近日，全球領先科技研究和咨詢機構Gartner接連發布了《新興技術與趨勢(ETT)影響力雷達2021》、《新興技術與趨勢影響力雷達：人工智能》年度重磅系列報告，第四范式與阿里巴巴、騰訊、百度、華為、中興一同入圍，且成為Composite AI（組合式AI與AI中臺）技術領域唯一來自中國的代表廠商。

《新興技術與趨勢(ETT)影響力雷達》是一套系統性的技術評價體系，囊括了技術價值、技術影響力和趨勢周期三大維度11個細分標準，與技術成熟度曲線（HypeCycle）并列為全球新興技術領域最先進的評估工具和模型。Gartner每年會發布新興技術雷達綜合報告以及人工智能、云計算等重要新興技術方向專題報告。

Composite AI是近兩年備受關注的新興技術，此次Gartner不僅將Composite AI列入人工智能專題報告的技術雷達，還與5G, 物聯網, 量子計算、深度學習等其它21項前沿技術共同列入了2021年綜合新興技術雷達。Gartner認為該技術“將推動生產效率的革命性提升（Productivity Revolution），并在未來3~6年持續產生極為重大的影響”。

Gartner, Emerging Technologies and Trends Impact Radar 2021

AI技術與領域知識組合，突破模型落地的價值局限

Gartner指出，AI技術在為企業解決錯綜復雜的業務問題時面臨多方面挑戰，既要揭示隱含在海量數據中未知的知識和模型，又要以結構化方式捕獲已知機理（專家認知或規則），同時還需要考慮如何在有限的算力、時間等條件約束下給出最優的方案。因此，相比于單獨采取機器學習、專家規則、某些技術進行優化，特定的AI技術、領域知識以及其它數據科學技術進行組合應用可快速、有效地實現業務價值進一步提升，即應對復雜問題的Composite AI解決方案。

報告中，Gartner借鑒了第四范式在疫情防控中的應用案例，認為經典AI技術在應對“小數據”等情況時存在諸多挑戰，因此加速了科技公司對Composite AI及其對應支撐能力的投資，從而建立競爭優勢。

在此次疫情防控中，第四范式構建了一套覆蓋追蹤傳播路徑、篩查高危人群、推演疫情發展等疫情防控關鍵能力的疫情防控系統，通過數字孿生系統的搭建，可就防疫決策一旦實施所帶來的影響進行精準的仿真預判。在搭建過程中，基于傳統經驗構建機理模型或數據構建模型的方式，都難以獨立保證真實世界還原度與有效性。一方面，SEIR等機理模型受限于領域知識，無法全面精準的考慮各類影響。另一方面，基于數據的建模也由于缺少充足的歷史數據積累，難以高效構建相關模型。

第四范式采用了“數據驅動結合機理模型”的方式，突破了專家規則和AI規則各自的局限性，成功構建了包含數十萬參數的高還原度數字孿生系統。該方法首先以機理模型搭建患病人群演變、省市遷移機制等內在邏輯；其次，設定其中接觸率、隔離率等關鍵參數，并通過數據驅動進行精準還原。此外，第四范式通過AI還原仿真開始日期各省的潛伏期患者人數等傳統機理模型無法考慮的參數。

通過Composite AI解決方案，第四范式疫情虛擬環境預測誤差較經典SEIR模型降低99%，為決策者制定實用有效的調控政策提供重要依據。

AI技術間的組合應用，擴大業務價值

Gartner認為，無論是深度學習、圖分析等任何單一的AI技術在面對復雜目標和場景時，通常都只能解決局部問題，很難獨立形成高價值的解決方案。Gartner分析師Erick Brethenoux對AI技術廠商提出警告：“單一AI技術的時代即將結束，如果軟件和服務提供商無法提供基于多種AI技術相結合的能力，劣勢將很快顯現”。

第四范式多項自研AI算法可進行靈活組合，在多種復雜應用場景實現更高的場景適配性和模型性能，應對復雜的商業挑戰。

以決策場景為例，第四范式的智能決策解決方案由AutoEL（自動環境學習）和AutoRL（自動強化學習）兩項AI技術組合而成。首先通過AutoEL自動搭建能夠完整精細還原現實影響要素及邏輯的虛擬環境，之后利用AutoRL在虛擬環境中進行大量試錯和決策優化。在這個過程中AutoEL持續為AutoRL的決策方案給予接近真實的反饋，指導RL決策質量持續迭代，最終直接為企業輸出最理想的決策方案。

該解決方案目前已落地于供應鏈優化、排班排產優化等業務場景。在第四范式為某領先禽蛋企業的供應鏈場景優化案例中，利用AutoEL將基于生產發貨邏輯等機理和各單位供應量等數據構建供應鏈環境，利用AutoRL持續輸出供應時間、數量等供應鏈決策，而虛擬環境則對各決策方案進行結果模擬并反饋，直至指導AutoRL優化出最理想方案。憑借創新性的技術能力以及出色的落地效果，該方案榮獲APEC“2020年人工智能創新應用優秀案例”。

AI中臺發揮關鍵角色，高效支撐Composite AI技術靈活應用

Gartner研究指出，到2023年具備可組合能力的企業將在新產品、新功能落地速度方面超過競爭對手80％（來源：Gartner 2021年戰略技術趨勢報告）。

Composite AI不僅是技術和應用層面的工作，也對底層框架能否支持AI技術可拆分和可復用提出了要求。如果沒有統一標準AI基礎設施承載中臺功能，封裝特定AI技術和功能并使其方便調用，AI組合技術的落地效率很難有效釋放，進而阻礙商業價值的規模化實現。

在第四范式的解決方案中，AI中臺是Composite AI的核心支撐。

首先，AI中臺助力多元化AI技術在業務場景落地。在AI中臺內，以第四范式自研高維機器學習算法和超大規模分布式機器學習框架GDBT為核心，用戶可以通過豐富的開箱即用工具包，基于可視化拖拽式（DAG）建模方式，方便地對各類數據、算法、評估、調試算子進行操作和組合。不僅如此，用戶還可以通過自定義算子開發平臺及豐富的SDK進行二次開發，進一步實現Composite AI的定制化與多樣化特性。

Composite AI帶來了問題復雜度的提升，如何在數據、資源、應用三方面支撐落地成為AI中臺的巨大挑戰。為此，第四范式推出了自主研發的AI操作系統Sage AIOS，其通過統一的數據標準和規范、自動的資源調度與分配、統一的應用集成標準，使得“各懷絕技”的AI技術得以在系統穩定運行下，高效靈活地進行組合應用，大大拓展了AI的應用范圍和落地效率。

為了進一步降低AI門檻，第四范式還將覆蓋不同領域、環節的AutoML技術和獨創的“庫伯學習圈”方法論進行了融合，打造了自動化、全流程的AI生產力平臺Sage HyperCycle ML，將AI過程簡化為“行為、反饋、學習、應用”四步，自動完成從數據引入、數據定義、特征處理、模型訓練、模型應用和自學習的AI全流程，大幅降低了AI應用的門檻。

作為Composite AI技術的全球代表廠商，第四范式憑借AI技術優勢和中臺支撐，高效實現了AI技術同行業知識、跨領域技術、以及AI技術本身之間的靈活組合應用。隨著在各行各業深入落地，第四范式將為日益復雜的商業環境提供有效的AI能力支撐，加速智能化商業時代的到來。