第四范式决定把AI大模型扔到一块无人地

2023-04-27 02:04

来源｜未来科技力（smartechworld）

大模型白热化的市场里各种版本的“类ChatGPT”层出不穷。如果将其定位成一种未来的生产力工具来看待，大多数产品都没有触及到目前束缚住打工作中人们的核心诉求。

——冗余的企业软件系统们。

在数字化转型的路上，几乎每一个企业都需要问自己一句，需要多少个软件才能运转？

你需要用ERP（生产制造系统）来制定并且管理切实可行的生产计划；或者用PM（项目管理系统）使项目在限定的资源下，实现预期的目标。你需要一套好的SCM（供应链系统）来把控从原料采购到产品交付之间整个过程中，对与产品或服务有关的商品、数据和资金的流动进行的管理；然后把一笔笔订单归档进负责收集、关联和分析所有相关客户数据CRM（客户关系系统）。

对于大多数工作者来说，企业软件看起来是最应该用自然语言模型改造的地方。B端软件极为复杂的交互体验，以及复杂性带来的极低开发效率，恰恰为生成式AI留下足够大的重构和改造空间。

第四范式看到了这个盲区。CEO戴文渊在近日的一场发布会上推出了面向企业软件的自研大模型“式说”。

看看微信，再看看CAD们

“现在企业软件系统的产品体验和2000年至2010年之间的ToC产品体验差不多，同时代的ToB产品在体验上比ToC要落后两代”，第四范式联合创始人、首席研究科学家陈雨强向品玩表示。

企业从国内以及国外引进思维先进的软件系统，花高成本部署和学习。但一方面这些软件优先面向的是企业价值，因此对于使用体验并不那么看重；另一方面，这些软件往往负担着一个复杂的任务体系，因此而可能具有上千个接口。

微信有无数个功能，但摆放在首页的一级入口只有四个。ToB端软件系统的使用体验很大程度上相当于微信把所有的功能不分权重的摆放在一起供人使用——并且还时不时要跳转进另一个同样被完全打乱后的支付宝里。

一家航空制造企业在第四范式发布会上展示了一个全球领先的工业设计软件。这样一个大量制造业企业都会引进的工业标配软件工具，其过于复杂的界面和操作，对企业在调用设计零件，查找草图等核心动作上并不友好。

从另一个方向看，企业数字化的进程中，往往面临开发效率上的巨大阻碍。

国内企业软件有高度定制化的特征，又由于软件基于菜单式的产品设计逻辑，这导致基本每次一个功能升级，要经历从产品经理画界面，设计落地以及开发等冗长的流程，开发时间往往以月为单位，当情景换成另一家公司时，同样的开发流程需要重走一遍，项目制软件难以复用的问题进一步影响着开发效率。

这造成的结果是，“AI项目的90%以上不是AI，是传统软件开发”，陈雨强表示。

但产品体验本身对于意在管理和执行的企业软件来说，远没有像C端产品那么重要，这是此前ToB产品在体验上一直缺乏迭代动力的原因。

而大模型的出现，意味着一种越过界面设计，一劳永逸的可能性。

“产品本身的界面没有那么重要了”

三维数模是航天制造企业最核心的知识资产，上述提及的这家航空制造企业在将自用CAD软件与第四范式的式说大模型结合后，完成了对零件形状、参数和设计草图的搜索，以及在以数学方式提取零件的三维几何特征后，实现对三维数模的聚类。

现场展示了仅仅依靠上传一张设计零件图片，就能找到知识库中所有与之类似的零件三维数模。而在对零件进行装配时的工艺设计场景，新的软件系统可以在收到两个不同零件的三维数模图像信息后，给出多种组装方案。

而现在完成这些CAD中的复杂工程的，只需要依靠“帮我找类似的零件”或者“给出这两个零件的装配方案”这样的自然语言，以及一个像搜索框一样简单的终端界面。

这是式说大模型背后核心的企业级Copilot能力。

Copilot的字面意思是“副机长”，也可以理解成一个二号位。大模型能力对于企业软件的变革首先是交互方式上的。通过式说Copilot，员工可以通过语音、文本、图像、表格、视频等多模态方式，向式说发起询问或下达指令，式说在精准理解其意图后，联网企业多模态的信息、企业软件及其他专用AI能力，分析出答案，并以所需要的形式来输出答案。

对于企业软件来说，Copilot概念的进入使得产品设计这件事有机会变得轻量化，不会成为软件功能迭代的阻碍。

“软件里要加个新功能，这件事在后端其实不难，可能加个API接口就可以了。但这个功能要在前端展示出来，那产品经理就得折腾了。”陈雨强告诉品玩。

因为在菜单式的设计原则之下，当一个已经1000个任务的定制化软件里需要放进去一个新的功能时，设计团队需要反复设计PRD，沟通用户场景，反复修改打磨这个新功能的摆放位置，并且进行测试和反馈。这样的一套迭代流程走完，时间往往以月计算。

而当菜单入口分级的设计建制被一个万能对话框取代，开发团队的注意力只需要放在底层的API开发和上层的应用，会极大提升开发效率，整个上线流程也压缩到几天。

“因为产品本身的界面没有那么重要了”，陈雨强在谈到Copilot能力时表示。

但第四范式对于式说大模型的构想并不只是以Copilot能力来做一个执行助理，而是最终能够自动执行。这个设想的技术起点则是此次式说大模型中独特的CoT（Chain-of-Thought，思维链）能力。

CoT是大模型所涌现出的逻辑推理能力，在接受过大量同类型数据的训练后，大模型会开始形成对于此类问题的推理能力，再遇到一个类似的新问题，能够像人类一样将其拆解。

就像人在学会削苹果之后，自然也就会削梨一样。第四范式希望AI对软件系统的最终颠覆是大量的软件使用行为最终会被大模型学会，AI针对这个领域的思维链随之形成。

陈雨强介绍，CoT的训练逻辑也是一个从通用到垂直的路线。

形成一个通用CoT的方式是预先收集很多标准任务的完成方式，并以此作为数据进行训练——比如如何写论文、如何做一场调研、怎么去买一张彩票等等——然后将其做成一个标准的套装。用户在不断调用大模型能力的时候，自身的行为链会被记录下来，然后在结合数据与行为去做标注，形成在垂直领域的任务推理能力。

“就像是PS一张人像，需要拉个蒙版，调高光、阴影、改脸型等等许多复杂步骤，但你最终的诉求并不是这些步骤本身，而是把人像修的好看。CoT的能力就像是一个人一直在影馆看着别人用PhotoShop，看久了他就会了。”

Copilot与CoT一起，即是第四范式对于用AIGS颠覆企业软件困境的两个支点。

拆解AIGS

“深蓝”与“阿尔法狗”在最近的30年里出现，人工智能的能力逐渐显化，直到OpenAI出现，它像是第一个越过浅层沙砾，从更深处挖掘出石油的那个探索者。

某种程度上，生成式AI是一种变革生产方式的新能源。但“能源”这个概念是笼统的，在第一台直流发电机之后，具体改变人类社会的是基于其之上的更具体的事物，比如灯泡、电话以及计算机。

1953年的美国通用电气公司，在全球125家分支机构雇用了总共超过40万名员工，每个月对员工薪酬的统计工作是一笔巨大的人力成本。这逼迫着美国通用电气公司第一次采买商用计算机来统计薪资。电力促成人类可以进行更大规模的标准化生产，也因此出现了更庞大的企业和管理需求。随着电力以及无线电技术诞生的计算机以及软件又在这新的需求面前得到机会。

第二次工业革命完成了生产的规模化，现在被称为第三次工业革命的信息技术革命走入深处，生成式AI的下一步是让人从规模化生产中，个体越来越原子化的角色中解放出来。

在产业角度来说，意味着用AI来改造软件，这些苦活累活，终于由AI接管了。这就是AIGS（AI—generated software），AI完成对于企业服务本身的接管和整理。

“这是一个巨大的浪潮。可能再过10年，对于大家来说大模型根本就不是一个事儿，就好像十多年前的互联网。到最后，各自可能都会找到定位。”陈雨强表示。

式说在今年2月末上线了第一个版本，然后在两个月内迅速完成了两次迭代。

式说1.0版本是一个具备语言生成能力的企业知识问答bot；2.0版本在语言能力基础上，加入了文本、语音、图像、表格、视频等多模态输入及输出能力，并增加了企业级Copilot能力；目前的3.0版本则在Copilot能力的基础上进一步引入COT能力。

这其中也包含了第四范式在AIGS实现路径上的三个阶段。

第一个阶段是以Copilot的出现将企业软件改造成自然语言的交互形式，背后是企业内部应用库、私有数据之间的“联网”；第二阶段则在这个基础上，基于Copilot不停地丰富这个对话框的能力，并且积累企业用户的行为数据来形成基于企业规则的“知识库”，这个“知识库”可以作为AI一次次执行复杂工作的“攻略”。

“AIGS的道路显然不会是一蹴而就的。Copilot是基础，CoT会带来最终的质变。”最终的第三阶段，具有推理能力的大模型会自己形成中间步骤，从而替人来拆分并执行复杂工作，但这个跨越需要建立在大量数据以及行为数据的积累之上。