财讯：智能化转型将加速数字经济变革 助力革新技术应用与基础设施建设

本篇文章2315字，读完约6分钟

在全球经济面临诸多不确定性和风险挑战的今天，推动数字经济快速发展成为了明确的答案。

今年的政府工作报告提出了要创造数字经济的新特征。 中国信通院发布的《中国数字经济快速发展白皮书()》显示，中国数字经济增加值规模从2005年的2.6万亿元扩大到去年的35.8万亿元，数字经济占gdp的比重上升到36.2%。

当前，如何推进数字经济、平台经济顺利健康快速发展，也成为领域和公司探索的重要课题。 日前，第四范式总裁裴泓思在接受人民网财经采访时表示，人工智能正在各行各业加速落地，ai技术应用面临的机会大于挑战，公司智能化转型将加快数字经济转型和快速发展。

人工智能在实体经济中有很大的潜力

人工智能等尖端技术的创新突破是把握数字经济快速发展机遇的重要前提。 近年来，中国推进了人工智能等新技术、新业态行业的战术布局，从网络+到人工智能，一系列产业规划和配套政策相继出台。

今年8月，工信部开展了年度网络安全技术应用试验示范工作。 方向中，新型新闻基础设施安全类包括4g通信网络安全、工业网络安全、车网安全、智能城市安全、大数据安全、物联网安全、人工智能安全、区块链安全、商用密码应用、电信

裴泓思想认为，人工智能发展到今天，使以前流传的公司迅速降低了其门槛。 而且，人工智能升级为国家战术后，研发人才、技术人才、产品人才的相应匹配变得更加迫切，可以提高实体公司的效率，降低价值成本。

以第四范式为代表的机器学习平台，人工智能本质上是人类机器决策之间的相互作用过程，目前人类决策越来越少，机器决策越来越多，公司效率也相应提高。 裴泓思想认为，通过ai赋能挖掘各行各业的数据智能，是企业加快智能化转型、融入数字经济浪潮的必然选择。

目前，随着计算能力、算法上的突破，以深度学习、机器学习为代表的ai技术应用于落地。 近日，深圳金融科技创新监管试点事业组在广泛征集项目的基础上，对外公示了深圳市前四个创新应用。 最初的创新应用涉及商业银行、征信机构、科技企业等，涵盖了人工智能、区块链、大数据、可靠的执行环境( tee )等多种先进新闻技术，备受领域关注。

事实上，不仅仅是金融领域，以制造业为代表的实体经济还需要人工智能赋能。 与零售公司可以廉价获取大量的费用行为数据不同，5g基础设施的建设还需要一段时间。 数据基础设施建设中非常重要的目标是通过机器学习平台挖掘数据智能，建立人机交互决策的新机制，在供应链优化、设备运维、软件定义产品等方面实现跨越式快速的发展 这是人工智能能源物理经济的巨大机遇和条件。 裴泓思认为，国家开发新基础设施，推进产业数字化，大力培育数字经济新动能。

中国企业数字化转型正在走向前沿

近年来，随着大数据、云计算、物联网、人工智能等现代新闻技术的飞速发展，我国企业数字化转型加速。 强大的经济韧性和广阔的费用市场，给中国企业的数字化转型带来了越来越多的应用场景和快速的发展空间。

在过去的十年里，中国数字化转型的速度逐渐加快，从原来的到有的，打草台打班子，开始学习西方最佳实践，进入文案阶段。 通过复制的自我消化，我们找到了具有中国特色的打法、管理特色以及整个技术快速发展的方法。 这是消化吸收的过程。 裴泓思表。

疫情期间，第四范式联合南京大学lamda研究所和苏北人民医院组成队伍，发布智能疫情防控体系。 该处理方案不仅向有关部门提供防控支持，而且越来越多的部门在疫情第一线提高了效率，辅助决策，协助了公司的微观防控。

裴泓思认为，要发挥数据的价值，必须建立基于规范和标准的基础设施，用科技手段优化商业模式，形成有利于社会快速发展和公司变革的最佳实践。

作为职业经理人数字化转型的退伍军人，以前曾听说过美国、德国的公司是如何进行数字化转型的。 但是，目前全球企业正在学习中国的数字化模式和技术。 这源于中国热情的公司家、先进的企业、先进的技术要素，以及快速的迭代、复制和学习能力。 可以说，中国企业数字化转型的过程是令人兴奋的。 裴泓思表示，中国企业数字化转型正走向世界前沿。

支持技术创新的应用和基础设施建设

任何公司的变革都离不开自身积极的变化和产业的合作，甚至是技术的增强和基础设施的建设。 作为年成立的人工智能技术和服务提供商，第四范式致力于许多复杂的机器学习模型平台的构建以及业务和产品化。

8月20日，第四范式发表了sage aios。 据介绍，sage aios作为人工智能标准化管理平台，包括被ai科学家和开发者采用的工具级应用程序，以及将某个场景进行比较后一键在线的商务级应用程序等各种ai应用程序 宣布推出sage aios的新产品有第四种范式自动化ai生产力平台sage hypercycle ml、在线智能运营系统轴心点和新的ai计算平台sageone。

多年来，第四范式团队冲进了ai落地的前沿，在摸爬滚打中，我们总结出数据管理困难、科学家匮乏、业务价值差、计算力价格负担沉重，是公司ai转型中最常见的阻力。 这些问题归根结底是由于缺乏基于规范和标准的基础设施，今天我们设计和构建了更加标准化的ai产品。 裴泓思介绍说。

要使ai更好地落地，把技术推向应用，就需要改革创新数据格式，将各种数据格式集中化中台管理，消除ai的落地差距。 机器学习平台是从基础能力向业务端的突破，也验证了ai通用平台产品的可行性。

裴泓思认为，要理解数据产生它们的价值，必须首先理解数据背后的逻辑。 此次发布的ai新产品完善了从ai计算能力、aios、自动化ai生产到在线化智能运营的全流程公司ai产品体系，完善了数据管理难、人才门槛高、业务价值高、计算能力高等ai应用课题，为ai在各行业全面生花