（三）不追求“因果关系”，先抓“相关关系”

前三个范式都特别在意“为什么”，也就是因果关系，比如“因为万有引力，所以苹果落地”；但第四范式更在意“是什么”，也就是相关关系——只要从数据里发现“两个事物同时出现的概率很高”，就算暂时不知道为什么，也能用来做预测。

比如电商平台通过数据发现“买尿不湿的顾客，有30%会同时买啤酒”，虽然暂时搞不懂“尿不湿和啤酒有啥因果关系”，但平台可以把尿不湿和啤酒放在一起卖，提升销量；再比如气象数据显示“当东南风风速达到5级、湿度超过70%时，明天大概率下雨”，就算不知道具体的气象原理，也能靠这个规律精准预报天气。

当然，这不是说因果关系不重要，而是第四范式告诉我们：在数据足够多的情况下，先抓住相关关系解决实际问题，再慢慢研究因果关系，效率会高得多。

四、第四范式对现实的影响：不止是科学研究，还改变了企业做事的逻辑

本小章还未完，请点击下一页继续阅读后面精彩内容！

Jim Gray的第四范式理论，不光影响了学术界的研究方式，更深刻改变了企业的经营和决策逻辑——这也是为什么戴文渊会用“第四范式”给公司命名，因为他的公司就是靠这个理论做核心业务的。

（一）对企业的影响：从“拍脑袋决策”到“数据决策”

以前企业做决策，大多是老板“拍脑袋”：“我觉得这个产品会好卖”“我认为应该在南方开分店”；现在用第四范式的思路，企业会把销售数据、用户数据、市场数据都输进AI系统，让数据告诉自己“哪个产品的销量会涨”“哪个地区的客户购买力强”。

比如零售企业用第四范式的AI分析用户消费数据，能精准预测“下个月某款牛奶的销量会增加20%”，提前备货就不会缺货；制造企业分析设备运行数据，能预测“某台机器下周会出故障”，提前维修就不会耽误生产。这些都是第四范式在企业里的实际应用，核心就是“让数据说话，代替人的主观判断”。

（二）对AI行业的影响：让AI从“聊天”变成“干活”

现在很多人觉得AI就是“聊天机器人”，能陪你说话、写文案，但这只是通用AI的一小部分功能。而第四范式理论启发的AI，是“决策AI”——帮企业从数据里找规律、做预测，解决实际业务问题。

戴文渊创办的第四范式公司，就是做这种“决策AI”的：比如他们的迁移学习技术，能让企业用少量数据快速训练出高精度的预测模型，解决“数据少、没法做AI”的问题；他们的先知AIOS 5.0平台，能帮企业搭建行业大模型，聚焦“预测下一个X”（比如设备故障、用户流失、金融风险），这都是完全遵循第四范式“数据驱动”的思路。

简单说，第四范式让AI从“能说会道的花瓶”，变成了“能帮企业赚钱、降本、增效的工具”。

（三）对普通人的影响：生活更便利，决策更靠谱

第四范式的思路也悄悄融入了我们的日常生活：比如刷短视频时，算法根据你的观看数据推荐你