2019 年 6 月 20 日，第四正规化在北京释出了企业AI转型的“1+N”战略方法，以及企业级 AI 软硬一体整合系统 SageOne。
作为一家 AI 技术与服务提供商，第四正规化主要通过平台化的 AI 技术帮助传统企业进行转型。技术上，第四正规化长于 AutoML（Automated Machine Learning，自动机器学习）。这是机器学习最炙手可热的领域之一，目的是让机器学习模型无需人工干预即可被应用。
目前，第四正规化已在媒体、银行、保险、安防、政务、能源、智慧制造、零售、医疗、证券等领域积累超过 7617 个客户的 12648 个场景。
抓核心、兼次要的 AI 转型模式
“1+N”是第四正规化在帮助传统企业 AI 转型过程中，提炼出来的方法论。
第四正规化创始人、CEO戴文渊解释道，“1+N”中，“1”是指结合公司核心业务，应该把 1 个或几个对业务影响最大的场景做到极致。
“N”则是用高效率把尽可能多的应用场景进行规模化落地，使场景的总体价值最大化。
针对“1+N”模式的具体应用，第四正规化举了一个例子。某国际零售集团根据其发展目标，将其业务分为“开源”和“节流”两大类。
“开源”的目标主要和客户相关，包括提升客户留存率、单客户价值、平均客户留存时间等。手段上来说，可能有千人千面的推荐、coupon的营销等。AI在里面可以通过优化推荐、营销等环节，提升留存率、单客户价值等核心指标。
“节流”的目标主要是降低中后台运营的成本和提升运营效率。通过提升供应链等环节的效率，降低成本，提升企业的竞争力。
这其中，个性化服务、供应链是核心应用，是“1”。1个百分点的提升就足以改变企业的竞争格局。
而众多细分场景，如各种单据的OCR、各种场景的语音识别、智慧客服、流程机器人等，是“N”，规模化的落地可以提升企业的整体效率。
企业进行 AI 转型的挑战
“1”要做到极致，对 AI 系统的要求较高，不仅需要高维度（维度指的是规则数量），还要求实时和 AI 有自我学习能力。
通常，越高维度的AI，其效果上能做到越精细，但过去的专家模型，往往维度在几个到几千个不等。而传统意义上的高维模型，往往局限在万级别的维度以下。
随着服务线上化以及对体验要求的提高，AI 系统同时要求有高实时性。尤其面对高维，过去能做到实时的系统，往往做不到高维；能做到高维的系统，做不到实时。
高维度和实时性之外，“1”还要求 AI 系统有纠偏的能力。任何系统都不可能完美，都可能会犯错，但 AI 犯错不可怕，可怕的是 AI 持续犯同一个错误。
因此，持续利用业务应用过程中的反馈资料，进行系统自我更新与优化，是未来AI系统极其重要的核心能力。
“N”对 AI 系统的要求与“1”不同，前者追求的是规模化落地，不可能每个场景都做到极致。而在规模化落地过程中，标准化的方法论、大规模资料治理的能力、以及算力，都是不可或缺的条件。
针对“1+N”模式的各种问题，第四正规化构建了一个软硬一体化的 AI 系统 SageOne。
软硬一体、满足高维实时要求的 AI 系统
SageOne 基于“软件定义计算”理念，摒弃了传统算力堆砌硬件的方式，采用由软件定义的专用 AI 系统架构，能更好理解AI 演算法的运算架构与逻辑。
在 AI 应用之下，这个整合系统由 3 个层次支撑，分别是 AI 平台、AI 核心引擎和硬件基础设施。
AI 平台相当于操作系统，第四正规化把 AI 方法论和流程固化到了平台里面，无论是核心场景还是规模化的落地，都能让开发者通过统一的语言和方式来指挥机器。
支撑 AI 平台的是 AI 核心引擎和硬件基础设施，后两者的融合体现了“软硬一体”的设计理念。而 AI 核心引擎包括了 AI 训练引擎、AI推理引擎和AI特征储存引擎。
AI 训练引擎专为高维和实时性设计，以自研的高维机器学习分散式框架 GDBT 为基础，配置了第四正规化自主研发的硬件加速卡——4Paradigm ATX800，该加速卡采用20nm制程，算力达到 1.5TFLOPS。
效能上，SageOne 在高维特征计算过程 I/O 最大可达 10 倍加速，高维稀疏场景模型训练比GPU 提速 5 倍以上，自研 pRPC 通讯框架比百度 bRPC 和Google gRPC 提速 3 到 10 倍。
AI 推理引擎内建第四正规化自研的实时特征计算引擎和模型预估引擎，能以毫米级响应速度处理百万级的实时并发请求。
AI 特征储存引擎则是为了解决低延时线上 AI 资料治理的难题。在向 AI 转型过程中，企业中存在着多源异构资料对接、离线线上资料一致性管理、回流资料自动标准及许可权、审计等众多治理需求。
SageOne 利用低延迟资料访问界面、高资料吞吐传输通道和水平扩充套件动态扩容服务等能力，来提供解决方案。
SageOne 共有三大系列，SageOne Advanced 面向大型企业，SagoOne Standard 瞄准中小企业，SageOne WorkStation 则针对部门级的应用场景。
