上周，知名市場(chǎng)分析公司Forrester發(fā)布中國(guó)預(yù)測(cè)分析和機(jī)器學(xué)習(xí)研究報(bào)告《Now Tech: Predictive Analytics And Machine Learning In China, Q3 2020》（簡(jiǎn)稱：PAML），第四范式憑借領(lǐng)先的產(chǎn)品功能以及卓越的商業(yè)化能力入選“大型廠商”類型，位列PAML領(lǐng)域領(lǐng)先位置。在過(guò)去兩年，第四范式機(jī)器學(xué)習(xí)平臺(tái)已先后得到IDC、Gartner和Forrester全球三大ICT領(lǐng)域權(quán)威研究機(jī)構(gòu)的高度認(rèn)可，充分印證了其在AI平臺(tái)市場(chǎng)的領(lǐng)先地位。
01 什么是 Forrester Now Tech ?
如果您是一個(gè)饕客，對(duì)于米其林就不會(huì)陌生。《米其林指南》被奉為“美食界的圣經(jīng)”，是最負(fù)盛名的美食指南。而Forrester Now Tech堪稱機(jī)器學(xué)習(xí)平臺(tái)領(lǐng)域的“米其林指南”，為企業(yè)IT決策者提供機(jī)器學(xué)習(xí)平臺(tái)供應(yīng)商的權(quán)威評(píng)價(jià)，提供基于市場(chǎng)規(guī)模、產(chǎn)品功能維度的平臺(tái)供應(yīng)商評(píng)鑒指南，幫助IT決策者了解平臺(tái)的價(jià)值并挑選優(yōu)秀的平臺(tái)供應(yīng)商。
Forrester依據(jù)產(chǎn)品營(yíng)收將廠商劃分為大型、中型、小型三大類，大型廠商（年?duì)I收2億元以上）、中型廠商（營(yíng)收5000萬(wàn)元以上，2億元以下）、小型廠商（營(yíng)收5000萬(wàn)元以下）。第四范式、阿里云、百度、華為、騰訊云等企業(yè)入選大型廠商之列，成為中國(guó)PAML市場(chǎng)的佼佼者；IBM、SAS等11家企業(yè)劃分為中型廠商；AWS等15家企業(yè)為小型廠商。
02 Forrester將自動(dòng)化視作關(guān)鍵趨勢(shì)
Forrester認(rèn)為AutoML（自動(dòng)機(jī)器學(xué)習(xí)）將帶來(lái)AI的規(guī)模化應(yīng)用，報(bào)告中指出：“掌握數(shù)據(jù)科學(xué)技能的人仍然很少。許多PAML解決方案通過(guò)自動(dòng)化來(lái)降低技術(shù)復(fù)雜性，使用低代碼或無(wú)代碼工具來(lái)開(kāi)發(fā)足夠好的機(jī)器學(xué)習(xí)模型。這對(duì)于在有限的數(shù)據(jù)科學(xué)資源下實(shí)現(xiàn)更多的應(yīng)用是至關(guān)重要的。”
Forrester發(fā)現(xiàn)越來(lái)越多企業(yè)希望塑造自己的AI能力，然而，大多數(shù)公司缺乏數(shù)據(jù)科學(xué)和模型工程人才，無(wú)法在Notebook環(huán)境下進(jìn)行編程。因此，對(duì)于需加快數(shù)字化轉(zhuǎn)型的中國(guó)公司而言，掌握整個(gè)AI模型生命周期內(nèi)的自動(dòng)化能力——比如數(shù)據(jù)準(zhǔn)備、超參數(shù)優(yōu)化和模型部署——正變得越來(lái)越重要。AutoML可以幫助企業(yè)加快從數(shù)據(jù)到訓(xùn)練模型再到操作AI應(yīng)用程序的過(guò)程，消除AI和數(shù)據(jù)科學(xué)資源有限、模型開(kāi)發(fā)耗時(shí)長(zhǎng)的限制，滿足快速增長(zhǎng)的AI應(yīng)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(rèn)可第四范式在AutoML領(lǐng)域的探索和實(shí)踐，在數(shù)據(jù)準(zhǔn)備、特征工程、 算法選擇、模型訓(xùn)練和模型評(píng)估等環(huán)節(jié)實(shí)現(xiàn)全自動(dòng)化應(yīng)用，減少數(shù)據(jù)科學(xué)家們的重復(fù)性工作，幫助企業(yè)解決AI應(yīng)用門檻高、開(kāi)發(fā)效率低等問(wèn)題。
Forrester對(duì)AutoML價(jià)值的認(rèn)可，也進(jìn)一步印證了第四范式在賦能企業(yè)AI落地方式上的正確選擇。第四范式一直致力于通過(guò)AutoML幫助企業(yè)快速、規(guī)模化落地AI，在過(guò)去5年多時(shí)間已經(jīng)覆蓋到眾多行業(yè)和場(chǎng)景。面對(duì)企業(yè)AI應(yīng)用高速增長(zhǎng)期的到來(lái)，我們將繼續(xù)推進(jìn)AutoML在更多領(lǐng)域的拓展落地，實(shí)現(xiàn)企業(yè)智能化轉(zhuǎn)型目標(biāo)。
Forrester認(rèn)為PAML能帶來(lái)哪些價(jià)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.
