以幫助企業加快從數據到訓練模型再到操作AI應用程序的過程，消除AI和數據科學資源有限、模型開發耗時長的限制，滿足快速增長的AI應用需求。
第四范式此次作為唯一“AutoML專注類”廠商入選大型廠商行列。Forrester認可第四范式在AutoML領域的探索和實踐，在數據準備、特征工程、 算法選擇、模型訓練和模型評估等環節實現全自動化應用，減少數據科學家們的重復性工作，幫助企業解決AI應用門檻高、開發效率低等問題。
Forrester對AutoML價值的認可，也進一步印證了第四范式在賦能企業AI落地方式上的正確選擇。第四范式一直致力于通過AutoML幫助企業快速、規模化落地AI，在過去5年多時間已經覆蓋到眾多行業和場景。面對企業AI應用高速增長期的到來，我們將繼續推進AutoML在更多領域的拓展落地，實現企業智能化轉型目標。
Forrester認為PAML能帶來哪些價值？
PAML helps firms boost AI productivity by:
- Scaling AI use cases with automated machine learning. Data science skills are still rare. Many PAML solutions conceal technical complexity with automation, using low- or no-code tools to develop good-enough ML models. This is critical to enabling more applications with limited data science resources.
- Freeing data scientists from tedious tasks. Developing ML models is not only about doing a wide range of data science work. There are also many time-consuming tasks, such as environment provisioning, data preparation, feature engineering, model evaluation, and team collaboration. PAML solutions offer optimized tools and GUIs to improve AI productivity.
- Operationalizing AI with ModelOps. Once deployed, model performance normally decreases over time — so the development and deployment of ML models is not a one-off effort. PAML solutions help firms streamline model lifecycle operations including deployment, monitoring, and governance, making model development efficient, effective and secure.
