第四正規化釋出Sage AIOS，想做成AI版的Windows系統

第四正規化新品釋出現場

第四正規化總裁裴沵思在釋出會上表示。

據他透露，今年以來第四正規化形成了以金融為主體，製造和零售為兩輪，在航空、醫療、網際網路和媒體多方面發展的格局。而今，這家立足於幫企業搭建商用人工智慧平臺的AI公司，在線上化爆發、AI轉型的一年連發了四款AI新品。

這四款AI新品包括：企業級AI作業系統Sage AIOS、自動化AI生產力平臺Sage HyperCycle ML、線上化智慧運營系統天樞、以及全新AI算力平臺SageOne。

目前，第四正規化覆蓋了從算力、作業系統、生產平臺到業務系統的全棧AI產品矩陣。

創立第四正規化之前，第四正規化創始人兼CEO戴文淵曾就職於百度營銷系統“鳳巢”，幫助百度最佳化廣告營收。戴文淵意識到搭建AI系統可能對很多企業成本都很高，因此他一直希望能將AI技術封裝到產品中，使企業能夠便捷地呼叫AI能力。這也是第四正規化的AI產品一直貫徹的原則。

對於企業AI轉型可能面臨的阻力，戴文淵將其總結為：資料治理難、科學家稀缺、業務價值不佳以及算力成本負擔重四大問題。問題背後是缺少基於規範和標準的AI基礎設施。而這次新品釋出，第四正規化想透過標準化的AI產品解決上述難題。

AI新品中最重要當屬企業級AI作業系統Sage AIOS，這是首次AI進入到AI桌面應用的發展階段，將各種資料形式進行集中化中臺管理。

第四正規化想透過這款產品，構建一個AI時代的“Windows作業系統”，讓人人都可以在該系統上便捷的調動AI能力。

正如PC時代的Windows系統，透過桌面管理讓使用者低門檻地調取各種應用軟體。AI標準化管理平臺Sage AIOS也封裝了各類AI應用，主要分為兩種：一類是給AI科學家和開發者使用的工具類應用；另一類是針對某個場景一鍵上線的業務類應用。

圖為“第四正規化Sage AIOS產品介面”

Sage AIOS平臺有兩個比較重要的設計：一是資料治理。AIOS平臺規定了資料的準備和使用方式。這就如同Windows系統規定了Word、PDF等標準的檔案格式。

二是有效的資源排程與管理機制，就如同Windows系統的“程序排程器”，能夠對任務進行合理的資源分配。

先說資料治理，這是企業AI轉型的一大阻力。據第四正規化經驗，資料治理在企業落地AI過程中佔據了高達95%的時間，效率和效果是難題。AI需要支援資料一致性、時序性和閉環的資料治理系統，而定義好資料形式，可以同時滿足這三個需求。

具體而言，Sage AIOS規定了不同業務場景中的模型需要什麼樣的資料，對應的資料需要從什麼IT系統上去調取，以及如何將這些資料處理為AI ready的資料、“投餵”到AI系統中。

而關於資源排程和管理機制，Sage AIOS採用HyperScheduler動態地對各個任務進行合理的資源分配，有效管理排程CPU、GPU、加速卡等各類異構裝置資源，從而避免AI應用資源分配不均導致的任務響應慢、宕機等問題。

效果是能將資源利用率提升50%，AI全流程耗時節約三分之二時間。

搭建完規範化的AI作業系統，進入規模化應用AI的階段，公司還會面臨AI科學家或人才短缺的問題。

據第三方公司調查顯示，每年新增100萬個AI應用場景，而每年最多新增1000名科學家，這導致了AI應用需求與科學家之間供需不足的矛盾。

為此，第四正規化在AIOS平臺上為業務人員等非AI專業人士，準備了名為“HyperCycle ML”的AI高階語言。

該語言能將AI過程簡化為“行為、反饋、學習、應用”四步，自動完成從資料引入、資料定義、特徵處理、模型訓練、模型應用和模型自學習的AI全流程。

圖為“第四正規化HyperCycle ML產品介面

據悉，HyperCycle ML能把數百個AI相關模組的工作全部交給機器，把建模時間由原來的400小時縮短到10小時，自動化模型的精準度目前可以達到Top10%的AI科學家的水平。

除此以外，該功能還會自動收集線上的行為和反饋資料進行自學習，以確保模型穩定迭代。

而解決完資料治理、人才短缺的問題後，第四正規化還想為公司解決算力負擔重的問題。

據Gartner預測，2022年平均每個企業在AI算力上的支出會是18年的4倍，總體市場支出將超過50億美元。一方面是算力成本高昂，另一方面則是算力的浪費——在企業資料中心對AI負載最佳化後，算力平均使用率依然達不到60%。

第四正規化推出的軟硬一體算力平臺SageOne，能對AI整體生命週期進行全域性最佳化。案例顯示，在一家連鎖餐飲企業實際應用場景中，SageOne實現了“一頂十”，以8臺替換了88臺通用伺服器叢集。（本文首發鈦媒體App，作者 | 蘆依，編輯 | 趙宇航）