人工智能正在成为我们大脑100万亿神经连接的延伸。

在零售行业，优衣库的母公司日本迅销集团在2018年正式开始通过AI分析天气和流行趋势等大量数据，预测所需的商品数量。

在制造业，通用电气公司已经采用人工智能和机器学习，从给客户提供服务开始（如对喷气发动机和涡轮机进行维护），到内部制造，设计和内部流程（如数据中心运营和人力资源）。

……

Gartner预测，到2021年70%的企业将通过AI提高工作效率，管理者正在考虑如何加速部署AI在企业整体运营和每一项核心业务中。

一些规模企业已经提出“AI为先”的口号。AIG 首席科学家、 全球高级副总裁 Reza Khorshidi在一次公开演讲中表示“保险公司、移动应用App和神经网络的简单结合，并不是AI为先。AI可以帮助快速决策，比如大大小小决定的不是都让 CEO来拍板，而是更多地让产品经理和工程师决策。”这就需要从内部进行公司架构和投资策略以及绩效评价的调整，从公司决策的层面拥抱人工智能——

“把人工智能当作伟大变革的来源，通过人工智能对保险公司进行重新界定，这是人工智能为先，AI 为先。让 AI 重新设计所有业务流程，所有业务接触点以及总体业务模式，让客户、员工、合作伙伴都能够由 AI 进行重塑。这在未来几十年当中将大刀阔斧地实现保险行业的转型。 ”

Reza Khorshidi先生还分析了保险价值链的六大环节，指出对于大保险公司来说，最大的领域是保险资产管理，往往有几千亿美元的资产，而且已经有了数据和良好的文化，任何提高利用率的举措都会带来不同，这样用上 AI 带来变化就会更快。

其实，AIG公司的高管道出了企业AI变革的一个真谛，也就是国内独角兽AI公司第四范式近期提出的“1+N”理论：

1代表少数几个核心场景，每一个百分点的效果提升，对企业都至关重要。例如 Reza提到的保险资管场景，追求的是极致的业务效果，把数据的价值发挥到最大，这对AI系统的性能有很高的要求，必须能实时处理海量数据。

N代表众多分散的场景，规模化落地能力成为企业智能化转型的关键。例如让 AI 重新设计所有业务流程，所有业务接触点以及总体业务模式。这需要企业有自主构建AI的能力，并解决AI落地过程中的数据和算力瓶颈。

显然，在一个AI 定义的公司中，或者希望通过AI实现生产力变革的公司中，靠一个个碎片化的解决方案已经不能满足1+N的需求。

当前企业利用AI解决业务问题有急功近利的现象，希望从行业细分领域的最佳实践者中找到一次性的解决方案。但一般来说，针对垂直细分领域的行业解决方案，灵活性和可扩展性都比较差，例如提供智能营销服务的只能做智能营销，甚至还只是营销里的某一部分，当企业产生新的需求，比如需要输入跨业务线的数据，原有解决方案的灵活性和可扩展性就遇到了障碍，只能通过一个个项目的叠加来实现，造成资源的极大浪费。

从科技公司的角度看，为了解决不同的业务问题，往往所提供的产品和解决方案也呈现碎片化，不管是边缘计算还是云计算，实际上都是在解决点状的问题，但由于碎片化太严重，在各个节点上部署智能化和数据流转等AI应用是一个很痛苦的过程。

此外，大多数聚焦在特定细分领域的解决方案不支持企业做自己的数据分析模型或提供数据分析流程。例如，一家柴油机企业想把柴油机传感器上传回的工况数据跟维修记录做对比，判断哪些柴油机在什么样的工况下会发生问题，这种场景并没有开箱即用的产品能支持，如果自己“搭平台招大师”，上一套大数据系统再找一群机器学家科学家建模，耗时耗力耗钱。

企业希望应用AI创造出价值，并不是简单地部署某个AI应用，而是需要一套具有全栈构建能力的AI平台，可以快速高效地自主生产AI，像搭乐高积木一样，按照自己的需求搭出各种各样的模型。

但是目前专注于企业级AI通用平台的公司屈指可数，即使在世界范围内都是凤毛麟角。因为门槛极高，必须同时具备世界领先的技术、丰富的工程经验，和业务结合的落地经验，才能打造出顶级的产品和服务。

第四范式是国内最早的打造企业级AI通用平台的团队，领军人物曾为全球最大的中文搜索引擎百度打造推广系统，收入4年时间提升8倍；搭建了今日头条的推荐系统……从成立以来，团队致力于用人工智能的平台推动AI的落地能真正产生价值，让各行各业的企业都能享受到百度、头条所正在享受的AI红利。

第四范式在极具竞争性的金融行业打造标杆，几乎把银行业所有头部企业纳入囊中，成为五大行联合投资的唯一创企；除了金融业，第四范式将平台能力输入到各行各业，赋能中石油、中石化、国家电网、百胜等各行业客户；目前已经助力7000多个上万个场景。

第四范式做的是用人工智能的共通性原理推动其在不同行业取得成果，即利用机器在海量数据中寻找数亿条规则，从而提升企业决策经营的准确性。