智能科技

当前位置:金沙棋牌 > 智能科技 > 第四范式联合浪潮发布AI一体机,关键看落地

第四范式联合浪潮发布AI一体机,关键看落地

来源:http://www.logblo.com 作者:金沙棋牌 时间:2019-11-05 06:46

原标题:第四范式联合浪潮发布AI一体机“Prophet AIO”

原标题:第四范式联合浪潮推出AI一体机 打造“AI民主化”基础硬件设施

根据《IT桔子》近期发布的报告显示,2017年对于中国人工智能行业的“总投资额”达582亿人民币,相较前几年实现了较大幅度增长。投资界对人工智能的火热追捧,不禁让一些人联想到2000年前后的互联网行业,过度投资导致了“泡沫”产生。人工智能到底有没有泡沫?“人工智能时代”是否真正到来?成为了当今很多企业家关注和忧虑的问题。

金沙棋牌 1

【环球网智能9月10日报道】今天下午,第四范式携手浪潮商用机器在京联合发布了AI软硬件一体机产品“ProphetAIO”。“AIO”寓意为打造“AIin One”的AI产业应用全闭环,产品设计基于第四范式先知(Prophet)企业AI核心系统与浪潮OpenPOWER硬件架构的融合集成。同时,双方正式宣布成立AI一体机联合实验室,持续赋能行业用户强大的AI业务支撑与开发能力,加速AI行业落地进程。

PingWest品玩9月10日讯,第四范式携手浪潮商用机器在京联合发布AI软硬件一体机产品“Prophet AIO”。“Prophet AIO”产品设计基于第四范式先知(Prophet)企业AI核心系统与浪潮OpenPOWER硬件架构的融合集成,而Prophet AI核心系统是第四范式研发的企业级AI通用平台,内置数据算法、业务生产、AI应用开发套件等核心模块,集成机器学习、AutoML和AutoCV等算法,可为企业提供AI应用构建、运行生产和管理的全流程能力。同时,在当日双方正式宣布成立AI一体机联合实验室,加速AI行业落地进程。

2018年2月27日,备受瞩目的“亚布力中国企业家论坛第十八届年会”在黑龙江亚布力召开,年会上针对企业家所关注的热点问题,柳传志、王石、郭广昌等企业家代表展开了广泛讨论。在闭幕式上,第四范式创始人、CEO戴文渊代表人工智能行业的企业家,发表了针对企业如何在“泡沫论”威胁下、挤进人工智能快车道的演讲。

掘金热时,挖金人无数,卖水的赚了钱。在AI热潮中,戴文渊想让第四范式做那个卖水人。

金沙棋牌 2

据新闻稿。不同于人脸识别等垂直领域的AI软硬件结合探索,Prophet AIO是首个针对超大规模数据挖掘与机器学习计算问题所推出的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。

金沙棋牌 3

金沙棋牌,01

第四范式同浪潮商用机器战略签约仪式

Prophet AIO致力于解决BRAIN门槛问题,以自主研发的大数据系统破除数据门槛、建立起行为数据和反馈数据的标准化收集体系;以AutoML(自动机器学习)技术破解算法门槛、使不具备AI基础和计算机技能的业务人员,可以通过先知图形化界面完成AI应用;以浪潮商用机器的硬件能力补齐在计算资源层的最后一块拼图,免去AI底层基础的配置、调试步骤。第四范式创始人戴文渊在现场表示:“Prophet AIO实现了AI商业落地五大要素完整覆盖,赋予企业开箱即用的AI能力,未来企业接入AI像使用手机一样简单,只需插电、连接网络、启动等简单几步即可。”

对于大家所关注的人工智能是否会出现泡沫破灭,戴文渊提出,避免人工智能产业出现泡沫,甚至破裂,关键是要做好产业落地工作。回顾刚刚过去的2017,人工智能收获了政策的红利、资本的青睐。然而,纵观整个产业,畅想未来的多,关注眼前的少;钻研前沿算法的多,关注产业落地的少。企业忙于构建各种“大脑”,却忽视了“学习”和“训练”环境的构建,而未经充分学习的大脑,无法产生好的人工智能。2018年,整个人工智能行业将面临“期中考试”,业界对人工智能的要求不再是“仰望星空”,而是要规模化落地,为社会创造价值。能成功突破工业红线的人工智能将产生巨大价值,扩散到经济领域的各个角落。而狭义的单凭AI算法或技术、没有商业化落地的企业,将无法适应于接下来的行业态势,可能会在今年看到泡沫的破灭。

想做AI界的甲骨文

第四范式是国际领先的AI技术赋能者,旗舰产品“第四范式先知”的能力覆盖AI应用开发、运行、管理等全生命周期;浪潮商用机器提供基于开放POWER技术的OpenPOWER服务器,致力于为用户打造更加完整、高效的整体解决方案,提供专业、敏捷的软件和技术服务。

第四范式提到,从AI应用立项到落地上线应用,企业需要一步步跨越认知、数据、技术、人才、规模、部署、工具等多重门槛,而跨越门槛的效率自然成为影响企业AI应用TCO最关键因素。Prophet AIO能够帮助企业更简单快捷地完成AI应用落地的全部过程,在项目资源规划、采购、系统优化、部署和运维等关键环节进行全面效率优化。返回搜狐,查看更多

算法不能创造社会价值,AI需落地来抵御“泡沫忧虑”

第四范式,戴文渊所有的野心就嵌在这个名字里。

此次强强联合,结合第四范式领先的AI系统以及浪潮商用机器在计算架构和硬件领域的强大创新能力,为客户提供更有价值的智能计算产品。据产品线负责人透露,部署“ProphetAIO”的实际应用效果表明,在相同成本前提下,计算性能提升10倍以上,交付周期从以半年为单位缩短到周级别。

责任编辑:

当前,产业界对AI的需要到达了爆发的临界点——放眼国内企业所处的环境,人口红利消失,增长开始回归效率与运营,企业需要做得更精细、贴合用户真实需求,才能把客户吸引过来。人工智能技术可以从数据中快速发掘更多、更细的业务规则(这些规则单依靠业务专家需要上百年),从而大幅提升企业中后台运营效率,并从前端业务上洞察客户偏好,精细化地做出判断,帮助企业在市场中占据有利位置。

范式是科学用语,人类科学研究的发展经历了四个范式,第四种范式是数据科学,即让计算机总结规律的数据密集型科学。第四范式的名称就来源于此。

开箱即用的一体化设计 接入AI像使用手机一样简单

在这样的形势下,AI被寄予了成为下一代产业革命驱动力的厚望。近年来,“算法”也成为企业最为重视的课题,顶尖科学家随之抬为天价,更不乏有企业贴上算法突破的标签就出去讲故事、炒估值。戴文渊认为,算法只是AI应用中用于“思考”的工具,相当于人的大脑,但一个大脑即使再聪明,没有得到良好的学习和训练环境,没有付诸于行动,也没办法完成创造价值的过程。

范式也是计算机专业术语,数据库通过三大范式来优化数据存储方式。在数据库企业解决方案领域,市值1900多亿美元的甲骨文,是一座难以攀越的高山。

据Gartner 企业AI案例研究报告预测,超过60%的中国大型企业在2022年前将开发自己的AI解决方案。针对于此,第四范式创始人兼首席执行官戴文渊表示,尽管每个企业都希望构建自身AI核心能力,但门槛相当之高,包括配置服务器、数据处理、模型调参、模型训练等。他总结为AI落地的需五大必要条件“BRAIN“:即大数据(Big-data)、反馈数据(Response)、算法(Algorithm)、计算资源(Infrastructure)及明确的业务需求(Needs)。成功利用AI创造价值的公司,都具备了以上五个核心因素。

仅凭算法不能产生智能,戴文渊总结了产生人工智能的完整路径——由于机器是基于过去的知识与经验,经过无数次的思考与进步,最终输出一个最优策略,因此,需要构建用以机器“学习—思考—行为”的外部环境,总结为“BRAIN”:在机器的“学习”过程中,需要为它创造学习环境,业内称之为过程数据(Big-data)、反馈数据(Response);其次,机器的“思考”过程需要匹配合适的算法(Algorithm)、以及能够满足数据量的计算资源(Infrastructure);最后,要将AI的决策应用到具体的生产环境中(Needs),在最终的“行为”空间里去创造价值。

第四范式创始人兼CEO戴文渊希望做人工智能时代的甲骨文,为企业及合作伙伴服务产业的公司提供既好用又有壁垒的技术服务。

金沙棋牌 4

戴文渊也表示,当前行业内全链路的建设还非常不完善,有碍AI价值的最大化。这也是为什么第四范式专注于为企业建设AI核心系统,打通企业产生AI能力的最重要的原因。只有把AI全链路的基础夯实,将“良好的学习环境”、“优秀的大脑”和“广泛的落地实践”相结合,企业的数据资源和算法能力、才能真正转化为商业环境中决胜的产业革命动能。

“大部分人想做服务器,因为壁垒不高,好用归好用,我可以再做一个和你竞争。但是,好用的甲骨文数据库没有人想着再做一个。”戴文渊对新经济100人说。

第四范式创始人、首席执行官戴文渊发表演讲

门槛降低加速落地,人工智能平台成“诺亚方舟”

金沙棋牌 5

ProphetAIO致力于解决BRAIN门槛问题,以自主研发的大数据系统破除数据门槛、建立起行为数据和反馈数据的标准化收集体系;以AutoML(自动机器学习)技术破解算法门槛、使不具备AI基础和计算机技能的业务人员,可以通过先知图形化界面完成AI应用;以浪潮商用机器的硬件能力补齐在计算资源层的最后一块拼图,免去AI底层基础的配置、调试步骤。

从数据、人才到场景应用,AI天然的跨越工业化的红线门槛过高,导致了目前只有少部分能够合纵连横的大企业受益于此。更多的企业想参与进来,往往是选用AI公司提供的特定场景的技术、来解决单一的业务问题,这不仅局限了各行业对于AI应用场景的想象空间,也使企业自身并不具备AI能力,在AI推动的技术革命中处于被动局面。

第四范式创始人兼CEO戴文渊。

第四范式创始人戴文渊在现场表示,“ProphetAIO实现了AI商业落地五大要素完整覆盖,赋予企业开箱即用的AI能力,未来企业接入AI像使用手机一样简单,只需插电、连接网络、启动等简单几步即可。”

为此,戴文渊带领的第四范式坚持做以赋能各行业为导向的AI公司,在过去的三年,当业界都在追捧效果更好的算法时,第四范式却扎扎实实地研发低门槛的领先算法,去找到技术要进入人类生活必须达到的最优解。发展至今,第四范式已经将AI落地的条件“BRAIN”,

他意识到,企业服务不仅要产品好用、有价值,还得有技术壁垒。“甲骨文作为传统的企业服务公司,仍然有这样的收入、这样的估值。我认为AI的天花板不会比这个低。”按照他的设想,像甲骨文有个数据库体系一样,第四范式未来将有个AI体系。

领先的软硬架构融合,相同成本实现10倍性能提升

封装到了其核心产品“第四范式先知”企业AI核心系统中。“第四范式先知”企业AI核心系统集合了数据核心、算法核心和生产核心三大模块,囊括了AI“学习—思考—行为”过程的基础要素,并以容易使用的AI系统的形式,让所有普通人成为AI的建立者与使用者,在自己的行业快速、低成本、大规模地落地AI。日前,MIT颁布的“全球十大突破技术”榜单中,第四范式凭借低门槛的AI平台技术,与谷歌、微软等并肩入榜。人工智能行业已经打响了技术落地行业的最关键的战役,厮杀也从实验室转战到金融、医疗、教育、制作业等各个工业领域,几十年前,前两轮的人工智能都退潮于此。当下AI又到达了这跨越产业应用鸿沟之际,对于人工智能从业者来说,不要一味地追逐算法与炫技,一切阻碍AI落地的困难才是要征服的目标。对于企业家而言,要更加警惕没有场景落地和平台支持的AI“空中楼阁”。

这个体系不是“烟囱式”的创新,按垂直行业划分,从头做到尾,提供端到端的解决方案。而是不同要素像积木一样叠加,成为通用的平台。

不同于人脸识别等垂直领域的AI软硬件结合探索,ProphetAIO是首个针对超大规模数据挖掘与机器学习计算问题所推出的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,并带来明显效果提升——在同等成本的情况下,ProphetAIO整体性能较普通服务器提升10倍以上。

02

金沙棋牌 6

“先知”的进化

浪潮集团副总裁、浪潮商用机器有限公司总经理胡雷钧发表演讲

第四范式所有产品线围绕一个名为「第四范式先知」的平台。

性能的提升一方面得益于先知平台的极致性能,作为高维度的机器学习平台,先知平台最大可支持万亿维特征处理,单节点可以支持上亿条数据存储、上万级实时在线请求的能力;另一方面则是归功于浪潮商用机器的硬件基础设施创新、系统优化与并行框架完善。

“先知”的设计,来源于学习圈理论。学习圈是大卫·库伯总结了前人经验之后提出的经验学习模型,包括具体经验、反思性观察、抽象概念化、主动实践四个环节,体现了学习的完整流程。

浪潮集团副总裁、浪潮商用机器有限公司总经理胡雷钧对此表示,“此次合作也是硬件领域的一次突破性尝试。针对于‘先知平台’这样能够支持万亿级高维数据的AI系统,POWER9拥有7TB/s处理器片内交换速度,230 GB/s 内存带宽,25Gb/s NvLink和Open CAPI接口以及业界首批支持PCI-E 4.0接口 ,这几项技术的结合使其能够加速数据传送,在计算速度方面超过基于PCI-E 3.0的X86系统10倍,同时也能明显提升Chainer,Tensorflow及Caffe等开源人工智能框架的性能,并加速Kinetica等数据库,为超大规模的人工智能应用提供了计算条件。如此一来,数据科学家可以能够以更快的速度构建包括科研范畴的深度学习洞察,实时欺诈检测和信用风险分析等范围的应用”

金沙棋牌 7

未来企业的竞争将会是数据规模的竞争、计算能力的竞争,AI软硬件一体机产品“ProphetAIO”,借助AI应用全流程覆盖能力与软硬一体化设计的技术优势,有望推动AI技术进入大规模落地、释放出巨大价值的红利收割期。返回搜狐,查看更多

学习圈理论。

责任编辑:

以“先知”平台上的反欺诈为例,如何训练机器自动识别一笔交易是正常交易,而不是盗刷信用卡呢?

首先输入很多历史交易数据,这些交易行为会有反馈,盗刷会有电话投诉,没有被投诉的交易可以判断是正常的。这些反馈交给机器学习做反思,反思不是剖开机器大脑做神经元连接,而是运用AutoML技术,把行为数据和反馈数据导入机器,反思出一个模型,自动产生理论总结,知道什么情况是正常交易,什么情况是欺诈。最后,把这个模型做成线上系统。新的交易数据过来,机器就会判断它是否是欺诈。

这就是完整的学习圈过程,其中,反欺诈可以替换成医疗、金融、政府、能源等各行业的应用。

类似纺织业从手工缝制变成了工厂流水线生产,AI的落地演进也会走上社会化分工再提炼的必由之路。

第四范式联合创始人兼产品负责人胡时伟打了个比方,现在一些公司给客户提供AI解决方案,相当于裁缝上门给客户量衣服。在某个行业落地相当于预先做好一些版型,批量生产。

而第四范式想做的,是打造制衣厂生产线,多个版型的衣服都能在这条生产线上生产。

要实现这个目标,第四范式花费了三年时间来摸索路径,让「先知」升级换代。

机器学习的核心是模型具备判断能力,建模技术门槛比较高,一般都由AI专家来做,“先知”1.0就是取代AI专家的建模工具。

在企业落地的时候,第四范式发现只是建模还不够,数据的来源、生成的模型如何上线都需要解决。于是,“先知”2.0向前向后各增加一环节,前接数据进来,后可生成服务。

从“先知”1.0到2.0,从建模工具到全流程开发平台,由于没有对功能抽象提炼,导致后来出现问题:作为一个工具,每个部分都要单独做,项目太多了。

AI在一家企业里的应用,应该是一片森林,而不只是一棵树。那么如何批量植树造林?

到了“先知”3.0,第四范式提出核心系统的概念,把数据和应用之间的关系都连接在这个核心系统上,从获客到营销,从风控到留存,从安全到员工体验,到上下游的供应链等各个环节,全部都用一套系统。

“1.0相当于我们造了一个发动机,结果发现发动机开不了,自己还得手动组装车,2.0相当于我们弄了一个生产车的手工作坊,一辆一辆地造车,3.0相当于弄了一套生产线,可以生产各种不同型号的车,是一个再扩展的过程。”胡时伟对新经济100人说。

“先知”3.0另一个重要改变是,把开发和运行区隔开了。AI企业做企业服务业务,通常派人去客户现场做,大家对于AI外包的业务形态有过不少激烈的争执。

“软件知识产权的开发和运行没有分开,缺少一套方法论和语言去定义,什么叫AI应用。比如手机上的App,下载就可以使用。但是AI现在还做不到下载一个营销应用就可以直接使用。先知3.0就是要定义一种可下载使用的AI应用,实现行业内的复制。”胡时伟说。

同时,第四范式提供开发工具,让合作伙伴在各自行业内开发应用。应用开发出来后,通过相关载体,企业拿去安装即可,不需要派人到每家企业部署实施。

这种方式成为第四范式商业化的重点。

没有甲骨文之前,企业想用数据库,就需要自己开发。甲骨文首先推出了商用SQL,后来,大家都做SQL语句,语句最后形成了应用。第四范式认为AI应用的发展,也将类似。

那么,一个AI应用应该是怎样的?

“我们利用学习圈理论,通过数据的采集、标注、机器学习和模型上线四个部分,定义一个AI应用。最早企业做信息化都是外包,没有SAP,没有eHR,这些软件后来才出现。各行各业定义出AI应用后,推而广之,就可以解决现在做AI就是外包的问题。”胡时伟说。

做toB业务,难免会遇到客户提出各种需求。在AI应用早期,客户的理解经常会有偏差,有时候客户提出来的需求需要转化。

第四范式团队经常遇到这种情况:客户说要A,第四范式说你要的是B。客户马上说,对对对,我要的是B。

举例来说,客户对第四范式提过一个需求,能不能把公司数仓数据导入进来,用数仓数据来建模。实际上,数仓数据是为BI设计的,用BI里的数据做AI,基本都惨不忍睹。因为BI是报表数据,是给人看的,AI的数据是给机器看的。

于是,第四范式给客户分析投入产出比,用数仓数据不如直接从生产系统上重新采集数据。从生产线拿过来的原始数据,不需要预处理,最适合机器学习。BI的数据经过复杂的聚合,信息量丢失了,机器反而训练不好。

对企业来说,解决方案的方法论和交互越简单越好。第四范式的工程和算法团队很大一部分精力,是为了减少客户的操作步骤,为了让模型更普适,让应用更广泛。

当前,第四范式产品按照学习圈理论,构建数据、算法和生产三大核心,给企业客户提供包括行为数据、反馈数据、模型训练和模型应用在内的全流程应用。客户点击进去进行简单操作,就可以得到想要的应用服务。

AI能够发挥作用的关键是数据。企业接入“先知”平台之前,如果没有数据积累,往往有一个收集数据的过程。

“我们认为一千万条以上的数据很大概率能达到比人好的效果,一千万条数据意味着机器可以写一千万条规则。人最多可能写几十到几百条,如果机器写的规则数比人写的规则数多几个量级时,就能达到一个比较好的效果。”第四范式首席研究科学家陈雨强说。

按照戴文渊的设想,“先知”平台的发展,将从数据输入变为业务输入。只需要把企业的业务目标告诉机器,机器就可以从企业数据仓库中创造出业务价值。

其产品设计的逻辑在于,内部越做越复杂,对外越来越简单。

03

从竞争走向合作

2015年初,第四范式公司刚成立,戴文渊就想着做银行。周围的人觉得他异想天开,银行不可能和一家刚成立的小公司合作。

戴文渊直接与招商银行营销部的一位负责人沟通,介绍互联网公司的营销方式,他在百度时是如何做营销的。当时,百度采用了机器学习的方式,带来效益8倍的提升。

戴文渊问对方,招行模型如何制定,得到的回答是有专家在写营销规则,两百多条。

戴文渊说,你知道百度有多少条吗?一千亿条。通过机器,我现在能给你做到一千万条。

银行需要在持卡群体里找到有分期需求的客户,通过打电话、发短信或者微信推送的方式进行营销。银行的营销渠道资源容量有限,只能从数千万持卡人中挑出一小部分意愿比较强、有较大分期需求的客户,做出投入产出比更高的选择。

机器学习可以从几千万人里精准找到这类客户,优先拨打他们的电话。同样打十万个电话,有多少客户响应了电话营销,这个响应率或者营销成功率是最终判断机器学习模型是否有效的核心业务指标之一。

后来,第四范式为招行信用卡中心做了五千万条营销规则,上线以后收入提升60%。

有了招商银行作为标杆案例,第四范式陆续拿下了国内几家大型信用卡中心,为它们提供精准营销服务。

之后,第四范式不断扩张业务,从精准营销扩散到反欺诈、定价等银行业务的各个环节,再从银行扩展到能源、政府、医疗、零售等各个行业,如今客户近2000家。

企业服务依赖公司交付团队的规模,第四范式试图通过合作伙伴模式打破限制。

“交付团队的规模决定我们业务成长的速度,我们需要一个生态圈帮助我们更快速、更大范围地落地。靠自身能力扩张市场,边界总是有的,合作伙伴帮我们弥补了自身能力覆盖不到的边界外部分。”第四范式咨询合伙人柴亦飞说。

选择合作伙伴这种模式,也是为了在各行业快速落地的变通。

对创业公司来说,风卷残云般“洗劫”某个行业,并不现实。原有供应商在行业内盘根错节,拥有自己的一方地盘,对于横插一杠子的新竞争者,他们会制造各种各样的障碍。

所以,第四范式从竞争转向合作。“做商业共赢,让所有公司都觉得跟你合作有饭吃。要帮到别人,不要说比别人强。就算我真的没办法帮到你,那我跟你也是两个不同的东西,咱俩没竞争关系。”戴文渊如此划分阵营。

现在第四范式的不少合作伙伴都曾经与其有过竞争。例如,现在有一合作伙伴,曾跟他们竞争过广发银行的标。广发银行的需求是反欺诈加平台,合作伙伴做的是反欺诈,第四范式是平台,最终第四范式中了标。

后来第四范式拉上对方,形成联合体,在第四范式平台上开发反欺诈应用,共同完成之后的大单。

这好比掘金热时候,挖金子的人无数,卖水的商人大赚了一笔。戴文渊想让第四范式做掘金人背后的卖水人。

但是在卖水之前,第四范式也掘金,以此来告诉其他人,掘金是赚钱的。在通过合作伙伴渗透行业之前,第四范式自己也会做行业标杆案例,推动平台在行业落地。

对手依然存在,戴文渊也有自己的竞争思路,那就是拿下行业所有标杆。

“我们在拿下第一个标杆招行以后,第一件事情不是去扩大收入,而是看行业内还有什么其他的标杆,比如工商银行、建设银行、中国银行、民生银行、中信银行等。”戴文渊说。

戴文渊带着黑色框镜,穿着黑色衬衫,透着一股理工科生的气质。他曾是百度最年轻的高级科学家。和新经济100人交流当天,因为嗓子不舒适连喝了三四瓶水。他努力说话,声音不大,有些沙哑。

2005年,还在上海交通大学读书的戴文渊,和两位搭档一起夺取了ACM大学生程序设计竞赛世界冠军。这项赛事由美国计算机协会主办,经过四十多年发展,已经成为全球最具影响力的大学生程序设计竞赛。

捧回冠军的戴文渊来不及高兴,他发现,热门的计算机图像学已经被同学选完,人工智能是剩下的为数不多方向之一。他因此结缘香港科技大学计算机系主任杨强——华人界首位AAAI Fellow、唯一执委,IJCAI理事会主席。2015年,戴文渊创业,杨强担任第四范式首席科学家。

在大三参加ACM比赛之前,戴文渊成绩一直不太稳定,每每到了关键比赛就发挥不出应有水平。

后来他调整自己的心态,控制自己的情绪,不去想那些对结果没有帮助的事情,让自己达到最佳状态。

“你经历过最残酷的竞争,你越是想得到,你越得不到。最高水平的竞争,大家差距是非常微小的,胜负只在一念之间。”

他发现,比赛最重要的事情不是把自己发挥到极致,而是把团队发挥到极致。以前他们团队三个人比赛,每个人都把自己那部分做到最好,戴文渊尝试自己做得弱一点为代价,让队友做得更好。结果,团队强大了很多,也如愿收获了世界冠军。

由此,戴文渊学会了变通。如果方向清晰,那就一直往那个方向走,用什么方法都行,不是非要用某个方法才行。

一如第四范式的商业逻辑,无论是自己做,还是经由合作伙伴,只要能够进入到企业客户,哪一条路都行。

世界级竞赛残酷,创业更是。

本文由金沙棋牌发布于智能科技,转载请注明出处:第四范式联合浪潮发布AI一体机,关键看落地

关键词: