大模型的核心價值，不是聊天，而是生產力。大模型的技術關鍵，不是作詩，而是思維鏈。

　　文|周享玥

　　靠著顛覆式的“Chat”能力從2023年Q1火到Q2后，大模型的生產力工具屬性正在加速被重視和加強。

　　4月26日下午，人工智能企業第四范式展示其大模型產品“式說3.0”。一同被公布的還有這家公司最新提出的AIGS戰略(AI-Generated Software)：以生成式AI重構企業軟件。

　　“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;如果沒有，也無所謂。但生產力的平臺是決不能錯過的。”第四范式創始人兼CEO戴文淵說出了他對大模型關鍵性的思考，在他看來，AI大模型是一個生產力級別的事物，能帶來全社會效率的提升。

　　此前，國內外大廠已開始探索AIGC大模型對生產力的改造。

　　其中備受關注的是微軟。從去年開始，微軟宣布了一系列Copilot(副駕駛)產品，將AIGC布局到代碼生成、Office辦公軟件、CRM企業軟件以及安全等領域。此后，亞馬遜、Salesforce、華為、阿里、字節跳動也有相關動作。

　　第四范式選擇的切入口是嘗試改造B端企業級軟件，也叫AIGS。戴文淵提到，AIGS的想法源于一個很多人都比較直觀的認知——相比已經逼近用戶體驗和效率上限的C端產品，B端的企業級軟件還處于交互體驗極為復雜、開發效率極低的階段，這些恰恰為生成式AI留下了足夠大的重構和改造空間。

　　業界人士將大模型類比于當年第一臺蒸汽機，在新的AIGC時代，“蒸汽機”正在帶來對各行各業生產效率的提升。

　　01

　　大模型的高段位不是聊天，而是思維鏈

　　第四范式的大模型名為“式說”。與此前公布的多個AI大模型一樣，式說具有多輪對話、圖片理解、寫小說、畫圖、知識庫等多模態基礎能力。比如，在現場演示中，式說完成了畫“獅子頭”和“紅燒獅子頭”、編寫了《流浪地球3》的劇本，完成“用Python編寫求斐波那契數列前30項的程序”、“編寫一個隨機數的游戲程序”等代碼生成。

　　數智前線觀察，式說將上述功能歸為“基礎能力”。而把能力重心更多放在Copilot(副駕艙)和思維鏈CoT(chain of thoughts，多步推理)上，二者也是實現AIGS的關鍵能力。

　　比如，式說要完成一個更為復雜的物流運輸行業的“裝箱”操作——將貨物放入集裝箱，如何最大化裝箱效率。現場，戴文淵下達“幫我執行一個裝箱任務”的指令后，式說便會推理出接下來一步步要執行的子任務：

　　它先確認“這是一個裝箱任務”，并自動設定了“任務目標”：分析集裝箱及小箱子的尺寸，設計裝箱方案。

　　之后，又把目標拆分成三個具體步驟：主動要求戴文淵分步驟輸入集裝箱尺寸、待裝箱貨物尺寸和數量，以及其他約束條件。

　　然后，對不同類型的箱子進行堆疊組合，經過多輪嘗試，耗時幾十秒之后，輸出了自己通過思考后在65種裝箱方案中找出的最優裝箱結果。

　　最后，在交互界面中完整展示出了自己的“思考”過程。

　　“它干這個事比我厲害，我沒半個小時做不出來。”戴文淵表示，這背后正是思維鏈的能力起了作用。簡單來說，就是在解決多步驟推理問題時，模型可以模仿人類思維過程，將復雜任務拆分，逐步推理并執行。

　　一位互聯網大廠資深人士告訴數智前線，業界現在其實還存在一種意識誤區，“很多人都在強調Chat，看到大模型熱熱鬧鬧地寫了個作文、作了一首詩，卻很少注重思維鏈，而實際上，思維鏈才是大模型背后真正最核心的東西。”

　　他舉例稱，最近國內某大型金融企業就推出了一個AI大模型產品，但從命名來看，其去掉了ChatGPT中最重要的GPT，反而保留了相對不那么重要的Chat。

　　為什么思維鏈遠比Chat重要?這就好像是如果沒有理解和推理能力，就相當于在沙漠中蓋高樓。

　　戴文淵也強調：“因為思維鏈的能力就是只有當它聰明到一定程度，干別的事也可以。”這正是通用大模型的本質。

　　以企業軟件為例，在學習企業軟件大量的數據和“套路”后，AI能形成中間的邏輯推理步驟，從而更好地配合人在軟件上執行復雜的工作。

　　“就像是PS一張照片，機器可以做到把圖片調亮20%、調一下陰影等單點步驟，但你最終的訴求并不是這些步驟本身，而是把人像修的好看。進化至’把圖P好看’就需要用到思維鏈。思維鏈的能力就像是一個人一直看著別人用PhotoShop，看了幾百遍他就學會了。”

　　這也是為什么要將思維鏈作為實現AIGS的關鍵能力的原因。

　　關于怎么提高思維鏈的問題，上述大廠資深人士告訴數智前線，目前大家都在采取各種不同的方式來探索提升思維鏈，比如一些企業喂給大模型更有邏輯性的語料，以及用到程序、提示學習等方式。

　　戴文淵稱，對于企業軟件合作伙伴來說，可以基于范式的大模型能力，在一個個領域里面鉆得足夠深，學習到足夠多的數據和攻略，最終形成所在領域的思維鏈，發展成“領域”大模型。而當思維鏈復雜度到一定程度以后，它的軟件就能夠自動執行越來越復雜的功能，最終形成壁壘。

　　02

　　如何用生成式AI重構企業軟件?

　　作為一家人工智能公司，第四范式此前一直與軟件公司互為生態，“范式做軟件里面的AI決策，軟件公司做功能和流程的實現”。但此前他們經常遇到一個問題，比如用AI改造供應鏈場景時，模型相關的工作兩周就能搞定，但整個智慧供應鏈卻往往因為軟件的開發周期需要做一年，大大拖慢了AI整體的落地速度。

　　這背后代表的是B端軟件在體驗和開發效率上的巨大改造空間。戴文淵曾在與合作伙伴交流時發現，對方給他展示行業內所使用的軟件，下拉菜單甚至已經超過電腦屏幕的大小。實際上，即便是C端的Office軟件，用戶要真正用好也是有難度的，更何況是CAD、ERP、CRM等面向功能導向、使用門檻更高的B端企業軟件。

　　生成式AI的出現，帶來了改變這種困境的機會，AI對軟件和產業的改造從原來的決策部分，進一步擴展至了前端交互。一個AIGS軟件(大概率是一個對話框的形式)，有機會創造一個體驗優秀、界面極簡、自我迭代的新型軟件工作流。

　　“之前B端企業軟件基于菜單式的開發，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。”戴文淵稱，但隨著大模型帶來的“對話框”式固定界面出現，現在功能和邏輯只需在數據、API和內容層面下功夫即可，可以提速到以天為級別的開發效率。

　　一家國內航空制造企業當日演示了與第四范式在CAD工業軟件上的共創情況。這也是一個功能菜單遠超屏幕大小的軟件，在軟件庫中，自研零部件幾十萬，型號上百萬，更別說外采零部件的信息(描述、標簽、屬性、參數)等，一般來說，廠商會投入大量時間和精力在“三維數模”的搜索、聚類、生成等設計過程中。

　　在探索引入大模型后，該企業相關負責人現場直接用語音提問，「幫我找類似的零件」，「給出這兩個零件的裝配方案」，這樣的自然語言，就能在 CAD 系統的龐大工程中，找到所有與之類似的三維數模零件，給出多種數模組裝方案。

　　“AIGS 的一小步，對我們來說已經是邁出了一大步。這些功能對于動輒需要幾百萬個零部件的飛機制造來說，將帶來巨大的生產力提升。”相關負責人表示。

　　實際上，這樣的創新符合國內制造龍頭在工業軟件上的創新趨勢。數智前線此前了解到諸如造船業要涉及幾乎80%的工業門類，使用幾十種工業軟件，這些軟件主要來自國外不同供應商，他們都是封閉的，導致數據在設計、制造、采購、維修等流程中無法流轉。國內已有龍頭企業對工業軟件從底座上進行改變，以提升效率。而AIGS對數據流轉和傳統軟件開發應用將帶來巨大變革。

　　03

　　AIGS在行業中的共創

　　在提出AIGS理念并迭代相關技術的同時，第四范式已將其帶入行業，在場景中與行業龍頭進行聯合創新。

　　4月26日當天，一批來自金融、醫療、航空制造等領域的企業，也在現場分享了他們有關大模型的思考和實踐。

　　一家醫療企業已經開始探索將式說大模型引入到患者關懷、醫生提效、業務助力等關鍵場景中。比如基于專業知識，用生成式AI為患者提供更加專業、真實、符合個人情況的關懷。比如幫助醫生提醒沒有按時隨訪、且指標有可能存在異常的患者。比如通過模型思維鏈能力，賦能醫藥代表如何一步步解答醫生疑慮，更好地完成業務目標。

　　不過，通過生成式大模型改造生產力的過程并非一蹴而就，戴文淵總結為三個階段：

　　1.0階段是以Copilot將企業軟件改造成自然語言的交互形式，背后是企業內部應用庫、私有數據之間的“聯網”;

　　2.0則在這個基礎上，基于Copilot不停地豐富對話框的能力，并且積累企業用戶的行為數據來形成基于企業規則的“知識庫”，這個“知識庫”可以作為AI一次次執行復雜工作的“攻略”;

　　最終的3.0，具有推理能力的大模型會自己形成中間步驟，從而替人來拆分并執行復雜工作。

　　但這個跨越需要建立在大量數據以及行為數據的積累之上。“通常絕大多數企業會直接從AIGS的1.0階段快速進入到2.0，而3.0是需要一定的時間去進行數據積累的。”戴文淵說。但他也表示，隨著大模型能力的加強，3.0并不像以前那樣需要積累幾百萬、上千萬的樣本才能做。

　　第四范式主任科學家涂威威介紹，目前已搭建了一個在AIGS領域的四層布局，分別是底層的式說大模型，能力層的思維鏈CoT、Copilot、知識庫，平臺層的開發平臺，以及基于上面這三層，在金融、零售、醫療、制造、能源、交運領域開發的企業級應用。

　　一家金融企業的人士現場表示，他們在感受到ChatGPT帶來的沖擊后，就第一時間聯系了國內能做這方面能力的企業咨詢相關事宜。“這是我們必須面對的挑戰和做出的變化，不能逃避。”該人士表示。最終，他們選擇了第四范式，因為它是第一家向他們承諾能私有化部署的企業。

　　大模型的私有化部署的確已經成為一些國內企業的迫切需求。"像金融行業相對是比較敏感的，當然也有些行業其實不那么敏感。”戴文淵表示。