第四範式創始人、CEO 戴文淵（來源：钛媒體 App 編輯拍攝）
ChatGPT 熱潮下，又一家 AI 公司入局國産大模型賽道中。
钛媒體 App 獲悉，4 月 26 日下午，人工智能（AI）平台公司第四範式在北京推出其 GPT 大模型産品 " 式說 3.0"（4Paaradigm SageGPT），并首次提出 AIGS 戰略（AI-Generated Software），即生成式 AI 重構企業軟件。而 " 式說 " 将定位爲基于多模态大模型的新型開發平台，以提升企業軟件的體驗和開發效率實現 AIGS。
會後，第四範式創始人、CEO 戴文淵向钛媒體 App 表示，目前 " 式說 " 大模型參數量并不固定，最高達到千億個，産品已經有十多家企業内測合作。
" 參數量其實是一個辯證的問題，我們沒有一個固定的參數，給到不同客戶的參數量也是不一樣的，會根據客戶不同場景，可能會有幾十億、幾百億參數版本。千億萬億參數隻是代表你最高的能力，但高參數意味着思維能力要求更高、算力高，而客戶場景不一定需要這麽高的算力要求，因爲不是所有場景都能接受千億參數量成本，所以客戶要選擇（大模型）。" 戴文淵強調，此前 B 端的企業級軟件的交互體驗極爲複雜，拉低了産品開發效率，如今生成式 AI（AIGC）對 B 端軟件重構和改造空間足夠大。" 式說 " 每天都在進步。
據悉，第四範式成立于 2014 年，主要爲企業端服務，聚焦于決策型 AI 領域，提供以平台爲中心的 AI 解決方案，目前該公司解決方案已應用于金融、零售、制造、能源電力、電信及醫療等行業。最新招股書顯示，2022 年，第四範式營收達 30.83 億元，同比增長 52.7%，過去五年虧損淨額達 53 億元。（詳見钛媒體 App 前文：《第四範式四赴港股 IPO：2022 年營收 31 億，過去五年虧 53 億元》）
相比其他産品，第四範式的大模型更偏向于企業生産力。該公司表示，在 2018 年谷歌推出 BERT 之時，第四範式旗下範式研究院就開始關注并投入在這一技術中，GPT-3 出來後更加明确了方向，ChatGPT 對其的幫助就是确定性的投入更大了，第四範式正把 GPT 模型從産品推進到商業化市場中。
今年 3 月，第四範式公布了企業級（To B）AIGC 産品 SageGPT（式說大模型），主要解決垂直行業生産力問題。戴文淵稱，相比最初 1.0 版本，如今 " 式說 3.0" 增加了多模态、Copilot（創作工具）以及思維鏈 CoT，具有更強的推理能力，在學習大量數據和 " 攻略 " 後，能形成中間的邏輯推理步驟，從而做到拆分并執行複雜工作。
據第四範式 4 月 24 日提交的招股書顯示，ChatGPT 這類生成式 AI 大型語言模型（LLM）是一種通用 AI 模型，與此前第四範式聚焦的決策類 AI 屬不同技術體系，因此意味着 " 式說 " 屬于該公司第二個技術體系路線。該公司引述灼識咨詢稱，未來 AI 技術将不會是由通用 AI 模型主導，而是可能更加多樣化，當中通用 AI 模型（如 LLM）和專門的 AI 系統（如決策類 AI 模型）會就不同目的共存，底層技術及使用場景兩者有本質上差異，兩者在價值定位上更具互補性而非互相競争。
對于 GPT 是否會取代決策類 AI 軟件方案，戴文淵告訴钛媒體 App，從商業化角度來說，兩者都在其一個解決方案中，解決兩種問題。具體來說是根據客戶需求分爲策略和執行，如果企業策略、管理就用決策類 AI，而解決執行問題、數字化員工時用生成式 AI 技術（如 GPT）。" 這就是量變到質變的過程。量變是，有了生成式 AI 會變得更快，而在決策類 AI 指導下，企業能更好地完成它的‘質變’，兩者間是一個相輔相成的關系。"
據悉，" 式說 3.0" 能夠處理視頻、圖像、語音、文本等形式的查詢及任務，把這些信息轉化成用戶軟件能讀得懂的指令，軟件輸出響應後，能将結果展示出來。
爲了表達 " 式說 3.0" 不是線上調用 ChatGPT，戴文淵在現場讓團隊切斷公網、訪問内網集群。随後，他演示了 " 式說 3.0" 的文生圖、對話、寫文章和寫代碼等能力。比如問 " 五一要去矽谷旅遊，有什麽推薦的地方 " 會反饋谷歌、斯坦福大學等景點信息。
不過，在輸出《流浪地球 4》劇本大綱以及生産 5nm 人工智能芯片步驟等問題時，式說存在一些邏輯和回答不清等。後來戴文淵解釋稱，這主要是沒有基于知識庫的對話理解，他強調語言組織能力是否好比回答正确與否更關鍵。
在現場，第四範式還請了三家客戶企業代表，上台演示與 " 式說 3.0" 合作的大模型應用落地産品。
其中在航空制造領域，第四範式幫助改造飛機數模軟件的交互形式，研發者上傳零配件圖紙并輸入文字要求，軟件就能幫助搜索相似的零件，或者提供零件裝配的建議；在醫療領域的随訪管理軟件上，醫生可詢問當天随訪時指标超标的病人信息，軟件便能理解醫生的要求，提供相關信息，而且大模型可在用戶關懷、業務績效、醫藥工廠的庫存管理等場景解決實際問題；在金融領域，" 式說 3.0" 的問答形式可以準确解釋、說明金融産品和其帶來的風險措施。
金融客戶代表在演講中提到，他們更關心大模型在企業落地時面臨的挑戰，包括内容可信風險、數據安全風險和落地成本高昂，成本是其中重要的選擇理由。" 外面一個大模型訓練一次成本要 460 萬美金，不是我們這樣中小銀行能夠扛得住的。我們是小玩家，因此這部分使用成本要達到我們可接受的範圍内。"
戴文淵表示，由于新的交互形式的出現，企業軟件的開發效率變得更高。以前月級别的軟件開發時間，現在 GPT 潔面隻需要一個 " 對話框 "，大量語料都可以輸出，隻需改背後的數據、API 和内容，因此開發效率變成了天級别的，而且式說大模型還會 update 不斷更新。
當被問及與其他大模型的市場競争時，戴文淵坦言，大家的市場策略是不同的，尋找自身定位比競争更重要。
" 很長時間很多人問我一個問題，就是你們怎麽跟商湯競争。其實我創業到今天，從來沒有在一個客戶那裏碰到過商湯。我們把 AI 拿掉，可能是 salesforce，如果商湯把 AI 拿掉可能是海康威視。你說海康威視怎麽跟 salesforce（SAP）競争。其實大模型也是一樣的，未來會是一個非常寬泛的話題。很難說怎麽競争，但至少第四範式是在 AIGC 領域的定位比較清楚的。我相信很快大家都會找到自己的定位，而不是所有人都是競争對手。"戴文淵表示。
對于算力和美國制裁帶來的采購影響，戴文淵坦陳，在出口管制約束下，相對美國 AI 公司，中國公司在大模型上的相對劣勢便是算力成本，芯片無法進口。但他提到有兩大機遇，一個是 " 東數西算 " 戰略實施可節省計算成本，另一個是對 GPU（圖形處理器）的國産替代抱有信心。AI 視覺領域追求的是單卡計算速度，現在大模型更看重卡間并聯，國産 GPU 可以未來在存儲計算分配、帶寬調整等卡間并聯相關任務上革新。
戴文淵向钛媒體 App 強調，GPT 大模型成本比決策類 AI 成本更低、效果更好一些。前者訓練一次能落地到不同的場景當中，後者成本降低需要覆蓋很多生産、人力成本等，邊際成本不如 GPT 大模型更大、更有價值。但問及第四範式何時能盈虧平衡時，他沒有回應。
"AIGC 浪潮已經開始了。未來可能每一天都會給我們帶來很多的驚喜，包括我們自己也在享受着每天都有新的成果的出現。今天我們分享了第四範式在 AIGC 領域的盈利、願景、實踐技術，我們想做的‘式說’這種生成式 AI 技術可以重構起生産力，即所謂的 AIGS。而我們現在做到的其實隻是小小的一部分，并且每天會發現這件事比我們想象的會更大。在未來的日子裏面，我們也會全力以赴來實現願景。" 戴文淵在演講結尾稱。（本文首發钛媒體 App，作者｜林志佳）
更多精彩内容，關注钛媒體微信号（ID：taimeiti），或者下載钛媒體 App
