第四范式推了一款软硬件一体机服务器，还说这是 AI 商业闭环的开始

戴文渊认为在企业级 AI 赛道内，第四范式在很多场景都能赢 BAT 这样的巨头。以往，基于企业级服务市场的决心和技术储备上，作为第四范式联合创始人兼 CEO 的戴文渊也有过类似的表达。但这次，他有了新的底气。

（第四范式联合创始人兼 CEO 的戴文渊）

9 月 10 日，第四范式联合浪潮商用机器推出软硬件一体化服务器 Prophet AIO，将 AI 企业级解决方案延伸进硬件领域。在接受极客公园采访时，浪潮商用机器总经理胡雷钧透露他们将在下个月正式推出「Prophet AIO」第一款产品——AZ 2000。

按照第四范式官方的介绍，Prophet AIO 是针对超大规模数据挖掘与机器学习计算问题推出的 AI 一体机产品，能够在风险反欺诈、竞争营销、个性化推荐、广告计算、智能制造、客户运营及产品定价等多个数据挖掘与决策场景中应用，免去 AI 底层基础的配置、调试步骤，并带来明显效果提升——在同等成本的情况下，Prophet AIO 整体性能较普通服务器提升 10 倍以上。

简言之，这个软硬件一体将第四范式的「先知系统」等技术打包成一个科技黑匣子，搭载在浪潮商用 POWER9 等硬件服务器上。比如，一家银行无需自己开发，直接利用这个一体机服务器上搭载的反欺诈 AI 模型，就能提升反欺诈的能力。在浪潮商用机器总经理胡雷钧看来，这样的一体机将解决数据挖掘、分析等人工智能技术落地的「最后一公里」困境。

（浪潮商用机器总经理胡雷钧）

胡雷钧口中的「最后一公里」是指人工智能从技术到应用之间的路径，企业的认知成本，甚至是企业培养上手新员工使用技术的成本。对于目前暂时缺少人工智能深研能力的中小企业来说，可以直接使用这款软硬件一体机，提高数据挖掘和决策的能力；对于自己具备人工智能技术开发的企业来说，利用经过特别为 AI 数据、算法、模型做调整的服务器，也能优化、保障产品的开发效率。

从产品定位来说，Prophet AIO 被视作第四范式未来的主要业务。在第四范式的官方口径中，算法平台和服务器的结合被形容成企业级 AI 商业闭环的形成。戴文渊将软硬结合的这种改变与微软进行了类比，「微软原来是卖光盘的，现在有几个人买微软光盘，都是买一台笔记本带一个微软，不是说（微软现在）不卖光盘，以后更多是软件带硬件一起卖出去」。

对于第四范式而言，软硬结合是人工智能向企业服务深入发展的明确方向。在戴文渊看来，企业服务市场中仍是一个巨大的存量市场。通过软硬件的结合，第四范式可以从服务器层面将产品带到硬件层面，并开拓出一条软件应用的新路径。

根据国务院新一代人工智能发展规划，到 2020 年整个 AI 的产业规模会超过 1500 亿。到 2022 年之前，60% 中国大型企业都会开发自己的 AI 解决方案。在大型企业之外，中小企业对于解决方案的需求同样旺盛，第四范式这类基于企业技术服务的人工智能初创公司大有机会。

另一方面，企业级人工智能商业套件和服务器这类企业必备的硬件设施结合，同样存在巨大的增量市场。这也是浪潮商用机器选择和第四范式合作的重要原因。传统观点认为，对于企业来说，企业的 IT 是企业重要的成本来源，每个企业在做成本预算时，往往是想尽量在同等效用的基础上减少成本——「十块钱减掉八块」。

在第四范式联合创始人兼总架构师胡时伟看来，以前企业是尽量控制成本，来达到最高的效率。但在人工智能时代，企业的 IT 从成本中心慢慢变成利润中心，现阶段在人工智能服务器投入越多，越能让企业产生更多利润。

戴文渊以他曾经开发的百度凤巢系统为例。2009 年，戴文渊加入百度负责开发 AI 系统时，支撑广告系统稳定运行的应用服务器有三、四千台，AI 开发团队只有一台。但凭借这一台机器，戴文渊的团队帮整个公司提升 40% 的收入。这既是技术的威力，也证明专门为 AI 生产的服务器产品的需求存在。

在戴文渊证明 AI 服务器的必要性之后，凤巢系统团队每年都会有一个非常重要的任务，就是和百度 CFO 讨论给凤巢团队多少台机器。经过计算，戴文渊发现专门进行 AI 运算的机器越多，带来的收益越多。据戴文渊回忆，到 2013 年，百度广告系统的应用服务器大概从三四千台增加到七八千台，但 AI 服务器增加到两万台，「比例由原来的 1：4000 变成了 20000：8000」。

戴文渊认为，目前绝大多数企业的 IT 是应用服务器，还没有 AI 服务器，但未来会完全颠倒。这就形成了一个服务器层面的广阔增量市场。在他看来，未来的 AI 服务器和应用服务器应该 50：1 的比例。但现在一家企业中的可能是一比几千、几万的服务器，这中间的市场空间可见一斑。

从技术层面来看，硬件厂商对软硬一体化的需求同样存在。机器学习这类人工智能技术本质是用计算机的性能、用计算机的广泛计算来替代人做一些对规律的发现和对决策和支持。对机器学习来讲，它所需要的计算能力，整个对内存的访问，以及对于参数的计算，是传统应用数百倍、上千倍，甚至几十万倍，对服务器的定向优化自然也成了一个服务器新的发展方向。

在第四范式和浪潮商用机器举行的战略合作发布会后，第四范式联合创始人兼 CEO 戴文渊、浪潮商用机器总经理胡雷钧、第四范式联合创始人兼总架构师胡时伟就软硬一体机的发展前景，第四范式目前的营收状况，以及如何看待和 BAT、其他创业公司的竞争等问题进行了回答。

以下为极客公园等媒体与三人对话的内容，经极客公园整理，略有删减：

软硬如何结合？

提问：第四范式如何通过一台机器解决多个行业不同的细分领域的问题的，这里面是包含着多个行业的解决方案，还是融合了第四范式已经开发出的算法模型？从技术层面来讲的话，是如何实现的？

戴文渊：我们刚才在发布会的时候提到，由于我们要面临各个行业千奇百怪不同的问题，我们天然的一个任务是要把各种学习的任务给抽取出共性，我们所借鉴的学习圈理论，把所有的学习无外乎变成一个行动、反馈、反思和理论四个步骤。

可以看到刚才举了几个例子，包括反欺诈可以套用学习圈，包括 OCR 可以套用学习圈，包括糖尿病预警可以套用学习圈，包括今天如果做一个千人千面的个性化分发，也可以套用。

我们用是一个统一的方法解决各个行业不同的问题，这个方法可以不断地与优化，而我们自己的工作是在后台不断优化，能够使得学习圈的效果越来越好，以及这个学习圈能够跑的越来越高效，和浪潮做一体机的设计，也是其中一个非常重要的考虑，就是为了能够让系统越来越高效，能够获得一个数量级的提升。

胡雷钧：我再补充一下，这个一体机和第四范式的软件系统做的是一个应用开发的平台。

好比说原来传统的 IT 里面数据加中间件是应用开发的影响，因为在数据中间件上做了财务，有人在这个平台上做了 ERP 理论，有人做了银行的存款和取款。你讲的公司可能是两类不一样的公司，第四范式可能做的这套软件系统更像一个通用平台，像 AI 领域里的 AI 平台。

像在一些具体的领域里，比如反欺诈，有专门做反欺诈的公司，有可能用的是开源的 AI 技术，第四范式 AI 的应该平台，能够让用户用一个比较高度集中化、高度自动化，应用非常容易上手的软件平台，能够快速地形成自己做 AI 的能力，等于说让客户有做 AI 的能力。如果在某个领域里面要做 AI 的公司，也可以基于第四范式的平台形成二次开发，我觉得这是走向最终应用的一步。

第一步是计算平台，第二步是应用软件平台，第三步就是应用，我觉得到我们这个一体机应该是前面的两步，前面两步做了很多工具，无论是第三方的公司，还是最终客户想自己开发这个领域，有一个更快速便捷的方法。

我们发布的一体机也不仅仅只是一台机器，他还有一整套系统的支持，可能是若干台机器，也可能是一个超级大的平台，是可拓展的。

胡时伟：对于第四范式来讲，我们可以类比于现在的行业开发 AI 应用，相当于来讲是没有数据库这种比较低门槛的、快速开发门槛的中间件，我们从汇编开始先开发数据库再开发应用，是一个筒状的结构，对于第四范式来讲，是把开发应该这件事情的门槛和难度降低到一个普通的开发者可以去触达的一个过程，也就是说在今天很多时候 AI 应用的开发者，需要对应用领域的知识有较高要求，而利用第四范式和浪潮商用机器一体化解决方案的时候，我们的合作伙伴更懂应用的开发者，他可以在第四范式这个平台上开发出自己的应用。

提问：第四范式的先知平台也是降低开发者使用 AI 的要求，现在一体机也是，这些产品区别在哪？

戴文渊：我打个比方比较比较好理解，原来的先知就好像您有一台电脑，我们做了一个微软，你拿到光盘之后需要装微软。现在的一体机是买一个联想的笔记本，打开就是系统，这是安装体验门槛的一个差别。

还有另外一个角度，不知道您有没有印象，因为我是小学时候、初中时候在装兼容机的时候，远远不如今天。今天软硬一体的笔记本的设计，把系统做的非常稳定，也比过去高效很多，这是软硬一体的设计。但如果今天你拿一个 Win10 装一台兼容机，我自己前两年真的装过一台，我发现 Win10 一点都的稳定，这里面有很多点，这些点在于如果有一个非常好的匹配设计，可以去规避掉，包括使用门槛最后一公里的问题。包括稳定性、质量的最后一公里的问题，也包括性能最后一公里的问题。

胡雷钧：具体来看，对于高算力来讲，在和硬件适配的时候，实际上从细节上，从思维调度和宏观上，都有很具体的算法。比如说你拿来一个确定算法，部署在一台机器上，对这个机器不了解的时候，可能并发三四个线程，剩下的那些时间和你的功耗全浪费掉了，你要并发十几个线程，可能效率就比较高，假设并发到 40 多，可能访存就堵死了，在里面空转，大家等来等去，效率还是降下来了。

这里面有很多细节问题，做一体机的目的是把这些东西调校的正好，同样的一台车，专业调校完以后，效率就会提升 20% 多，粗放地用，就浪费了时间和功耗，浪费了你的感情。

提问：你们提供的解决方案中间是在哪个环节加入？

胡雷钧：最关键的就是对数据标准。

胡时伟：我稍微解释一下，我觉得最终无论什么时候，一个最好的系统，领域专家都是 8%，一个系统做到极致非常好之后，别人根本感受不到你的系统存在就能获得价值。我们按计算器和打算盘，表面看起来计算器本身的时间非常少，实际上计算器提供了价值，将来真正的 AI 系统会让一个领域专家一生只能解决一个问题，将来一生可以定 100 个目标，所以对人的能力发挥来讲是一个最大的促进，对软硬一体的系统来讲，别人感受不到我们存在，但我们输出大量的价值，人有多少时间，人的创造力是无穷的。

胡雷钧：原先一个师傅一年带一个徒弟，现在一个师傅一年带一个徒弟，这个徒弟可以不停地复制自己。

胡时伟：对，这是非常关键的，IT 系统把这个领域做的最好，只需要投钱就行了。AI 系统对人的创造力来讲是极大的释放和发挥，一个领域专家一辈子只能解决一个问题，今天可能能够成为解决一系列问题的专家，人的智力才机器的推动下能得到爆发式的专家。原先一个人只能解决一个客户，现在服务一万个客户是非常轻松的。

软硬结合的产业价值

提问问：对于浪潮商用来说，具体在哪些层面上对软件和 AI 有需求？对于第四范式来说，对于硬件的需求是什么？你们怎么发现彼此的需求的？

胡雷钧：原因有两个，第一是 AI 对于我们 OpenPower 业务来讲，是一个核心的发展方向。

在 AI 这个领域里面，从我们的角度来看，首先要解决最后一公里的问题，我们公司成立的时候讨论 AI 业务这个规划的时候就问市面上有没有确定好的模型来卖，以软件的形式在卖，有没有人在 AI 这个领域里面，有数据库这种软件开发平台在卖，告诉我是第四范式，我们在关键的历史时刻遇到了对方。

再一个是从硬件角度来看，我们也想让 AI 领域的同志们看到我们这个平台的价值优势，它的价值优势一个是效率最高的处理器，价格不便宜，那在性价比上一定要有优势。另外是对 AI 的算力追求上，我们认为这是能够在单台机器里面集成最高算例的一个平台，而且能够达到最高水平，主要是因为它的内存开放一致性的加速器或者 GPU 接口，这可能对于混合易构的加速器平台在同一个层面里面合作是最好的，有两个诉求。

戴文渊：像这样的合作需要缘分，放在前两年，第四范式还在专注做软件层面。今年我们有很大的一个背景，我们服务的这些金融机构已经占中国的金融总资产超过 60%。所以可以看到，我们覆盖面积已经很好了，但紧接着也会有痛点。

当把你的东西装到客户那边会遇到各种痛点，包括成本上的问题，再包括空间上的问题，我们很多客户都很有钱，但没有空间放他的机器，如果把 10 台机器变成一台机器，是巨大的价值。再包括进一步门槛的降低、部署等各方面门槛的降低，都是我们现在遇到的问题。

从今年上半年，产品上开始在研究怎么解决这个问题，会发现硬件是绕不开的环节。在企业服务里最重要的一点是要合作，也是在这个时候正好碰到浪潮商用机器，大家在这个时间上需要对话，所以在那个时间点一拍即合，这个合作非常快，从 5 月初开始接触，用几天时间就把产品做出来了。

提问问：在和浪潮合作之前，这种痛点就已经存在了？最大的问题集中在哪些方面？

戴文渊：痛点的存在那是一定的，如果我们只是为了做而做是没有生命力的，有些问题我们解决不了，和浪潮合作，用软硬一体的方法设计解决，在企业端才是有价值的。

胡时伟：最大的问题在于第一，我们希望急切的提升单节点的密度，包括我们讲机器内部的总线高速公路的宽度，因为今天传统机器的体系架构，其实是制约了机器学习的计算发展，也就是说我们现在市面上的服务器不能让机器学习 100% 的发动马力，所以我们需要一个提升，而 OpenPower 的架构在这个地方有非常强的提升。

第二，对于第四范式的平台系统来讲，就像胡总所说的，它是中间件的系统，它能和上接很多种应用，但我们既然是这样，对于价值最大化来讲，我们需要有一个非常好的底层基础架构的支撑。因为基础架构支撑的提升，意味着每一分提升同时在广泛的业务场景当中，能够获得放大的作用。所以对我们来讲，第一是一定要解决这个问题，

第三，对我们来讲，一定要掌握现在最优秀的架构和最先进的方案，所以由于这个点上，可能是最优秀的软件平台架构和当下最优秀的适合商机器学习的硬件架构，这是我们缘分最本质的特征。

胡时伟：我们看到的计算能力、数据规模，在大多数行业里是冰山一角，所以我们认为在接下来会有非常大的空间。无论是金融、零售和互联网媒体领域，其实在今天都是处在不是广泛开足马力的状态，这里有门槛问题，开发者门槛、软硬件的门槛，广泛被瓶颈制约，对于我们的任务来讲需要获得最广泛的应用。

我们不仅是金融的客户，在我们服务的行业当中，对于硬件、性能和软件门槛的要求非常迫切和渴望。大家看起来，每个人都想低成本，快速的，马上见效的获得 AI，但不那么容易得到，最后一公里的问题，我们背后有了非常好的技术，低门槛的，再加上最后一公里的问题，可以把这个价值直接送到客户和合作伙伴面前。

提问：刚刚多次提到「最后一公里」，你们对这个东西的定义具体是什么？

胡时伟：我先讲一下。这里面是非常复杂的很多点，我举一个最简单的点，就是认知上面的点。

就是我们在去尝试一件新的事情，要做 AI 了，对于领导来讲决策层和管理层需要解决很多问号，很多问号可能在业务上会拉出 100 多个问题，什么时候把 100 个问题变成 3 个问题了，企业做应用 AI 的决策和人员的投入上会顺畅和快很多，这 100 个问题有采购流程和各种各样层面的东西，我们通过和浪潮商用机器的合作，通过软硬一体化的方面，这 100 个问题，我们预期能够解决到将近一半，这就是巨大的价值和提升。

通过低门槛的方式和范式大学培训的方式，我们期望另外一半得到解决，再通过业务合作伙伴，把业务的知识和目标引入起来，我们有希望把 100 个问题变成 3 个问题。当变成 3 个问题的时候，业务效果、投入和人员准备，这件事情就能得到的，这是我理解的最后一公里。

胡雷钧：我做过很粗浅的比喻，不一定准确，好比说我雇了一个大学毕业生，两个月以后希望他能干活，但他现在显然还不会，办法无非是三条，第一是让他自己摸索，犯了错误重新再做。另外一条是找师傅带他，再有一条是给他办一个培训班，然后把所有的经验全都教给他。总之要有一个训练的过程，刚才讲了运动的过程，就是认知圈。第四范式用了一套固定的方法，把第一种做法成了可做批量产出的一个体系，最后一公里就是我给你 1000 个设计例子看，看完以后照着做，做对了打个对，做错打个错。经过 1000 次以后他就可以干活了，第四范式通过一套软件，把整个过程都规范化、简单化了，不用自己去摸索了，是这么一个概念。

提问：你们在软硬机一体的合作中，适用的这些行业有一个特别的划分吗，还是一种通用性的解决方案？

戴文渊：我们是不带行业属性的，对于每个客户提供的先知平台都是同样的，我们客户开发的解决方案是带有行业属性的。不同的解决方案背后所用到的算法和技术是共通的，本质上来说，第四范式所提供的能力是没有行业属性的，这个行业属性体现在这个能力与行业之间的结合。

软硬结合的商业价值

提问：目前第四范式业务结合比较紧密的是哪几类？

戴文渊：已经非常多了，绝不仅仅是只是服务于金融企业，可能我们服务客户数量最多的是互联网公司，排第二的是媒体。当然金融机构给我们提供的优势比较大，所以现在来看，大概几类，包括金融、媒体、互联网、能源、制造、公安、安防、零售、电信这几大行业，都是我们核心覆盖的。

提问：在数量和营收方面的比例，有没有一个大概的数据？

戴文渊：不能透露太详细，数量上来讲是互联网公司，如果是营收上来说，超过半数是金融机构。

提问：总的营收大概规模呢？

戴文渊：现在是几亿人民币的规模，具体的数字是相对不太适合说。

提问：第四范式和浪潮商用合作签署的协议是属于排他型的协议吗？

戴文渊：不是。

提问：你（胡时伟）在演讲中提到一个观点，你说在企业 TCO 的这个层面，以前是 10 元钱想减 8 元钱，现在是 10 块钱再多 10 块钱，然后再赚钱。请您详细解释一下，为什么说现在再投入这 10 元钱，投入到哪些方面？是怎么赚钱的？

胡时伟：我们之前包括在百度和各个地方，整个投入模式已经发生了变化，CFO 会根据上年你赚多少钱决定下年给你多少机器，在巨头当中已经完成了这种模式的转变。为什么？因为 AI 不是解决执行问题，执行是降低成本的问题，决策是引起不同公司的竞争。

举个例子，比如说两个媒体，你用 AI 的 BNG 获取用户，谁获取用户的能力越强，拉来的广告价值越多，赚的钱越多。如果广告率提升 10%，广告位不仅能卖出 10%，因为行业的地位优势放大优势比较明显。

很简单，企业招 100 个员工，能把竞争对手打死，能就招，对于企业来讲，再加 100 台企业，能够让准确度高 10%。所以对 IT 的投入，不像以前那样，而变成了大家都来看一看，谁能够同样用额外的 10 元钱赚更多的效果，哪个投入产出比更高，甚至有时候不论投入产出比了，看机位提升的效率更高。

我们在计算能力和门槛上各个方面将来给企业提供的是非常激烈的商业竞争当中，这是给军火的，你一个人能背三把枪，射速各方面需要不停投入，而不是一天吃三顿饭，这是武器，打的越快，打死别人的机率越大，所以在竞争当中的位置和传统的 IT 相比。传统 IT 在慢慢走向竞争武器的角度，而 AI 的角度会更强。

戴文渊：我分享一些数据，这是我 2009 年加入百度，当时百度的广告系统的应该服务器，我们现在所谓的成本中心的服务器，大概三四点台，为了支撑广告系统稳定的运行有三四千。

从 2009 年开始做 AI 系统，2009 年下半年的时候，AI 系统是 1 台机器，我们用这 1 台机器帮整个公司提升 40% 的收入以后，公司发现给你机器还能赚钱。就像时伟介绍的，我们后来每年都会有一个非常重要的任务，就是给 CFO 讨论你给我多少台机器，他会问给你 100 台机器赚多少，算完之后给了我 1000 台机器，因为他给我机器之后可以赚钱。

到了 2013 年，应用服务器大概从三四千台增加到七八千台，AI 服务器增加到两万台，原来是 1：4000，后来变成了 20000：8000，今天绝大多数企业的 IT 是应用服务器，还没有 AI 服务器，未来会完全颠倒，8000：20000 不是重点。

后来遇到了一个瓶颈，那就是没有足够多的机房，按照财务算的账，给你 4000 万台服务器都可以，但买来以后没地方放，所以其实未来的应用服务器和 AI 服务器，现在可能是 1 比几千、几万的服务器，未来会反过来，可能是 50：1 的比例。

提问：未来这种比例会递减吗？

戴文渊：当然。

提问：预估会到什么程度会稳定下来？

戴文渊：保守地看，未来 AI 的服务器和传统的服务器会是 1：10。

提问：软硬结合这条路是第四范式今后主要的业务吗？

戴文渊：这是一定的。

提问：它的优先级有多高？

胡雷钧：对我来讲，在 AI 这个领域里边，软硬结合一定是我的经营模式，对于戴总，可能有更多选择。

戴文渊：这是一定的，微软原来是卖光盘的，现在有几个人买微软光盘，都是买一台笔记本带一个微软，不是说不卖光盘，以后更多是软件带硬件一起卖出去。

提问：最近有一本新书，里面提到 AI 公司有电池和电网两种模式，电网可能是七大巨头，他们希望用巨量的数据攻占各行各业。电池模式，可能是有一些具体相对小一点的科技企业，希望用一些更定制化的解决方案来攻克某个行业。第四范式属于哪种？

戴文渊：第四范式是发电机模式或者炼矿机模式，我们原来卖的是矿机软件，或者一个锅炉装上我们的软件就变成了炼油了，这就是我们的模式。

我们一直觉得 AI 企业有两种模式，一种是做 AI 应用的 AI 公司，这种模式有一个很大的问题？应用根本做不过来，你会发现所有的应该公司最后做的都相对没有那么大，可能今天得益于我们国家的安防市场，我们还能产出一些大的应用公司，但除此之外，应用公司做的很小，每个应用创造的价值相对比较小。还有绝大多数的应用都没有被覆盖。

我们经常会发现一些莫名其妙的应用放到我们面前，根本不是我们可以去想象的。比如说当时铁道部提的一个需求，他们有个巡检员，晚上 12 点以后没有高铁了，巡检的时候发现零件坏了，然后发一个单，结果总部发过来以后错了，因为巡检员填错了。像这种，AI 能够帮我们做这个事情，这是我们无法想象的，就像今天的移动 APP 一样无法想象。这是第一种。

第二种是巨头，什么都干，但实际上经常有投资机构问我，你们跟阿里巴巴怎么竞争，他们那么多竞争，如果我跟阿里巴巴竞争做电商网站不行，但如果做理财推荐，我们在很多场景都能赢它。因为它是炼油的，我是炼煤的。

我们发现另外一个问题，虽然你是巨头，虽然你有很多资源，但你的资源在全世界的资源里是沧海一粟。真正的关键是让每家每户都能产生 AI 的能力，这是一个问题，我们也是在摸索当中前行，我们最后经过摸索，发现这是 AI 唯一的一条路径。

提问：所以核心的优势，技术方面肯定也能有，核心的优势就是这些大的企业、银行愿意把数据给你，而不愿意给巨头？

戴文渊：核心的优势不是他们愿意，我们在很多头部的金融客户，我们在跟 BAT 竞争，截止到目前为止，我们没有输给过他们。为什么能做到？

实际上你让一个国家电力或者中广合，它是一个发电厂，如果你让它给一个家庭，把自己的技术拿给家庭做一个手摇式发电机，这完全是两个东西，那个过去称之于深度学习，这是自动学习，家里雇不起人员看机器，必须要让机器自动学习，就像微波炉点一下参数，有热饭的，有热水的，要做到自动，自动的才是每家企业，如果你面向的是每家企业所需要的，才能称之为低门槛的机器学习。

提问：第四范式对软硬结合的潜在市场规模有没有预估？

戴文渊：今天的 IT 市场多大，未来 AI 的 IT 市场应该是今天的 10 倍以上。这是来自于从成本中心往利润中心的转移，因为过去 IT 的投入是为了支撑一个应用，这个应用支撑完以后，至于我是不是把它支撑的更稳定 10 倍，已经不重要了，只要你达到一个基本的稳定就可以，达到基本稳定以后，剩下的就是省成本，要降低成本。AI 的差别是要不断的投入，还能获得业务的增长，我投入更多，我就要去算我投入多少，收获多少，至少我们在头部的互联网公司能够看到和传统 IT 10 倍的差距。