第四範式推了一款軟硬體一體機伺服器，還說這是 AI 商業閉環的開始

從伺服器入手，人工智慧初創公司有多大機會革新企業服務市場？

戴文淵認為在企業級 AI 賽道內，第四範式在很多場景都能贏 BAT 這樣的巨頭。以往，基於企業級服務市場的決心和技術儲備上，作為第四範式聯合創始人兼 CEO 的戴文淵也有過類似的表達。但這次，他有了新的底氣。

第四範式聯合創始人兼 CEO 的戴文淵

9 月 10 日，第四範式聯合浪潮商用機器推出軟硬體一體化伺服器 Prophet AIO，將 AI 企業級解決方案延伸進硬體領域。在接受極客公園採訪時，浪潮商用機器總經理胡雷鈞透露他們將在下個月正式推出「Prophet AIO」第一款產品——AZ 2000。

按照第四範式官方的介紹，Prophet AIO 是針對超大規模數據挖掘與機器學習計算問題推出的 AI 一體機產品，能夠在風險反欺詐、競爭營銷、個性化推薦、廣告計算、智能製造、客戶運營及產品定價等多個數據挖掘與決策場景中應用，免去 AI 底層基礎的配置、調試步驟，並帶來明顯效果提升——在同等成本的情況下，Prophet AIO 整體性能較普通伺服器提升 10 倍以上。

簡言之，這個軟硬體一體將第四範式的「先知系統」等技術打包成一個科技黑匣子，搭載在浪潮商用 POWER9 等硬體伺服器上。比如，一家銀行無需自己開發，直接利用這個一體機伺服器上搭載的反欺詐 AI 模型，就能提升反欺詐的能力。在浪潮商用機器總經理胡雷鈞看來，這樣的一體機將解決數據挖掘、分析等人工智慧技術落地的「最後一公里」困境。

浪潮商用機器總經理胡雷鈞

胡雷鈞口中的「最後一公里」是指人工智慧從技術到應用之間的路徑，企業的認知成本，甚至是企業培養上手新員工使用技術的成本。對於目前暫時缺少人工智慧深研能力的中小企業來說，可以直接使用這款軟硬體一體機，提高數據挖掘和決策的能力；對於自己具備人工智慧技術開發的企業來說，利用經過特別為 AI 數據、演算法、模型做調整的伺服器，也能優化、保障產品的開發效率。

從產品定位來說，Prophet AIO 被視作第四範式未來的主要業務。在第四範式的官方口徑中，演算法平台和伺服器的結合被形容成企業級 AI 商業閉環的形成。戴文淵將軟硬結合的這種改變與微軟進行了類比，「微軟原來是賣光碟的，現在有幾個人買微軟光碟，都是買一台筆記本帶一個微軟，不是說（微軟現在）不賣光碟，以後更多是軟體帶硬體一起賣出去」。

對於第四範式而言，軟硬結合是人工智慧向企業服務深入發展的明確方向。在戴文淵看來，企業服務市場中仍是一個巨大的存量市場。通過軟硬體的結合，第四範式可以從伺服器層面將產品帶到硬體層面，並開拓出一條軟體應用的新路徑。

根據國務院新一代人工智慧發展規劃，到 2020 年整個 AI 的產業規模會超過 1500 億。到 2022 年之前，60% 中國大型企業都會開發自己的 AI 解決方案。在大型企業之外，中小企業對於解決方案的需求同樣旺盛，第四範式這類基於企業技術服務的人工智慧初創公司大有機會。

另一方面，企業級人工智慧商業套件和伺服器這類企業必備的硬體設施結合，同樣存在巨大的增量市場。這也是浪潮商用機器選擇和第四範式合作的重要原因。傳統觀點認為，對於企業來說，企業的 IT 是企業重要的成本來源，每個企業在做成本預算時，往往是想盡量在同等效用的基礎上減少成本——「十塊錢減掉八塊」。

在第四範式聯合創始人兼總架構師胡時偉看來，以前企業是盡量控制成本，來達到最高的效率。但在人工智慧時代，企業的 IT 從成本中心慢慢變成利潤中心，現階段在人工智慧伺服器投入越多，越能讓企業產生更多利潤。

戴文淵以他曾經開發的百度鳳巢系統為例。2009 年，戴文淵加入百度負責開發 AI 系統時，支撐廣告系統穩定運行的應用伺服器有三、四千台，AI 開發團隊只有一台。但憑藉這一台機器，戴文淵的團隊幫整個公司提升 40% 的收入。這既是技術的威力，也證明專門為 AI 生產的伺服器產品的需求存在。

在戴文淵證明 AI 伺服器的必要性之後，鳳巢系統團隊每年都會有一個非常重要的任務，就是和百度 CFO 討論給鳳巢團隊多少台機器。經過計算，戴文淵發現專門進行 AI 運算的機器越多，帶來的收益越多。據戴文淵回憶，到 2013 年，百度廣告系統的應用伺服器大概從三四千台增加到七八千台，但 AI 伺服器增加到兩萬台，「比例由原來的 1：4000 變成了 20000：8000」。

戴文淵認為，目前絕大多數企業的 IT 是應用伺服器，還沒有 AI 伺服器，但未來會完全顛倒。這就形成了一個伺服器層面的廣闊增量市場。在他看來，未來的 AI 伺服器和應用伺服器應該 50：1 的比例。但現在一家企業中的可能是一比幾千、幾萬的伺服器，這中間的市場空間可見一斑。

從技術層面來看，硬體廠商對軟硬一體化的需求同樣存在。機器學習這類人工智慧技術本質是用計算機的性能、用計算機的廣泛計算來替代人做一些對規律的發現和對決策和支持。對機器學習來講，它所需要的計算能力，整個對內存的訪問，以及對於參數的計算，是傳統應用數百倍、上千倍，甚至幾十萬倍，對伺服器的定向優化自然也成了一個伺服器新的發展方向。

在第四範式和浪潮商用機器舉行的戰略合作發布會後，第四範式聯合創始人兼 CEO 戴文淵、浪潮商用機器總經理胡雷鈞、第四範式聯合創始人兼總架構師胡時偉就軟硬一體機的發展前景，第四範式目前的營收狀況，以及如何看待和 BAT、其他創業公司的競爭等問題進行了回答。

以下為極客公園等媒體與三人對話的內容，經極客公園整理，略有刪減：

軟硬如何結合？

提問：第四範式如何通過一台機器解決多個行業不同的細分領域的問題的，這裡面是包含著多個行業的解決方案，還是融合了第四範式已經開發出的演算法模型？從技術層面來講的話，是如何實現的？

戴文淵：我們剛才在發布會的時候提到，由於我們要面臨各個行業千奇百怪不同的問題，我們天然的一個任務是要把各種學習的任務給抽取出共性，我們所借鑒的學習圈理論，把所有的學習無外乎變成一個行動、反饋、反思和理論四個步驟。

可以看到剛才舉了幾個例子，包括反欺詐可以套用學習圈，包括 OCR 可以套用學習圈，包括糖尿病預警可以套用學習圈，包括今天如果做一個千人千面的個性化分發，也可以套用。

我們用是一個統一的方法解決各個行業不同的問題，這個方法可以不斷地與優化，而我們自己的工作是在後台不斷優化，能夠使得學習圈的效果越來越好，以及這個學習圈能夠跑的越來越高效，和浪潮做一體機的設計，也是其中一個非常重要的考慮，就是為了能夠讓系統越來越高效，能夠獲得一個數量級的提升。

胡雷鈞：我再補充一下，這個一體機和第四範式的軟體系統做的是一個應用開發的平台。

好比說原來傳統的 IT 裡面數據加中間件是應用開發的影響，因為在數據中間件上做了財務，有人在這個平台上做了 ERP 理論，有人做了銀行的存款和取款。你講的公司可能是兩類不一樣的公司，第四範式可能做的這套軟體系統更像一個通用平台，像 AI 領域裡的 AI 平台。

像在一些具體的領域裡，比如反欺詐，有專門做反欺詐的公司，有可能用的是開源的 AI 技術，第四範式 AI 的應該平台，能夠讓用戶用一個比較高度集中化、高度自動化，應用非常容易上手的軟體平台，能夠快速地形成自己做 AI 的能力，等於說讓客戶有做 AI 的能力。如果在某個領域裡面要做 AI 的公司，也可以基於第四範式的平台形成二次開發，我覺得這是走向最終應用的一步。

第一步是計算平台，第二步是應用軟體平台，第三步就是應用，我覺得到我們這個一體機應該是前面的兩步，前面兩步做了很多工具，無論是第三方的公司，還是最終客戶想自己開發這個領域，有一個更快速便捷的方法。

我們發布的一體機也不僅僅只是一台機器，他還有一整套系統的支持，可能是若干台機器，也可能是一個超級大的平台，是可拓展的。

胡時偉：對於第四範式來講，我們可以類比於現在的行業開發 AI 應用，相當於來講是沒有資料庫這種比較低門檻的、快速開發門檻的中間件，我們從彙編開始先開發資料庫再開發應用，是一個筒狀的結構，對於第四範式來講，是把開發應該這件事情的門檻和難度降低到一個普通的開發者可以去觸達的一個過程，也就是說在今天很多時候 AI 應用的開發者，需要對應用領域的知識有較高要求，而利用第四範式和浪潮商用機器一體化解決方案的時候，我們的合作夥伴更懂應用的開發者，他可以在第四範式這個平台上開發出自己的應用。

提問：第四範式的先知平台也是降低開發者使用 AI 的要求，現在一體機也是，這些產品區別在哪？

戴文淵：我打個比方比較比較好理解，原來的先知就好像您有一台電腦，我們做了一個微軟，你拿到光碟之後需要裝微軟。現在的一體機是買一個聯想的筆記本，打開就是系統，這是安裝體驗門檻的一個差別。

還有另外一個角度，不知道您有沒有印象，因為我是小學時候、初中時候在裝兼容機的時候，遠遠不如今天。今天軟硬一體的筆記本的設計，把系統做的非常穩定，也比過去高效很多，這是軟硬一體的設計。但如果今天你拿一個 Win10 裝一台兼容機，我自己前兩年真的裝過一台，我發現 Win10 一點都的穩定，這裡面有很多點，這些點在於如果有一個非常好的匹配設計，可以去規避掉，包括使用門檻最後一公里的問題。包括穩定性、質量的最後一公里的問題，也包括性能最後一公里的問題。

胡雷鈞：具體來看，對於高算力來講，在和硬體適配的時候，實際上從細節上，從思維調度和宏觀上，都有很具體的演算法。比如說你拿來一個確定演算法，部署在一台機器上，對這個機器不了解的時候，可能並發三四個線程，剩下的那些時間和你的功耗全浪費掉了，你要並發十幾個線程，可能效率就比較高，假設並發到 40 多，可能訪存就堵死了，在裡面空轉，大家等來等去，效率還是降下來了。

這裡面有很多細節問題，做一體機的目的是把這些東西調校的正好，同樣的一台車，專業調校完以後，效率就會提升 20% 多，粗放地用，就浪費了時間和功耗，浪費了你的感情。

提問：你們提供的解決方案中間是在哪個環節加入？

胡雷鈞：最關鍵的就是對數據標準。

胡時偉：我稍微解釋一下，我覺得最終無論什麼時候，一個最好的系統，領域專家都是 8%，一個系統做到極致非常好之後，別人根本感受不到你的系統存在就能獲得價值。我們按計算器和打算盤，表面看起來計算器本身的時間非常少，實際上計算器提供了價值，將來真正的 AI 系統會讓一個領域專家一生只能解決一個問題，將來一生可以定 100 個目標，所以對人的能力發揮來講是一個最大的促進，對軟硬一體的系統來講，別人感受不到我們存在，但我們輸出大量的價值，人有多少時間，人的創造力是無窮的。

胡雷鈞：原先一個師傅一年帶一個徒弟，現在一個師傅一年帶一個徒弟，這個徒弟可以不停地複製自己。

胡時偉：對，這是非常關鍵的，IT 系統把這個領域做的最好，只需要投錢就行了。AI 系統對人的創造力來講是極大的釋放和發揮，一個領域專家一輩子只能解決一個問題，今天可能能夠成為解決一系列問題的專家，人的智力才機器的推動下能得到爆髮式的專家。原先一個人只能解決一個客戶，現在服務一萬個客戶是非常輕鬆的。

軟硬結合的產業價值

提問：對於浪潮商用來說，具體在哪些層面上對軟體和 AI 有需求？對於第四範式來說，對於硬體的需求是什麼？你們怎麼發現彼此的需求的？

胡雷鈞：原因有兩個，第一是 AI 對於我們 OpenPower 業務來講，是一個核心的發展方向。

在 AI 這個領域裡面，從我們的角度來看，首先要解決最後一公里的問題，我們公司成立的時候討論 AI 業務這個規劃的時候就問市面上有沒有確定好的模型來賣，以軟體的形式在賣，有沒有人在 AI 這個領域裡面，有資料庫這種軟體開發平台在賣，告訴我是第四範式，我們在關鍵的歷史時刻遇到了對方。

再一個是從硬體角度來看，我們也想讓 AI 領域的同志們看到我們這個平台的價值優勢，它的價值優勢一個是效率最高的處理器，價格不便宜，那在性價比上一定要有優勢。另外是對 AI 的算力追求上，我們認為這是能夠在單台機器裡面集成最高算例的一個平台，而且能夠達到最高水平，主要是因為它的內存開放一致性的加速器或者 GPU 介面，這可能對於混合易構的加速器平台在同一個層面裡面合作是最好的，有兩個訴求。

戴文淵：像這樣的合作需要緣分，放在前兩年，第四範式還在專註做軟體層面。今年我們有很大的一個背景，我們服務的這些金融機構已經佔中國的金融總資產超過 60%。所以可以看到，我們覆蓋面積已經很好了，但緊接著也會有痛點。

當把你的東西裝到客戶那邊會遇到各種痛點，包括成本上的問題，再包括空間上的問題，我們很多客戶都很有錢，但沒有空間放他的機器，如果把 10 台機器變成一台機器，是巨大的價值。再包括進一步門檻的降低、部署等各方面門檻的降低，都是我們現在遇到的問題。

從今年上半年，產品上開始在研究怎麼解決這個問題，會發現硬體是繞不開的環節。在企業服務里最重要的一點是要合作，也是在這個時候正好碰到浪潮商用機器，大家在這個時間上需要對話，所以在那個時間點一拍即合，這個合作非常快，從 5 月初開始接觸，用幾天時間就把產品做出來了。

提問：在和浪潮合作之前，這種痛點就已經存在了？最大的問題集中在哪些方面？

戴文淵：痛點的存在那是一定的，如果我們只是為了做而做是沒有生命力的，有些問題我們解決不了，和浪潮合作，用軟硬一體的方法設計解決，在企業端才是有價值的。

胡時偉：最大的問題在於第一，我們希望急切的提升單節點的密度，包括我們講機器內部的匯流排高速公路的寬度，因為今天傳統機器的體系架構，其實是制約了機器學習的計算髮展，也就是說我們現在市面上的伺服器不能讓機器學習 100% 的發動馬力，所以我們需要一個提升，而 OpenPower 的架構在這個地方有非常強的提升。

第二，對於第四範式的平台系統來講，就像胡總所說的，它是中間件的系統，它能和上接很多種應用，但我們既然是這樣，對於價值最大化來講，我們需要有一個非常好的底層基礎架構的支撐。因為基礎架構支撐的提升，意味著每一分提升同時在廣泛的業務場景當中，能夠獲得放大的作用。所以對我們來講，第一是一定要解決這個問題，

第三，對我們來講，一定要掌握現在最優秀的架構和最先進的方案，所以由於這個點上，可能是最優秀的軟體平台架構和當下最優秀的適合商機器學習的硬體架構，這是我們緣分最本質的特徵。

胡時偉：我們看到的計算能力、數據規模，在大多數行業里是冰山一角，所以我們認為在接下來會有非常大的空間。無論是金融、零售和互聯網媒體領域，其實在今天都是處在不是廣泛開足馬力的狀態，這裡有門檻問題，開發者門檻、軟硬體的門檻，廣泛被瓶頸制約，對於我們的任務來講需要獲得最廣泛的應用。

我們不僅是金融的客戶，在我們服務的行業當中，對於硬體、性能和軟體門檻的要求非常迫切和渴望。大家看起來，每個人都想低成本，快速的，馬上見效的獲得 AI，但不那麼容易得到，最後一公里的問題，我們背後有了非常好的技術，低門檻的，再加上最後一公里的問題，可以把這個價值直接送到客戶和合作夥伴面前。

提問：剛剛多次提到「最後一公里」，你們對這個東西的定義具體是什麼？

胡時偉：我先講一下。這裡面是非常複雜的很多點，我舉一個最簡單的點，就是認知上面的點。

就是我們在去嘗試一件新的事情，要做 AI 了，對於領導來講決策層和管理層需要解決很多問號，很多問號可能在業務上會拉出 100 多個問題，什麼時候把 100 個問題變成 3 個問題了，企業做應用 AI 的決策和人員的投入上會順暢和快很多，這 100 個問題有採購流程和各種各樣層面的東西，我們通過和浪潮商用機器的合作，通過軟硬一體化的方面，這 100 個問題，我們預期能夠解決到將近一半，這就是巨大的價值和提升。

通過低門檻的方式和範式大學培訓的方式，我們期望另外一半得到解決，再通過業務合作夥伴，把業務的知識和目標引入起來，我們有希望把 100 個問題變成 3 個問題。當變成 3 個問題的時候，業務效果、投入和人員準備，這件事情就能得到的，這是我理解的最後一公里。

胡雷鈞：我做過很粗淺的比喻，不一定準確，好比說我雇了一個大學畢業生，兩個月以後希望他能幹活，但他現在顯然還不會，辦法無非是三條，第一是讓他自己摸索，犯了錯誤重新再做。另外一條是找師傅帶他，再有一條是給他辦一個培訓班，然後把所有的經驗全都教給他。總之要有一個訓練的過程，剛才講了運動的過程，就是認知圈。第四範式用了一套固定的方法，把第一種做法成了可做批量產出的一個體系，最後一公里就是我給你 1000 個設計例子看，看完以後照著做，做對了打個對，做錯打個錯。經過 1000 次以後他就可以幹活了，第四範式通過一套軟體，把整個過程都規範化、簡單化了，不用自己去摸索了，是這麼一個概念。

提問：你們在軟硬機一體的合作中，適用的這些行業有一個特別的劃分嗎，還是一種通用性的解決方案？

戴文淵：我們是不帶行業屬性的，對於每個客戶提供的先知平台都是同樣的，我們客戶開發的解決方案是帶有行業屬性的。不同的解決方案背後所用到的演算法和技術是共通的，本質上來說，第四範式所提供的能力是沒有行業屬性的，這個行業屬性體現在這個能力與行業之間的結合。

軟硬結合的商業價值

提問：目前第四範式業務結合比較緊密的是哪幾類？

戴文淵：已經非常多了，絕不僅僅是只是服務於金融企業，可能我們服務客戶數量最多的是互聯網公司，排第二的是媒體。當然金融機構給我們提供的優勢比較大，所以現在來看，大概幾類，包括金融、媒體、互聯網、能源、製造、公安、安防、零售、電信這幾大行業，都是我們核心覆蓋的。

提問：在數量和營收方面的比例，有沒有一個大概的數據？

戴文淵：不能透露太詳細，數量上來講是互聯網公司，如果是營收上來說，超過半數是金融機構。

提問：總的營收大概規模呢？

戴文淵：現在是幾億人民幣的規模，具體的數字是相對不太適合說。

提問：第四範式和浪潮商用合作簽署的協議是屬於排他型的協議嗎？

戴文淵：不是。

提問：你（胡時偉）在演講中提到一個觀點，你說在企業 TCO 的這個層面，以前是 10 元錢想減 8 元錢，現在是 10 塊錢再多 10 塊錢，然後再賺錢。請您詳細解釋一下，為什麼說現在再投入這 10 元錢，投入到哪些方面？是怎麼賺錢的？

胡時偉：我們之前包括在百度和各個地方，整個投入模式已經發生了變化，CFO 會根據上年你賺多少錢決定下年給你多少機器，在巨頭當中已經完成了這種模式的轉變。為什麼？因為 AI 不是解決執行問題，執行是降低成本的問題，決策是引起不同公司的競爭。

舉個例子，比如說兩個媒體，你用 AI 的 BNG 獲取用戶，誰獲取用戶的能力越強，拉來的廣告價值越多，賺的錢越多。如果廣告率提升 10%，廣告位不僅能賣出 10%，因為行業的地位優勢放大優勢比較明顯。

很簡單，企業招 100 個員工，能把競爭對手打死，能就招，對於企業來講，再加 100 台企業，能夠讓準確度高 10%。所以對 IT 的投入，不像以前那樣，而變成了大家都來看一看，誰能夠同樣用額外的 10 元錢賺更多的效果，哪個投入產出比更高，甚至有時候不論投入產出比了，看機位提升的效率更高。

我們在計算能力和門檻上各個方面將來給企業提供的是非常激烈的商業競爭當中，這是給軍火的，你一個人能背三把槍，射速各方面需要不停投入，而不是一天吃三頓飯，這是武器，打的越快，打死別人的機率越大，所以在競爭當中的位置和傳統的 IT 相比。傳統 IT 在慢慢走向競爭武器的角度，而 AI 的角度會更強。

戴文淵：我分享一些數據，這是我 2009 年加入百度，當時百度的廣告系統的應該伺服器，我們現在所謂的成本中心的伺服器，大概三四點台，為了支撐廣告系統穩定的運行有三四千。

從 2009 年開始做 AI 系統，2009 年下半年的時候，AI 系統是 1 台機器，我們用這 1 台機器幫整個公司提升 40% 的收入以後，公司發現給你機器還能賺錢。就像時偉介紹的，我們後來每年都會有一個非常重要的任務，就是給 CFO 討論你給我多少台機器，他會問給你 100 台機器賺多少，算完之後給了我 1000 台機器，因為他給我機器之後可以賺錢。

到了 2013 年，應用伺服器大概從三四千台增加到七八千台，AI 伺服器增加到兩萬台，原來是 1：4000，後來變成了 20000：8000，今天絕大多數企業的 IT 是應用伺服器，還沒有 AI 伺服器，未來會完全顛倒，8000：20000 不是重點。

後來遇到了一個瓶頸，那就是沒有足夠多的機房，按照財務算的賬，給你 4000 萬台伺服器都可以，但買來以後沒地方放，所以其實未來的應用伺服器和 AI 伺服器，現在可能是 1 比幾千、幾萬的伺服器，未來會反過來，可能是 50：1 的比例。

提問：未來這種比例會遞減嗎？

戴文淵：當然。

提問：預估會到什麼程度會穩定下來？

戴文淵：保守地看，未來 AI 的伺服器和傳統的伺服器會是 1：10。

提問：軟硬結合這條路是第四範式今後主要的業務嗎？

戴文淵：這是一定的。

提問：它的優先順序有多高？

胡雷鈞：對我來講，在 AI 這個領域裡邊，軟硬結合一定是我的經營模式，對於戴總，可能有更多選擇。

戴文淵：這是一定的，微軟原來是賣光碟的，現在有幾個人買微軟光碟，都是買一台筆記本帶一個微軟，不是說不賣光碟，以後更多是軟體帶硬體一起賣出去。

提問：最近有一本新書，裡面提到 AI 公司有電池和電網兩種模式，電網可能是七大巨頭，他們希望用巨量的數據攻佔各行各業。電池模式，可能是有一些具體相對小一點的科技企業，希望用一些更定製化的解決方案來攻克某個行業。第四範式屬於哪種？

戴文淵：第四範式是發電機模式或者煉礦機模式，我們原來賣的是礦機軟體，或者一個鍋爐裝上我們的軟體就變成了煉油了，這就是我們的模式。

我們一直覺得 AI 企業有兩種模式，一種是做 AI 應用的 AI 公司，這種模式有一個很大的問題？應用根本做不過來，你會發現所有的應該公司最後做的都相對沒有那麼大，可能今天得益於我們國家的安防市場，我們還能產出一些大的應用公司，但除此之外，應用公司做的很小，每個應用創造的價值相對比較小。還有絕大多數的應用都沒有被覆蓋。

我們經常會發現一些莫名其妙的應用放到我們面前，根本不是我們可以去想像的。比如說當時鐵道部提的一個需求，他們有個巡檢員，晚上 12 點以後沒有高鐵了，巡檢的時候發現零件壞了，然後發一個單，結果總部發過來以後錯了，因為巡檢員填錯了。像這種，AI 能夠幫我們做這個事情，這是我們無法想像的，就像今天的移動 APP 一樣無法想像。這是第一種。

第二種是巨頭，什麼都干，但實際上經常有投資機構問我，你們跟阿里巴巴怎麼競爭，他們那麼多競爭，如果我跟阿里巴巴競爭做電商網站不行，但如果做理財推薦，我們在很多場景都能贏它。因為它是煉油的，我是煉煤的。

我們發現另外一個問題，雖然你是巨頭，雖然你有很多資源，但你的資源在全世界的資源里是滄海一粟。真正的關鍵是讓每家每戶都能產生 AI 的能力，這是一個問題，我們也是在摸索當中前行，我們最後經過摸索，發現這是 AI 唯一的一條路徑。

提問：所以核心的優勢，技術方面肯定也能有，核心的優勢就是這些大的企業、銀行願意把數據給你，而不願意給巨頭？

戴文淵：核心的優勢不是他們願意，我們在很多頭部的金融客戶，我們在跟 BAT 競爭，截止到目前為止，我們沒有輸給過他們。為什麼能做到？

實際上你讓一個國家電力或者中廣合，它是一個發電廠，如果你讓它給一個家庭，把自己的技術拿給家庭做一個手搖式發電機，這完全是兩個東西，那個過去稱之於深度學習，這是自動學習，家裡雇不起人員看機器，必須要讓機器自動學習，就像微波爐點一下參數，有熱飯的，有熱水的，要做到自動，自動的才是每家企業，如果你面向的是每家企業所需要的，才能稱之為低門檻的機器學習。

提問：第四範式對軟硬結合的潛在市場規模有沒有預估？

戴文淵：今天的 IT 市場多大，未來 AI 的 IT 市場應該是今天的 10 倍以上。這是來自於從成本中心往利潤中心的轉移，因為過去 IT 的投入是為了支撐一個應用，這個應用支撐完以後，至於我是不是把它支撐的更穩定 10 倍，已經不重要了，只要你達到一個基本的穩定就可以，達到基本穩定以後，剩下的就是省成本，要降低成本。AI 的差別是要不斷的投入，還能獲得業務的增長，我投入更多，我就要去算我投入多少，收穫多少，至少我們在頭部的互聯網公司能夠看到和傳統 IT 10 倍的差距。

責任編輯：卧蟲

圖片來源：第四範式

掃描二維碼詳細了解 thinkplus 高效能方案

我們將那些改變了世界和歷史的商業勢力稱之為「酷」，而我們更願意相信那些即將決定未來世界的公司一定會做到「更酷」。極客公園同 ThinkPad 一起，推出酷公司 100 計劃，並提供給未來的「酷公司」們 thinkplus 高效能方案，助力企業高效成長。讓「酷公司」更加有力，讓他們成為我們對未來世界不可或缺的美好想像。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！