近日，国际知名市场研究公司Forrester发布了《ForresterWaveTM：predictiveAnalyticsAndMachineLearningInChina,Q42020》(简称pAML)报告。凭借完整的产品能力、优先的战略布局、优异的市场表现，第四范式以较高的综合得分入选报告，处于前列位置。

ForresterWaveTM作为在中国乃至全球具有较大影响力和较高市场认可度的报告系列之一，每一到两年更新一次，旨在为IT决策者提供多维度的价值参考，全面反映代表性厂商的产品性能、用户体验等服务能力。

今年，Forrester从产品和技术能力、战略布局和市场表现三个维度，以及29个子类别的标准，对中国市场的预测分析和机器学习解决方案提供商进行了全面评估。经过筛选和严格评价，第四范式终于排在前列。

报告指出，中国数字经济蓬勃发展，AI已成为推动中国数字经济的关键组成部分。AI主要由机器学习(ML)模型组成，因此选择合适的pAML产品可以帮助企业快速、大规模地构建AI应用，提高其AI生产力。

Forrester还总结了pAML产品应该具备的三种能力：

不同的团队可以简化模型开发

随着企业业务的不断发展，AI应用场景将从几个扩展到几千个。因此，pAML产品应该有能力开发适合不同团队和角色的模型。PAML需要友好的视觉界面来开发AI模型；以代码为中心的数据科学团队需要一个完整的、集成的、独立的开发环境，能够覆盖整个模型开发生命周期；没有深厚ML知识的商业用户需要全功能的自动机器学习

构建ML模型只是起点。为了实现业务效益，公司需要将模型部署到生产应用程序中，并对其进行监督和管理。PAML需要有能力将模型从开发系统部署到生产系统，以业务友好的方式监督ML模型的性能，管理ML模型并确保跨部门合作，并使用新数据重新培训在线ML模型以防止性能下降。

分布式和混合架构可以加速训练和推理

在模型训练过程中，涉及大量的参数运算，增加了计算基础设施的负担。PAML应该帮助企业有效地将培训工作量分配给分布式架构，从而减少开发人员的等待时间。此外，模型推理将直接决定客户体验。为了满足推理要求和隐私要求，pAML应该提供一个混合架构，以促进模型跨云、数据中心和边缘的部署。(来源：《ForresterWaveTM：pAMLInChina,Q42020》)

由于与Forrester的评价标准高度一致，在企业级技术产品体系、应用落地效果等诸多方面优势明显，第四范式在报告中被列为企业数字化转型的理想选择：

第四范式实现了机器自动学习，降低了AI应用的门槛。第四范式是成立于2014年的人工智能独角兽企业，拥有丰富的大规模机器学习应用经验，致力于赋能人工智能全生命周期转型。该公司利用其人工智能专业知识和业务技能标准化了领域数据集，从而缩短了数据准备周期。第四范式利用超高维算法生成和处理数十亿个数据特征来提高模型性能，也可以通过持续的模型操作来保证优秀的模型性能。这些功能的简化区分了自动机器学习(AutoML)的第四范式，从而加速了金融和零售等主要垂直领域的企业转型。

第四范式ML受访客户表示，AutoML在某些场景下可以和数据科学家一样优秀，他们也对第四范式ML的项目管理和安全特性感到满意。除了软件，第四范式还可以提供集成专用FpGA芯片、实时数据库和软硬件优化的AI 算力产品。为了寻求进一步的发展，第四范式需要在标准化产品组合和定制解决方案之间找到平衡。对于渴望建立人工智能能力但缺乏专业人员的公司来说，第四种范式是一个理想的选择。(来源：《ForresterWaveTM：pAMLInChina,Q42020》)

第四范式成立6年来，打造了全流程AI平台、企业级AI操作系统、自动化AI生产力平台、AI 算力平台等全栈式AI产品体系，以解决AI应用门槛较高、落地价值受阻、算力投资激增等现实问题面对企业AI应用快速成长期的到来，第四范式将继续推动AI在更多领域的拓展，实现企业智能化转型的目标。