第四范式創(chuàng)始人兼 CEO 戴文淵表示：「C 端產品已經逼近用戶體驗的上限，而 B 端的企業(yè)級軟件往往是個十分復雜的執(zhí)行系統，堆砌十幾層菜單和成千上萬功能也不算多。」

戴文淵認為，目前這些 B 端軟件極為復雜的交互體驗，以及復雜性帶來的極低開發(fā)效率，恰恰為生成式 AI 留下足夠大的重構和改造空間。

「過去很難通過人類語言（自然語言）的方式去調用企業(yè)軟件的功能，現在當我們有更強的語義理解和生成能力，再加上 GPT 任務翻譯、任務分發(fā)和推理的能力，就可以通過更好的「對話框式」交互方式實現功能的調用，不再需要找到某個位于十幾級的菜單目錄之下的功能?！?/p>

這背后還是大模型的能力。第四范式現場拔網線，展示了式說大模型的圖片理解、多輪對話、寫小說、迅速畫圖等能力。

基礎能力 demo 

此外，現場展示了式說通過推理能力完成更加復雜的「裝箱」操作，以及其現場編寫代碼的能力。

裝箱和寫代碼 demo 

在戴文淵看來，要做到 AIGS，大模型未必需要是知識廣博、十項全能冠軍的通才，更重要的在于模型具備 Copilot（副駕艙），和思維鏈 CoT（chain of thoughts，多步推理）的能力。

「要去改造企業(yè)軟件，大模型不能只有語言能力。式說 2.0 就加入了多模態(tài)和 Copilot，因為很多企業(yè)軟件里的數據是多模態(tài)的，而 Copilot 能把人的指令翻譯成要調用后臺的哪個 API?！勾饲鞍l(fā)布的式說 2.0 的 Demo 中，門店員工通過語音、文本等交互方式向式說發(fā)起指令，式說理解后，聯網門店監(jiān)控軟件調出后廚未戴口罩的圖片，并直接將圖片以對話框的形式輸出給員工。

大模型去調用軟件內置的一個個功能、數據來「對話框式」完成任務，已經能產生巨大價值。但員工用企業(yè)軟件時也會面臨復雜任務，需要人按照順序執(zhí)行一個個功能。

因此，式說 3.0 強調的是 Copilot 加上思維鏈 CoT，具有更強的推理能力，在學習大量數據和「攻略」后，能形成中間的邏輯推理步驟，從而做到拆分并執(zhí)行復雜工作。

第四范式將 AIGS 的路徑總結為三個階段：

第一階段，Copilot 調動不同的信息、數據、應用，作為助手完成用戶的指令。相當于在所有企業(yè)級軟件系統里，配備一個指揮官。指揮官聽用戶的指揮，比如「把照片亮度調亮 20%」。

第二階段，Copilot+基于企業(yè)規(guī)則的「知識庫」，AI 能夠參照規(guī)則做復雜工作，進一步豐富了「對話框」的能力。比如 AI 查詢了「人像美化」知識庫后，能執(zhí)行把照片修好看的步驟。

第三階段，Copilot+CoT（思維鏈）。軟件系統的使用行為最終會被大模型學會，形成 AI 針對這個領域的思維鏈，意味著「把照片處理得更好看」這種復雜指令，AI 能自動地按照步驟完成。

第四范式的 AIGS 戰(zhàn)略，就是指基于式說大模型背后的 Copilot+COT 能力，把企業(yè)軟件改造成新型的交互范式，并在新型交互上不斷地學習軟件的使用過程，形成領域軟件的「思維鏈」。

在我國航空制造代表企業(yè)的實際場景演示中，其與第四范式基于 Copilot 技術，聯手改造了某工業(yè)設計軟件。

零件搜索和裝配 demo 

現場某醫(yī)療行業(yè)的實際場景演示中，式說的「思維鏈」能夠清晰指出將藥品銷售出去的具體步驟。

醫(yī)藥代表賦能 demo 

最終，由于新的交互形式的出現，企業(yè)軟件的開發(fā)效率變得更高。以前是功能和執(zhí)行邏輯被編排在軟件界面，每次一個功能升級，都要周而復始的經歷原型圖、設計、開發(fā)等，至少是月級別的開發(fā)時間。而現在由于「對話框式」的界面是固定的，功能和邏輯被改寫在數據、API 和內容層面，變成了天級別的開發(fā)效率。

值得一提的是，在式說 3.0 發(fā)布現場，來自航空制造、金融、醫(yī)療等行業(yè)的客戶代表出席并做產品的 live demo 演示。ChatGPT 出現的短短兩個月內，眾多企業(yè)與合作伙伴已經與范式在生成式 AI 方面開展了深度合作。式說作為基于大模型的新型開發(fā)平臺，期待與更多合作伙伴與企業(yè)客戶及一起，探索以生成式 AI 重構企業(yè)軟件的機會，共同提升企業(yè)軟件的易用性和生產力。

• 第四范式AIGS戰(zhàn)略背景材料

關于大模型：

1、第四范式什么時候開始關注投入 GPT和大模型：

在 BERT 出來的時候，范式研究院就開始關注并投入在這個技術領域，GPT3 出來以后更加明確了要朝這個方向。不過相比今年的投入，過去幾年肯定還是有差距的。ChatGPT 對我們最大的幫助，就是整個市場的信心一下從 0 調滿了，確定性的投入更大了，再往后就是變成產品、變成商業(yè)化的路線往市場去推。

2、是否跟同行做過對比？

中國目前還沒有像 OpenAI 那樣在大模型上絕對領先的公司，也會有更多的大模型。大模型是新的生產力，大家都得有大模型作為底座，所以入局的門檻確實是變高了。

但是在達到這個門檻之后，重點在于如何選擇方向。比如培養(yǎng)了一個大學生后，到公司再接受專業(yè)的訓練，在某一個領域積累專業(yè)的能力，這是很重要的。但不具備一定的素質有很多事就干不了，所以底層的大模型也很重要。

第四范式認為比較大的機會在于改造整個的企業(yè)軟件行業(yè)，也就是 AIGS 這個方向。發(fā)力的大模型技術方向是 Copilot 可控（執(zhí)行可控、知錯能改），和思維鏈 COT（（chain of thoughts，多步推理、復雜任務拆分）的能力，形成數據飛輪（比如將某垂直領域的數據和流程投入大模型，很快可以形成模型在該領域的思維鏈）。

3、式說在短短兩個月的時間已經發(fā)布了 3 個版本，從 1.0-3.0這中間的迭代過程是？

1.0——ChatGPT 火了之后，大部分的客戶和伙伴還沒有真的使用上 GPT 類似的技術，我們當時出了第一代的產品。式說 1.0 有生成語言的能力，并且解決 GPT 技術應用時內容可信、數據安全和成本的三大問題。當時主要的場景就是文庫問答，相當于讓 GPT 學習的企業(yè)知識后，可以解答專業(yè)問題，并且是可溯源的。

2.0——在式說語言能力基礎上，加入了文本、語音、圖像、表格、視頻等多模態(tài)輸入及輸出能力，并增加了企業(yè)級 Copilot 能力。以與企業(yè)內部應用庫、企業(yè)私有數據等進行聯網，對信息和數據進行分析，回答員工的問詢或執(zhí)行相關任務，從知識助手成為業(yè)務助手。

3.0——在生成式和語言能力的基礎之上，3.0 發(fā)力 Copilot 和思維鏈 COT（多步推理、復雜任務拆分、形成數據飛輪），改造傳統 B 端企業(yè)軟件的體驗與開發(fā)效率，我們叫 AIGS（AI generated software），以生成式 AI 重構企業(yè)軟件。

關于 AIGS：

4、為什么想到做 AIGS（software）？什么是 AIGS？

C 端的軟件體驗在過去的十幾年已經被打磨到了比較高的水準，你用對話未必就一定更好用。但是 B 端（想象一下在企業(yè)報銷系統、HR 系統、OA 系統），體驗還是比較差的。可能你在菜單里面點一個下拉菜單，再點下拉菜單，再點幾下才能進入到某一個功能。

過去很難通過自然語言的方式去調用這些功能，現在當我們有更強的語義理解的自然語言的時候，可以通過更好的交互方式去實現功能的調用，從而實現用新型的通過語音/對話的交互模式，去替代老的交互，從而使 B 端企業(yè)軟件的體驗迅速一個顛覆式的提升。

其次是開發(fā)效率的提升。原先 B 端企業(yè)軟件都是高度定制化的，基于菜單式的開發(fā)，基本每次一個功能升級，又要產品經理畫界面，設計、開發(fā)等，至少是月級別的開發(fā)時間。而由于新的交互形式的出現，以前是功能和執(zhí)行邏輯被編排在軟件界面，現在功能和邏輯被改寫在數據、API 和內容層面，變成了天級別的開發(fā)效率。

就像 ChatGPT 不再是一個復雜的菜單和一堆的功能，只需要一個對話框就能做很多事情。并且它背后每天都在迭代，但你感受不到它的界面發(fā)生了什么變化。以前軟件是在界面層面的升級，未來是在數據層面的升級。

我們看到大模型能夠帶來用戶體驗的提升，開發(fā)效率的提升，所以一定會形成軟件行業(yè)的飛躍，就是誰率先能做出來的問題。這是一個巨大的市場。大模型是新的生產力，以大模型基礎設施為先導項目，改造整個軟件產業(yè)，整個行業(yè)的業(yè)務價值、商業(yè)模式都會得到飛躍。

5、式說如何能實現 AIGS？

去改造軟件大模型不能只有語言能力。式說 2.0 就加入了多模態(tài)和 Copilot，因為很多企業(yè)軟件里的數據是多模態(tài)的，而 Copilot 支持用對話去調用軟件內置的一個個功能/數據來完成任務。2.0 的時候，員工可以通過語音、圖像、表格、視頻等多模態(tài)方式向式說發(fā)起詢問或下達指令，式說理解之后，聯網企業(yè)軟件調出有關功能，并以所需要的形式輸出答案。

我們去完成任務的時候，往往不完全是一個功能。比如說圖像處理軟件，如果你要調亮度、對比度，這是功能。但如果是將人物 P 瘦一點，它就不是一個單一功能能實現的了。這背后需要人按照經驗，執(zhí)行軟件的一個個的功能才能實現。

人接收到復雜的工作，會在大腦里推理出一步步要執(zhí)行的子任務，然后再按步驟去執(zhí)行。換成機器，如果對于同一個工作，機器在過去見到過足夠多的人（累積數據）通過一二三四步把這個工作完成了，它已經可以這個套路總結出來，就形成了思維鏈。

所以式說 3.0 強調的是 Copilot 加思維鏈 CoT。大模型用更強的 CoT 推理能力，去不斷學習新領域的思維鏈，相當于用軟件本身的使用行為，去構建 AI 針對這個領域的思維方式。

對于企業(yè)軟件合作伙伴來說，可以基于范式的大模型能力，在一個個領域里面鉆的足夠深，學習到足夠多的數據，最終所形成領域的思維鏈，發(fā)展成「領域」大模型。當思維鏈復雜度到一定程度以后，它的軟件就能夠自動執(zhí)行越來越復雜的功能。

6、過去范式做的事對此有什么積累？

首先，范式擁有做大模型的技術能力。雖然先知不是做通用模型的定位，當時定位是做專用模型，但先知一直強調模型是要高維的，所謂的高維其實就是參數，要把模型做大，就像 GPT3.5 是 1700 多億的參數，這是從技術上來說能平移過去的地方。此外范式擁有國內領先的研究院、工程化、產品力的全棧技術能力。

其次，范式原有市場和新市場所面對的產業(yè)鏈正好是上下游。以前 AI 更像是一種重要零件或者元器件，這些以外的其他地方不是 AI 覆蓋，是企業(yè)軟件覆蓋。企業(yè)軟件經過了這么多年發(fā)展，基本上能把所有的事都覆蓋了。范式和軟件公司一直互為生態(tài)，范式做的是軟件里面的 AI 決策，軟件公司做功能和流程的實現。比如 AI 預測出門店明天要運多少雞翅，這需要放到門店管理的系統里。

我們互相共生也很了解，看到 GPT3 時已經知道了，是可以幫助到企業(yè)軟件市場的。做這個事情還是需要非常強的一個行業(yè)積累，第四范式過去幾年在行業(yè)里面扎得還是比較深的，我們對 AI 產業(yè)化的深層次理解，更清楚明白大模型作為新生的生產力工具，如何落地才能產生最大的價值。

來源：極客公園 (侵刪)