上周，知名市场分析公司Forrester发布中国预测分析和机器学习研究报告《Now Tech: Predictive Analytics And Machine Learning In China, Q3 2020》（简称：PAML），第四范式凭借领先的产品功能以及卓越的商业化能力入选“大型厂商”类型，位列PAML领域领先位置。在过去两年，第四范式机器学习平台已先后得到IDC、Gartner和Forrester全球三大ICT领域权威研究机构的高度认可，充分印证了其在AI平台市场的领先地位。

01

什么是 Forrester Now Tech ? 

如果您是一个饕客，对于米其林就不会陌生。《米其林指南》被奉为“美食界的圣经”，是最负盛名的美食指南。而Forrester Now Tech堪称机器学习平台领域的“米其林指南”，为企业IT决策者提供机器学习平台供应商的权威评价，提供基于市场规模、产品功能维度的平台供应商评鉴指南，帮助IT决策者了解平台的价值并挑选优秀的平台供应商。

Forrester依据产品营收将厂商划分为大型、中型、小型三大类，大型厂商（年营收2亿元以上）、中型厂商（营收5000万元以上，2亿元以下）、小型厂商（营收5000万元以下）。第四范式、阿里云、百度、华为、腾讯云等企业入选大型厂商之列，成为中国PAML市场的佼佼者；IBM、SAS等11家企业划分为中型厂商；AWS等15家企业为小型厂商。

Forrester Now Tech™ 报告推荐厂商（部分）

02

Forrester将自动化视作关键趋势

Forrester认为AutoML（自动机器学习）将带来AI的规模化应用，报告中指出：“掌握数据科学技能的人仍然很少。许多PAML解决方案通过自动化来降低技术复杂性，使用低代码或无代码工具来开发足够好的机器学习模型。这对于在有限的数据科学资源下实现更多的应用是至关重要的。”

Forrester发现越来越多企业希望塑造自己的AI能力，然而，大多数公司缺乏数据科学和模型工程人才，无法在Notebook环境下进行编程。因此，对于需加快数字化转型的中国公司而言，掌握整个AI模型生命周期内的自动化能力——比如数据准备、超参数优化和模型部署——正变得越来越重要。AutoML可以帮助企业加快从数据到训练模型再到操作AI应用程序的过程，消除AI和数据科学资源有限、模型开发耗时长的限制，满足快速增长的AI应用需求。

第四范式此次作为唯一“AutoML专注类”厂商入选大型厂商行列。Forrester认可第四范式在AutoML领域的探索和实践，在数据准备、特征工程、 算法选择、模型训练和模型评估等环节实现全自动化应用，减少数据科学家们的重复性工作，帮助企业解决AI应用门槛高、开发效率低等问题。

Forrester对AutoML价值的认可，也进一步印证了第四范式在赋能企业AI落地方式上的正确选择。第四范式一直致力于通过AutoML帮助企业快速、规模化落地AI，在过去5年多时间已经覆盖到众多行业和场景。面对企业AI应用高速增长期的到来，我们将继续推进AutoML在更多领域的拓展落地，实现企业智能化转型目标。

Forrester认为PAML能带来哪些价值？

PAML helps firms boost AI productivity by:

- Scaling AI use cases with automated machine learning. Data science skills are still rare. Many PAML solutions conceal technical complexity with automation, using low- or no-code tools to develop good-enough ML models. This is critical to enabling more applications with limited data science resources.

- Freeing data scientists from tedious tasks. Developing ML models is not only about doing a wide range of data science work. There are also many time-consuming tasks, such as environment provisioning, data preparation, feature engineering, model evaluation, and team collaboration. PAML solutions offer optimized tools and GUIs to improve AI productivity.

- Operationalizing AI with ModelOps. Once deployed, model performance normally decreases over time — so the development and deployment of ML models is not a one-off effort. PAML solutions help firms streamline model lifecycle operations including deployment, monitoring, and governance, making model development efficient, effective and secure.