4月26日，第四范式首次向公眾展示其大模型產(chǎn)品式說3.0，并首次提出AIGS戰(zhàn)略（AI-Generated Software）：以生成式AI重構(gòu)企業(yè)軟件。
巧合的是，前后腳，第四范式又一次遞交了招股書。招股書顯示，第四范式就是一家專注于企業(yè)級人工智能的軟件公司，致力于提供以平臺為核心的解決方案，使企業(yè)能夠開發(fā)自己的決策類人工智能應(yīng)用。
招股書中也披露，早在今年2月底，第四范式就已經(jīng)推出了一個專為業(yè)務(wù)場景設(shè)計的企業(yè)級生成式人工智能產(chǎn)品SageGPT，布局大模型AI產(chǎn)品。
第四范式創(chuàng)始人兼CEO戴文淵解釋了布局上述AIGS的原因。以前這些B端軟件極為復(fù)雜的交互體驗，以及復(fù)雜性帶來的極低開發(fā)效率，恰恰為生成式AI留下足夠大的重構(gòu)和改造空間。
在其背后，招股書也顯示，2020年至2022年，第四范式服務(wù)的標(biāo)桿客戶數(shù)分別為47家、75家和104家；每名標(biāo)桿客戶的平均收入分別約為1230萬元、1370萬元和1790萬元。2022年的總營收為31億。
那么恰逢生成式AI又掀起的新一輪AI浪潮中，第四范式準(zhǔn)備推出怎樣大模型，又準(zhǔn)備如何迎戰(zhàn)接下來的大模型時代？
借此機會，投中網(wǎng)和戴文淵深入地聊了聊：
2個月前，就已經(jīng)發(fā)布了大模型產(chǎn)品
投中網(wǎng)：在剛剛遞交的招股書中，顯示2月第四范式已經(jīng)開始在做大模型了？
戴文淵：2月底我們發(fā)布了式說1.0，跟此次要發(fā)布的式說3.0，兩個月左右時間，基于當(dāng)下很快的迭代速度，兩者就已經(jīng)不能再同日而語了。
投中網(wǎng)：所以2月底發(fā)布的是什么大模型？當(dāng)下對外發(fā)布的又是什么大模型？
戴文淵：第四范式希望可以用生成式AI來重構(gòu)企業(yè)軟件，也把自身定位為基于多模態(tài)大模型的新型開發(fā)平臺，提升企業(yè)軟件的體驗和開發(fā)效率，從而實現(xiàn)AIGS。
這就需要三個非常重要的能力：知識庫、Copilot（副駕艙）和思維鏈CoT（chain of thoughts，多步推理）的能力。此前的版本，我們只是先做了知識庫、Copilot的能力，到現(xiàn)在，才把后三者真正融合進來。
投中網(wǎng)：巧合的是，2月正好是ChatGPT在國內(nèi)開始風(fēng)靡的時候。
戴文淵：1月底2月初，ChatGPT已經(jīng)在國內(nèi)掀起了比較大的浪潮。但說實話，一個可以被推向市場的產(chǎn)品，不太可能是只花了一個多月的時間就能做出來的。
我們有個大概百人的研究院，一直在做范式未來產(chǎn)品的探索，所以也一直在大模型上有投入，只是肯定沒有到達OpenAI投入的這個量級，所以我們也才能按照自己的時間節(jié)點謀劃自己的產(chǎn)品線。
早在2018年BERT（模型）時期，我們已經(jīng)開始做相關(guān)工作，彼時BERT還有一定的局限性，等到GPT3出來，大家已經(jīng)基本上看清楚技術(shù)路線的發(fā)展方向了。未知的只有臨界點真正的時間點是什么。
實話實說，沒預(yù)料到GPT突然就在這樣的時間節(jié)點爆發(fā)了，這比我們之前預(yù)想的要提前，本來我以為自己已經(jīng)相對樂觀，但發(fā)現(xiàn)到2月底的時候，隨著GPT出圈，大家的信心指數(shù)都已經(jīng)爆棚了。
不過變化更多只是來自于市場側(cè)，技術(shù)的發(fā)展一直是線性的，不太可能突然有特別大節(jié)點性的變化。
投中網(wǎng)：那為什么沒有在2月直接宣布第四范式已經(jīng)在做大模型了？
戴文淵：我還是希望可能我們原本有10項能力，現(xiàn)在有2項能力可以先產(chǎn)品化，先做成可以面向市場和客戶的產(chǎn)品，這個層面宣布與否沒有特別大的影響。
投中網(wǎng)：整體進程會受兩個月內(nèi)很多人都跳出來做大模型的影響么？
戴文淵：我們對于未來有自己的判斷，更傾向于怎么把自己看到的市場和所要解決的問題，一步步地解決掉。唯一的區(qū)別在于，我們確實沒想到市場突然被打開，我們就需要在此時此刻把這些產(chǎn)品組裝起來馬上推向市場，原來節(jié)奏可能還要一年左右，現(xiàn)在整體節(jié)奏都加快了。
投中網(wǎng)：那會有一個大模型的時間推進表么？
戴文淵：選擇當(dāng)下和媒體溝通，也并不是因為此刻大模型的能力已經(jīng)完美，而是已經(jīng)推出了一個相對完整的框架，技術(shù)可以在這個基礎(chǔ)上不斷迭代，比如說更強的思維鏈能力不斷加強。
更想做生產(chǎn)力平臺
投中網(wǎng)：所以，第四范式所想的市場和所要解決的問題到底是什么？
戴文淵：本質(zhì)上講，我們確實看到過去的軟件行業(yè)在GPT或者AIGC時代可以被改變。
舉例來說，如果你想打印word文件，我們之間的交互是我直接說我要打印，你就可以非常絲滑地幫我打印好，但如果是軟件就需要下達指令：打開word、點開文件、選擇A4、黑白，之后確認打印。
隨著生成式AI能力不斷提高，絕大多數(shù)菜單類的軟件都可以根本性地提高用戶體驗，同時開發(fā)成本大幅下降。畢竟之前軟件B端企業(yè)軟件基于菜單式的開發(fā)，每次一個功能升級，又要周而復(fù)始的經(jīng)歷原型圖、設(shè)計、開發(fā)等，至少是月級別的開發(fā)時間。
但由于新的“對話框”式的固定界面，現(xiàn)在功能和邏輯只需在數(shù)據(jù)、API和內(nèi)容層面下功夫即可，變成了天級別的開發(fā)效率。
投中網(wǎng)：所以我理解你的意思，并不太在乎GPT所呈現(xiàn)給C端的效果，反而更在意ChatGPT和Office疊加之后帶來的軟件層面的改變？
戴文淵：從我的視角看，無論中美，并不缺任何一個基于GPT的聊天平臺，如果有，很好很開心，如果沒有，也無所謂。
但生產(chǎn)力的平臺是決不能錯過的，如果別人以天為單位開發(fā)軟件，你以月為單位開發(fā)軟件，肯定是難以接受的。真正從社會價值角度看，我們就該把重心放在將GPT當(dāng)做一個生產(chǎn)力的平臺，用這樣的角度來看其推動產(chǎn)業(yè)界的進步和變化。
投中網(wǎng)：你也因此把第四范式大模型定位在此，一個生產(chǎn)力的平臺？
戴文淵：我們的定位是改造軟件，用生成式AI來重構(gòu)企業(yè)軟件。
對于企業(yè)來說，其目前有海量的軟件正在使用，但即便Office軟件在面對海量用戶水平的參差不齊時上手都有難度，2B的軟件門檻只會更高。我和一個合作伙伴聊天時，他給我們展示所使用的軟件，下拉菜單甚至已經(jīng)超過了屏幕的大小。
從某種角度看，B端軟件相比如C端在體驗方面改造空間更大，是最有可能先被大模型改造的。
投中網(wǎng)：這可以解決之前AI公司落地難的難題么？
戴文淵：很早之前我就明白，AI公司更多還是需要生態(tài)的合作。比如之前用AI改造一個供應(yīng)鏈場景，我們的工作兩周就搞定了，但整個智慧供應(yīng)鏈卻因為軟件的開發(fā)周期需要做一年。這確實影響了整體AI的推廣速度，因為系統(tǒng)不做完就沒辦法真正推廣到用戶中去。
但現(xiàn)在，生成式AI改變了這樣的局面，使得可以實現(xiàn)多方多贏。毫無疑問，當(dāng)下AI公司迭代的周期大大縮短，業(yè)務(wù)拓展的速度也加快了。
投中網(wǎng)：所以這是此前一波AI和當(dāng)下這波AI所最不一樣的地方？
戴文淵：當(dāng)生成式AI出來之后，最大的不同是有可能實現(xiàn)端到端的改變。原來AI對于軟件和產(chǎn)業(yè)改造依然是整個系統(tǒng)里面決策的部分，現(xiàn)在變成了整個系統(tǒng)都可以被改變。
之前的AI可以把歷史上的數(shù)據(jù)都收集到一起，用機器學(xué)習(xí)，總結(jié)出各種規(guī)律，提高了做決策的水平，現(xiàn)在，生成式AI在這個基礎(chǔ)上，可以直接在極短的時間內(nèi)生成一整個可以落地的應(yīng)用。
一定會誕生一批巨頭公司
投中網(wǎng)：所以國內(nèi)大模型的發(fā)展和競爭生態(tài)會演變成什么？
戴文淵：我只能說先入局者確實會有飛輪效應(yīng)。仍以軟件為例，當(dāng)軟件的飛輪轉(zhuǎn)動起來，你在局部就已經(jīng)建立了非常強的優(yōu)勢，甚至都不需要將其迭代到一定的水準(zhǔn)，都一定會比傳統(tǒng)的軟件形式更強。
投中網(wǎng)：所以某種程度上，有人說，現(xiàn)在很多人都已經(jīng)在同一起跑線上了，你并不贊同這樣的觀點？
戴文淵：我很難稱這個為同一起跑線，雖然大家都在大模型領(lǐng)域競爭，但這正如當(dāng)年互聯(lián)網(wǎng)時代眾多巨頭初具規(guī)模，而互聯(lián)網(wǎng)的機會依然寬廣一樣。舉個例子，前段時間朋友閑聊，他就準(zhǔn)備用生成式AI做一家獵頭公司，我覺得這樣反而可能會成為一家獵頭業(yè)的大公司。
很多行業(yè)在這一波里面可能都會有很多新的機會。
投中網(wǎng)：那么，在整體國內(nèi)大模型的對比坐標(biāo)系里面，你怎么看待自身的位置？
戴文淵：其實我們并不需要完整地對標(biāo)OpenAI，也并不需要OpenAI能做什么自己就一定要做什么，比如第四范式的大模型背后也有畫畫的能力，但在畫畫能力上超越OpenAI并不是我們想關(guān)注的。
我們更想著重發(fā)展自己思考下所需要的能力。比如我把自己的大模型定位在新型開發(fā)平臺，能重構(gòu)企業(yè)軟件，就需要著重加強知識庫和思維鏈的能力。
我們一直在做AI相關(guān)的事情，一個軟件里面做決策的類別就是我們做的，但除了決策之外的部分，所以我們經(jīng)常會想到另外的部分是否可以用AI把周期縮短，而等GPT來了之后，我們找到了這個確定的答案。
所以此時此刻，非要說我們和其他大模型公司的區(qū)別，那就是在當(dāng)前并不清晰的大模型浪潮中，我們不去參與一場全面的競爭，而是專注于這其中一場比賽。
投中網(wǎng)：那很多人說制約大模型最難的是基礎(chǔ)設(shè)施，數(shù)據(jù)、算力、人才等，這些你怎么看？
戴文淵：最重要的因素按照順序排列，分別是數(shù)據(jù)、算力、人才。
大模型的數(shù)據(jù)分兩個層面，一個是通用大模型的數(shù)據(jù)，一個是一些細分領(lǐng)域的數(shù)據(jù)。前者沒有特別大的壁壘，但門檻也不低，因為并不是隨便一個團隊都能把這些收集到一起，也不是收集完之后就完全可以用了；后者更大程度上需要特定的“領(lǐng)域”的概念，因為這部分的數(shù)據(jù)就是這個領(lǐng)域的壁壘所在。
當(dāng)下真正商業(yè)有用的思維鏈（多步推理）能力，并不是考驗大象放冰箱分幾步，這只是智力水平的考驗，而是基于這樣能力的思維鏈基礎(chǔ)，在學(xué)習(xí)大量企業(yè)軟件的數(shù)據(jù)和“攻略”后，能形成中間的邏輯推理步驟，從而做到AI拆分、執(zhí)行復(fù)雜的工作。
算力的門檻現(xiàn)在確實是被拉高了，所以入局的門檻變高了。但是在達到這個門檻之后，重點在于如何選擇方向。
投中網(wǎng)：在這樣一個接下來大模型無處不在的時代，中國企業(yè)有哪些獨特優(yōu)勢？
戴文淵：中國人是只要有機會就一定會積極向上的，所以這次大家看到了這么多機會，就一定有人上去做出各種各樣的事情出來。
我們可能看問題的角度要轉(zhuǎn)變下，我們并不需要看中國有多少個能做成GPT的OpenAI，在未來生成式AI能大幅降低成本的情況下，一定是有獨屬于生成式AI或者AIGC技術(shù)結(jié)合產(chǎn)業(yè)的廣闊市場，會誕生出很多巨頭公司出來。
投中網(wǎng)《智識》欄目：用鏡頭對話一線投資人和創(chuàng)業(yè)者，捕捉先行者的思考維度，記錄親歷者的一線感知，共享他們對芯片、新能源、機器人、企業(yè)服務(wù)、自動駕駛、人工智能等細分賽道的真知卓識。
