在全球经济面临诸多不确定性和风险挑战的今天，推动数字经济发展正成为一个确定性答案。

今年的政府工作报告提出，要打造数字经济新优势。中国信通院发布的《中国数字经济发展白皮书(2020)》显示：中国数字经济增加值规模已由2005年的2.6万亿元，扩张到2019年的35.8万亿元，数字经济占GDP比重已提升到36.2%。

当前，如何推动数字经济、平台经济平稳健康发展，也成为行业和企业探索的重要课题。日前，第四范式总裁裴沵思在接受人民网财经专访时表示，人工智能正在各行各业加速落地，AI技术应用面临的机遇更大于挑战，企业智能化转型则将加速数字经济的变革与发展。

人工智能赋能实体经济大有可为

人工智能等前沿技术的创新突破，是把握数字经济发展机遇的重要前提。近年来，中国不断推动人工智能等新技术、新业态领域的战略布局，从“互联网+”到“人工智能”，一系列产业规划和配套政策陆续推出。

今年8月，工信部开展2020年网络安全技术应用试点示范工作。重点方向中，新型信息基础设施安全类包括5G网络安全、工业互联网安全、车联网安全、智慧城市安全、大数据安全、物联网安全、人工智能安全、区块链安全、商用密码应用、电信网络诈骗防范治理等。

裴沵思认为，人工智能发展到今天，已经让传统企业应用它的门槛快速降低。而当人工智能升格到国家战略，更迫切地需要研发人才、技术人才、产品人才的相应匹配，才能更好地助力实体企业提高效率、降低成本。

“以第四范式为代表的机器学习平台，人工智能本质上是人机决策之间的互动过程，现在人的决策越来越少，机器决策的则越来越多，企业效率也会相应提升。”裴沵思认为，通过AI 赋能各行各业发掘数据智能，是企业加快智能化转型并融入数字经济浪潮的必然选择。

当前，随着算力、算法上的突破，以深度学习、机器学习为代表的AI技术正在应用落地。近日，深圳金融科技创新监管试点工作组在广泛征集项目的基础上，对外公示深圳市首批4个创新应用。据介绍，首批创新应用涉及商业银行、征信机构、科技公司等，涵盖人工智能、区块链、大数据、可信执行环境(TEE)等多种先进信息技术，备受行业关注。

“事实上，除了金融行业，以制造业为代表的实体经济更需要人工智能的赋能。它们不同于零售企业可以低成本获取大量消费行为数据，5G基础设施的搭建还需要一段时间;数据基础设施的搭建其中很重要的目标，就是通过机器学习平台发掘数据智能，建立人机交互决策的新机制，在供应链优化、设备运维、软件定义产品等方面实现跨越式发展。而这也正是人工智能赋能实体经济大有可为的机遇和条件。”裴沵思认为，国家正在发力“新基建”，推动产业数字化，将有力地培育数字经济新动能。

中国企业的数字化转型正走向前沿

近年来，随着大数据、云计算、物联网、人工智能等现代信息技术的不断发展，中国企业的数字化转型正在加速推进。强劲的经济韧性和广阔的消费市场，则让中国企业的数字化转型有了更多应用场景和发展空间。

“在过去十年的时间里，中国的数字化转型速度在逐渐加快，由原来的从无到有，搭建起来一个草台搭班子，到开始学习西方的最佳实践，进入复制阶段。如今，通过复制后的自我消化，我们正在找到具有中国特色的打法和，和管理特色，以及整个技术发展的方式，这又是一个消化吸收的过程。”裴沵思表示。

疫情期间，第四范式联合南京大学 LAMDA 研究所和苏北人民医院组队，推出了智能疫情防控系统，这套解决方案不仅为有关部门提供防控支持，还帮助更多部门在疫情一线提升效率、辅助决策，协助企业做好微观防控。

裴沵思认为，要发挥数据的价值，需要搭建基于规范和标准的基础设施，用科技的手段不断优化商业模式，从而形成有助于社会发展和企业转型的最佳实践。

“作为职业经理人数字化转型的老兵，以前都是听到别人讲美国、德国的企业是如何进行数字化转型的。但现在不同，全球企业都在学习中国的数字化模式和技术，这正源于中国大量的有激情的企业家、前沿的公司、领先的技术元素，以及快速的迭代、复制、学习能力。可以说，中国企业数字化转型的过程激动人心。”在裴沵思看来，中国企业的数字化转型正走向世界前沿。

助力创新技术应用与基础设施建设

任何企业的转型变革，都离不开自身的积极求变与产业协同，更离不开技术加持和基础设施搭建。作为一家于 2014 年成立的人工智能技术与服务提供商，第四范式致力于搭建复杂的机器学习模型平台，并将之业务和产品化。

8月20日，第四范式推出了Sage AIOS。据介绍，Sage AIOS作为人工智能的标准化管理平台，封装了各类AI应用，包括给AI科学家和开发者使用的工具类应用，以及针对某个场景一键上线的业务类应用。与Sage AIOS同时发布的新品还有第四范式自动化AI生产力平台Sage HyperCycle ML、线上化智能运营系统天枢以及全新AI算力平台SageOne。

“多年来第四范式团队冲在AI落地的最前线，在摸爬滚打中，我们总结出数据治理难、科学家稀缺、业务价值不佳以及算力成本负担重，是企业AI转型中四个最常见的阻力。这些问题归根结底是因为缺少基于规范和标准的基础设施，所以，今天我们设计和构建了更标准化的AI产品。”裴沵思介绍说。

让AI更好地落地，将技术推向应用，需要革新数据形式，将各种数据形式进行集中化中台管理，以消弭AI落地鸿沟。而机器学习平台从底层能力走向业务端的突破，也验证了AI通用平台产品的可行性。

裴沵思认为，要理解数据能产生哪些价值，首先要理解数据背后的逻辑，而此次发布的AI新品，能够完整构建从AI算力、AIOS、自动化AI生产到线上化智能运营的全流程企业AI产品体系，解决数据治理难、人才门槛高、业务价值难和算力成本贵等AI应用难题，加速推动AI在各行各业的全面落地生花，助力以人工智能为代表的创新技术应用与基础设施建设。