4月26日，第四範式首次向公眾展示其大模型產品式說3.0，並首次提出AIGS戰略（AI-Generated Software）：以生成式AI重構企業軟體。
巧合的是，前後腳，第四範式又一次遞交了招股書。招股書顯示，第四範式就是一家專注於企業級人工智慧的軟體公司，致力於提供以平台為核心的解決方案，使企業能夠開發自己的決策類人工智慧應用。
招股書中也披露，早在今年2月底，第四範式就已經推出了一個專為業務場景設計的企業級生成式人工智慧產品SageGPT，布局大模型AI產品。
第四範式創始人兼CEO戴文淵解釋了布局上述AIGS的原因。以前這些B端軟體極為複雜的交互體驗，以及複雜性帶來的極低開發效率，恰恰為生成式AI留下足夠大的重構和改造空間。
在其背後，招股書也顯示，2020年至2022年，第四範式服務的標杆客戶數分別為47家、75家和104家；每名標杆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。
那麼恰逢生成式AI又掀起的新一輪AI浪潮中，第四範式準備推出怎樣大模型，又準備如何迎戰接下來的大模型時代？
藉此機會，投中網和戴文淵深入地聊了聊：
2個月前，就已經發布了大模型產品
投中網：在剛剛遞交的招股書中，顯示2月第四範式已經開始在做大模型了？
戴文淵：2月底我們發布了式說1.0，跟此次要發布的式說3.0，兩個月左右時間，基於當下很快的疊代速度，兩者就已經不能再同日而語了。
投中網：所以2月底發布的是什麼大模型？當下對外發布的又是什麼大模型？
戴文淵：第四範式希望可以用生成式AI來重構企業軟體，也把自身定位為基於多模態大模型的新型開發平台，提升企業軟體的體驗和開發效率，從而實現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，到現在，才把後三者真正融合進來。
投中網：巧合的是，2月正好是ChatGPT在國內開始風靡的時候。
戴文淵：1月底2月初，ChatGPT已經在國內掀起了比較大的浪潮。但說實話，一個可以被推向市場的產品，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，一直在做範式未來產品的探索，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點謀劃自己的產品線。
早在2018年BERT（模型）時期，我們已經開始做相關工作，彼時BERT還有一定的局限性，等到GPT3出來，大家已經基本上看清楚技術路線的發展方向了。未知的只有臨界點真正的時間點是什麼。
實話實說，沒預料到GPT突然就在這樣的時間節點爆發了，這比我們之前預想的要提前，本來我以為自己已經相對樂觀，但發現到2月底的時候，隨著GPT出圈，大家的信心指數都已經爆棚了。
不過變化更多只是來自於市場側，技術的發展一直是線性的，不太可能突然有特別大節點性的變化。
投中網：那為什麼沒有在2月直接宣布第四範式已經在做大模型了？
戴文淵：我還是希望可能我們原本有10項能力，現在有2項能力可以先產品化，先做成可以面向市場和客戶的產品，這個層面宣布與否沒有特別大的影響。
投中網：整體進程會受兩個月內很多人都跳出來做大模型的影響麼？
戴文淵：我們對於未來有自己的判斷，更傾向於怎麼把自己看到的市場和所要解決的問題，一步步地解決掉。唯一的區別在於，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品組裝起來馬上推向市場，原來節奏可能還要一年左右，現在整體節奏都加快了。
投中網：那會有一個大模型的時間推進表麼？
戴文淵：選擇當下和媒體溝通，也並不是因為此刻大模型的能力已經完美，而是已經推出了一個相對完整的框架，技術可以在這個基礎上不斷疊代，比如說更強的思維鏈能力不斷加強。
更想做生產力平台
投中網：所以，第四範式所想的市場和所要解決的問題到底是什麼？
戴文淵：本質上講，我們確實看到過去的軟體行業在GPT或者AIGC時代可以被改變。
舉例來說，如果你想列印word文件，我們之間的交互是我直接說我要列印，你就可以非常絲滑地幫我列印好，但如果是軟體就需要下達指令：打開word、點開文件、選擇A4、黑白，之後確認列印。
隨著生成式AI能力不斷提高，絕大多數菜單類的軟體都可以根本性地提高用戶體驗，同時開發成本大幅下降。畢竟之前軟體B端企業軟體基於菜單式的開發，每次一個功能升級，又要周而復始的經歷原型圖、設計、開發等，至少是月級別的開發時間。
但由於新的「對話框」式的固定介面，現在功能和邏輯只需在數據、API和內容層面下功夫即可，變成了天級別的開發效率。
投中網：所以我理解你的意思，並不太在乎GPT所呈現給C端的效果，反而更在意ChatGPT和Office疊加之後帶來的軟體層面的改變？
戴文淵：從我的視角看，無論中美，並不缺任何一個基於GPT的聊天平台，如果有，很好很開心，如果沒有，也無所謂。
但生產力的平台是決不能錯過的，如果別人以天為單位開發軟體，你以月為單位開發軟體，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當做一個生產力的平台，用這樣的角度來看其推動產業界的進步和變化。
投中網：你也因此把第四範式大模型定位在此，一個生產力的平台？
戴文淵：我們的定位是改造軟體，用生成式AI來重構企業軟體。
對於企業來說，其目前有海量的軟體正在使用，但即便Office軟體在面對海量用戶水平的參差不齊時上手都有難度，2B的軟體門檻只會更高。我和一個合作夥伴聊天時，他給我們展示所使用的軟體，下拉菜單甚至已經超過了螢幕的大小。
從某種角度看，B端軟體相比如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：這可以解決之前AI公司落地難的難題麼？
戴文淵：很早之前我就明白，AI公司更多還是需要生態的合作。比如之前用AI改造一個供應鏈場景，我們的工作兩周就搞定了，但整個智慧供應鏈卻因為軟體的開發周期需要做一年。這確實影響了整體AI的推廣速度，因為系統不做完就沒辦法真正推廣到用戶中去。
但現在，生成式AI改變了這樣的局面，使得可以實現多方多贏。毫無疑問，當下AI公司疊代的周期大大縮短，業務拓展的速度也加快了。
投中網：所以這是此前一波AI和當下這波AI所最不一樣的地方？
戴文淵：當生成式AI出來之後，最大的不同是有可能實現端到端的改變。原來AI對於軟體和產業改造依然是整個系統裡面決策的部分，現在變成了整個系統都可以被改變。
之前的AI可以把歷史上的數據都收集到一起，用機器學習，總結出各種規律，提高了做決策的水平，現在，生成式AI在這個基礎上，可以直接在極短的時間內生成一整個可以落地的應用。
一定會誕生一批巨頭公司
投中網：所以國內大模型的發展和競爭生態會演變成什麼？
戴文淵：我只能說先入局者確實會有飛輪效應。仍以軟體為例，當軟體的飛輪轉動起來，你在局部就已經建立了非常強的優勢，甚至都不需要將其疊代到一定的水準，都一定會比傳統的軟體形式更強。
投中網：所以某種程度上，有人說，現在很多人都已經在同一起跑線上了，你並不贊同這樣的觀點？
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域競爭，但這正如當年網際網路時代眾多巨頭初具規模，而網際網路的機會依然寬廣一樣。舉個例子，前段時間朋友閒聊，他就準備用生成式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的大公司。
很多行業在這一波裡面可能都會有很多新的機會。
投中網：那麼，在整體國內大模型的對比坐標系裡面，你怎麼看待自身的位置？
戴文淵：其實我們並不需要完整地對標OpenAI，也並不需要OpenAI能做什麼自己就一定要做什麼，比如第四範式的大模型背後也有畫畫的能力，但在畫畫能力上超越OpenAI並不是我們想關注的。
我們更想著重發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平台，能重構企業軟體，就需要著重加強知識庫和思維鏈的能力。
我們一直在做AI相關的事情，一個軟體裡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來了之後，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別，那就是在當前並不清晰的大模型浪潮中，我們不去參與一場全面的競爭，而是專注於這其中一場比賽。
投中網：那很多人說制約大模型最難的是基礎設施，數據、算力、人才等，這些你怎麼看？
戴文淵：最重要的因素按照順序排列，分別是數據、算力、人才。
大模型的數據分兩個層面，一個是通用大模型的數據，一個是一些細分領域的數據。前者沒有特別大的壁壘，但門檻也不低，因為並不是隨便一個團隊都能把這些收集到一起，也不是收集完之後就完全可以用了；後者更大程度上需要特定的「領域」的概念，因為這部分的數據就是這個領域的壁壘所在。
當下真正商業有用的思維鏈（多步推理）能力，並不是考驗大象放冰箱分幾步，這只是智力水平的考驗，而是基於這樣能力的思維鏈基礎，在學習大量企業軟體的數據和「攻略」後，能形成中間的邏輯推理步驟，從而做到AI拆分、執行複雜的工作。
算力的門檻現在確實是被拉高了，所以入局的門檻變高了。但是在達到這個門檻之後，重點在於如何選擇方向。
投中網：在這樣一個接下來大模型無處不在的時代，中國企業有哪些獨特優勢？
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麼多機會，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變下，我們並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，一定是有獨屬於生成式AI或者AIGC技術結合產業的廣闊市場，會誕生出很多巨頭公司出來。
投中網《智識》欄目：用鏡頭對話一線投資人和創業者，捕捉先行者的思考維度，記錄親歷者的一線感知，共享他們對晶片、新能源、機器人、企業服務、自動駕駛、人工智慧等細分賽道的真知卓識。