AI在各个行业落地生花，然而，企业在AI应用过程中依然面临各种艰难险阻。第四范式在企业级AI基础设施建设上有着很多探索和经验，他们通过AI帮助企业进行数字化转型、变革。近日，第四范式线上业务部总经理周开拓做客「GMIC开放麦」，全面分享了AI对企业的重塑。

周开拓，第四范式线上业务部总经理，毕业于北京大学数学系，曾在传统媒介、制造业、电商等不同领域从事机器学习算法应用。对如何在媒体、电商的商业环境中用机器学习算法驱动业务富有经验。带领团队曾服务人民日报、百胜中国、来伊份等行业头部企业。以下为现场内容整理：

Q：首先，想了解下您的背景，您之前是在淘宝，离开后，选择加入了第四范式，这样的转换您是出于什么样的考虑，以及对这个行业有什么样的看法？

周开拓：我是2015年离开淘宝，后来来到第四范式，其实有两个原因。我在淘宝做的也是算法、推荐、搜索相关的一些工作，当时确实看到了技术带来的巨大改变，它可以提升用户的体验、降低用户选择的成本，通过平台去获得更好的匹配效率等，那时候BAT这类的公司已经在所属行业占据了很好的位置。

我们想的是这个技术能不能去服务更多的公司，在这个理念上，我非常认同第四范式的公司愿景。我们认为技术有着很大的价值，以及技术在未来五到十年里是一个扩散的过程，这个扩散过程需要更多人去推动。我们有机会成为这个过程中的参与者，我觉得这是一个特别有意义的事情。

第二个原因是企业服务。即使今天，我们去看美国或者欧洲成功的公司，第一代成功的软件公司其实都是做企业服务的。逻辑很简单，只有企业才能买的起那么贵的软件、硬件，个人是买不起的。只不过中国的软件行业出现的比较晚，刚好赶上了互联网时代。因此，中国最早成功的都是做个人软件、做互联网的公司，比如金山、BAT。

那我认为，企业服务行业在未来十年二十年会有非常大的发展和价值，中国会有很多非常好的企业服务公司。

Q：请您向大家整体介绍一下第四范式，以及您现在主要负责什么业务？

周开拓：第四范式成立于2014年底，是国际领先的人工智能平台与技术服务提供商，公司核心业务是利用高维实时闭环的机器学习平台，帮助企业提升效率、降低风险，获得更大的商业价值。2016年12月，第四范式获中国人工智能界最高奖“吴文俊人工智能科学技术奖”创新奖一等奖，是首个获得该奖项的企业；2019年3月，第四范式入选CB Insights全球AI独角兽俱乐部，成为全球32家AI独角兽之一；2019年8月，第四范式入选IDC MarketScape™️，夺得中国机器学习平台市场份额第一，超过BAT、微软、亚马逊；2020年2月，第四范式先知平台成为首个通过“史上最严数据保护法”欧盟GDPR认证的AI平台。

我负责的第四范式线上业务部门，主要帮助企业实现更高效的线上化智能运营。我们通过第四范式天枢这个智能运营平台，加持了智能推荐、智能搜索、智能推送、智能客服、数据采集治理等AI能力，帮助企业实现大规模AI场景的快速上线和运营。

Q：疫情放大了很多企业内部存在已久的问题，不少企业纷纷意识到必须要进行数字化转型，您如何看待这一现象？

周开拓：首先，消费者的线上化、移动化是不可避免的大趋势，疫情加速了这个进程。疫情期间因为社区封闭管理，线下的流量几乎被切断，消费者和用户更多地集中在线上，提升了企业对于线上渠道重要性的认知。其次，随着企业经营竞争的加剧，粗放式的增长和运营已经不容易赢得竞争了。所有的经营决策更依赖于数据。比如对于零售企业来说，当他的库存数据、消费者数据、门店数据数字化了以后，可以帮助他实现敏捷、高效的供应链管理，实施个性化、精准的营销策略。数字化可以帮助企业极大地提升经营效率。

Q：在您看来，企业数字化转型的关键点在于什么？AI在转型过程中能扮演什么角色？

周开拓：数字化转型的第一关键点在于企业管理层的决心和认知。我们今年交流了零售行业的一个客户，他们提出了“all in APP”的战略，企业管理层是否重视且向下落实是企业数字化转型能否成功的重要因素。对于一些2C的企业来说，最重要的数字化环节是面向顾客的经营环节的数字化，当你的消费者和用户已经更多地通过线上渠道进行消费，从长远考虑，企业是否要建立自己的私域流量阵地？线上渠道的增长和运营和线下的运营有较大的区别，企业是否有足够的私域流量建设和运营的方法论？另一方面，数字化对企业的技术能力和技术基础设施提出了很大的要求。数字化需要线上系统、AI能力，传统企业通过自建技术体系来实现数字化，这个过程就太漫长了，而且需要大量的技术人力成本。通过采购专业的技术产品来快速地实现数字化是很多企业的选择。

人工智能已经不是很高门槛的技术了，尤其是在互联网行业，比如千人千面的个性化推荐、智能客服机器人、这些都是很常见了。人工智能是新兴的技术，未来一定会更加普及。

数字化进行到一定阶段以后，企业积累了较丰富的数据，AI这时就可以派上用场了，尤其对于决策类AI来说，它依赖于大量的正负样本数据。

Q：第四范式强调“企业级AI基础设施建设”，能给我们解释下是什么意思吗？包括什么？

周开拓：第四范式以“AI for everyone”为企业愿景，我们帮助很多企业搭建了底层的机器学习平台，通过这些平台，企业可以搭建自己的AI应用，实现智能场景的规模化。我们赋能企业的包括底层算力的硬件基础设施，到机器学习平台，到面向业务层的AI数智化引擎，通过这些体系化的AI产品帮助企业实现智能转型，优化企业的效率和决策。比如，我们帮一家头部的零售餐饮企业提供AI平台产品，帮助它搭建智能点餐等AI应用场景。通过我们的赋能，它只需要一个很小的AI团队，就可以支撑成百上千个AI场景的上线和运营，带来收入增长上亿元的业务效果。

Q：AI落地难，一直是许多企业面临的困境和挑战，第四范式如何解决这一问题？核心产品的竞争力和差异化是什么？

周开拓：第四范式的公司愿景就是降低AI应用落地的门槛，我们将算法等科学家的能力封装成标准的产品，当客户拿到这个AI产品时候，它可能简单得只需要一个运营同学就可以调试。

比如我们针对企业线上业务的AI产品——天枢，这个产品把很多的AI能力集合在一个平台上，这样企业很容易可以复制智能化场景，高效地实现全场景的智能化。很多企业今天应用AI，很大程度上的困境在于数据层面的挑战。过去我们谈信息化，企业在这个过程中也收集了一些数据，但是这些数据格式对AI往往可能并不是很友好。对于决策类AI来说，如果数据接得不对，便会直接影响点击率转化率等效果。

针对这个问题，我们也在开发一些数据中台类的产品，帮助企业进行更好的数据采集和分析。

Q：第四范式是否有形成通用的方法论帮助不同行业企业进行数字化转型，比如金融、零售、医疗等行业？有没有一些案例可以分享一下？

周开拓：我先举一个零售餐饮的案例。今天的餐饮零售行业向数字化、互联网化的趋势发展，快餐餐饮面临消费者互联网化习惯的挑战，消费者对餐饮有更丰富和多元的需求；精细化运营，以用户需求为中心，满足消费者的个性化需求成为行业的趋势。这个企业拥有2.4亿会员，希望通过人工智能、数据能力等先进的科技生产力提升消费者体验，提升销售及运营效率。但是它原先这个APP中缺少个性化推荐功能，商品排序和促销活动无法匹配用户个性化需求和偏好，影响下单转化率。

通过第四范式提供的智能推荐点餐系统，可以帮助他精准捕捉消费者购买意图，优先展现消费者想购买的产品，在提升客单价的同时缩短购买路径，提升消费体验。客单价平均提升2%，预计单渠道全年带来数亿元销售额提升。

还有我们服务的一家头部的连锁商超企业，这家企业也把“加快数字化转型，加大线上店投入，推进线上线下全渠道融合发展”列为新的发展战略。线上渠道的重要性已经成为零售行业的共识。我们帮他的APP打造了智能推荐、智能搜索等AI能力。电商场景的SKU数量大、品类多，APP内搜索展示的结果会直接影响下单转化率。使用智能搜索引擎后，商品呈现覆盖率从32%提升到94%，消费者搜索准确率从62%提升到95%，大大提升消费者的搜索体验和购买转化。

我们服务的一个婴儿奶粉品牌，90后妈妈的消费趋于互联网化，更加关注线上和社交渠道。客户希望识别高价值的消费人群，通过短信进行营销活动和内容的精准推送。通过对产品三天营销结果数据进行收集，在营销成本相同的情况下，通过AI算法筛选出的投放人群产生的总收入相比运营专家规则筛选出的投放人群转化提升72%。

在这些案例中，人工智能还是切实帮助企业创造了业务效益。

Q：第四范式也在借助AI技术做营销，请您用三个词语概括下“AI+营销”行业的现状？AI主要是从哪些方面提升营销效率？另外，AI算法机制在营销中目前存在哪些弊端或盲区？

周开拓：个性化、精准、高效。人工智能赋能营销有一个场景是精准营销，通过消费者数据的积累和分析，进行精准的消费者洞察，给消费者匹配推荐他更喜欢的内容或者商品，这样可以提升用户体验，也可以提升转化率。还有一个重要的场景是智能客服机器人，7*24小时的智能客服，通过语音语义智能识别、知识图谱、自然语言处理等技术可以精准地响应消费者和用户的一些标准问题，从而提高服务效率。时间、地点、用户、商品或者内容，当几个要素一起组合搭配时，什么样的组合转化率最高？当用户的数量在千万或者亿级别时，依靠AI来实现智能推送是很有效的方法。这个效果已经在很多零售客户中得到了验证。

有一些人会有这样的体验，刚买过这个东西后，又被推荐了同样的商品。类似的体验一方面有可能是推荐系统没有收集实时数据的影响，另外也有可能机器的算法认为你刚买的东西也许再次购买的概率还是比较大的。

Q：后疫情时代，您认为国内人工智能与国外成熟市场相比还有哪些差距？未来的发展趋势是什么，会有哪些挑战和机会？

周开拓：由于中国移动互联网的发展和成熟，以及中国人口基数大，我们在一些AI的应用中有数据积累的优势。在互联网领域，AI技术的应用还是比较前沿的。中国在某些领域也有全球比较领先的企业，比如第四范式在AutoML领域就处于比较领先的水平。不过底层的核心技术，比如像硬件类的芯片，我们可能还是有一些差距。

Q：现阶段，咱们第四范式有什么想要找的合作伙伴，共同推进企业级AI基础设施建设进展？咱们有什么合作需求么？

周开拓：如果你的企业有线上化、数字化、智能化转型的需求，欢迎一起探讨。第四范式已经服务了很多行业很多企业，有领先的技术优势。在AI+零售方面我们正在大力拓展市场，如果有零售方面的行业资源也可以一起合作。

互动问答

Q：最近感觉拼多多的机器推荐很准确，您公司的算法和拼多多有什么区别，在不涉及商业机密情况下，是不是可以分享一下？

周开拓：我可能不太清楚拼多多的算法具体是怎么实现的，但是从行业里的主流算法来说，基本上都是这么做：

首先，要确定目标，这个目标是关于推荐的内容，是希望用户更愿意点开呢，还是希望用户更愿意买呢，或者是希望用户停留多一点时间，每个公司每个业务目标都不一样。其次，是要通过一些数据把用户表达出来，第一是静态的数据，包括客观的属性：性别、年龄、注册来源、手机型号等，第二是行为序列也要表达出来，表达出来之后，就明确了用户，模型通过深度学习用户数据等功能方式，将用户数据转化为，从对人友好的格式变成对机器友好的格式。

接下来，就是要把商品或者要推荐的东西也表达出来，可以通过特征、字段、关键词、文本等，同样也转转变成对机器友好的特征。当有了目标、用户和特征以后，机器学习做的事情就是针对目标去学习，最后会打分，比如它会把点击率高的商品或停留时间比较久的视频等排在前面，这个其实就是机器推荐工作的原理。

当然，中间还有很多细节，在这里我们就不再展开了。

从这个角度来讲，大家的方法是大同小异的。但是区别是拼多多的场景和我们客户具体的场景是不一样的，举个例子，在零售餐饮App里放点击率最高的产品，从销量上来说，不一定获得最好的效果。因此，各种推荐算法和不同场景或客户的目标、数据尺度、面向用户群等紧密相关，但是基本原理都是类似的。

Q：关于用户流失的问题，您能否讲一下如何做提前预判，以及识别用户如何流失的规则是怎么配置的？

周开拓：具体的策略，我们可能无法分享。我可以讲讲大概的方法论：流失是一个客观发生的事情，比如，用户来了之后会发生两件事情，第一种是用户来了，点了餐或消费了开开心心的走；第二种是用户来了，什么也没买走了。前期根据用户在APP上的行为，比如在不同的地方停留关注的时间，我们把这些行为序列做为模型的输入去预测这个用户这次浏览是不是会流失。