编辑丨林觉民

从上世纪五十年代至今，国内人工智能经历了几次潮起潮落。每一次潮起，往往都因为更 " 像人 "，而每一次潮落，更多是因为难以在产业端落地而收尾。

(相关资料图)

就像如今火遍全球的 GPT 一样，其再次把人工智能推向了又一个新高度。尤其是近两个月，各企业抓紧赶进度，出现了扎堆发布大模型的现象，" 日日新、天工、式说 ..." 等大模型产品陆续亮相。

" 大家关心的话题仍是‘参数多大？如何扩大参数？涌现了吗？’等话题，但从长远考虑，大模型如何对商业世界产生真正的影响，带来积极的变化？才是下个阶段人们更应该关注的焦点。" 第四范式联合创始人胡时伟向雷峰网表示。

" 大模型不是光靠兴奋就可以的，要找到这件事情对产业，对行业，对企业经营的价值。" 胡时伟说。

把企业数据彻底用起来

胡时伟认为，从信息化到数字化，中国走过 30 余年。但在过去没有大模型的情况下，企业的数字化主要依靠流程、人与少量的数据去完成，数字化转型往往是空中楼阁。

首先，尽管数据是企业数字化转型的关键驱动要素，但实际上，企业能用到的数据都不到整体数据的 5%。这是因为企业员工的沟通大多发生在非结构化、非系统化的场景，比如和客户交谈，员工间开会，所有这些数据几乎都是没有的。

其次，成本也是数字化转型的一大难题。胡时伟指出，优秀的 PM 与架构师只会集中于少数企业，大部分企业只能把有限的资源放在重点系统的开发上，而低价值部分则交给外部的软件供应商来应对。但软件厂商很多时候并不能满足甲方需求，企业自己做的话又会增加成本，进入恶性循环，让转型工作裹足不前。

再者，企业软件被交付后通常是固化的，但业务一定是不停变化的，久而久之与软件的 " 固化 " 之间产生矛盾。" 在企业软件固化下来之前，所有工作都要让这个软件去适配人，这个过程会反复修改、确认；而固化下来后，就开始让人适配这个软件。软件没有的功能，都要在系统外通过员工与员工之间的沟通，形成这个事的手册。"

现在大模型的出现，尤其是 AIGS（以生成式 AI 重构企业软件）这件事情，有机会把 B 端企业软件改造成 " 让员工与系统持续对话的新型交互范式 "。

" 生成式 AI 这种基于人类自然语言的对话框式交互，让今天整个（员工与员工之间）生成手册的过程，进入到了系统内部。这也是我们看到大模型在企业数字化、产业数字化上的一个根本的价值。"

从数据角度来看，大模型更强的感知能力和对话能力，让人更愿意与系统对话。而随着大量业务与对话的数据被不断沉淀在系统中，企业具备了更强的数据生产能力，甚至可以通过更低的成本来获取新数据。

胡时伟认为，从表面上看，大模型出现后有一部分人被干掉了，或一些任务被系统替代了。但从根本上理解，是被完整的数字化了。在这期间，所有用户的行为与交互数据都被记录了下来。换句话说，AIGS 的核心价值，就是能够获取传统的结构化交互模式所得不到的，另外 95% 的数据。

当然，从企业最关心的成本角度，相较于传统开发方式，AIGS 的界面通常是简洁的对话框形式，而成本压力通常被下放到大模型端。因此，企业端的定制化开发成本会大幅下降，但开发效率却能够从月级别提速到天级别。与之而来的是，业务的不停迭代也不用非得让员工延用早已过时的系统，以至于影响业务开展效率。

从应用层面出发，可数字化的场景数量也会有很大的提升。胡时伟告诉雷峰网，过去第四范式构建一个模型只能在一个场景应用，譬如搜索引擎算法只适用于搜索，这就意味着开发模型要严格计算投入产出比。

而现在，多模态大模型能力变成一个可以承接多个场景的底座。" 相比于以前我们做策略数字化（决策型 AI），如今生成式 AI，让企业数字化转型的广度和深度真正做到了数量级增长。" 胡时伟说。

从 AIGS＋CoT 中，看企业管理和组织的变革

某种程度上，AIGS 不仅会影响企业软件的开发，还会给企业的组织管理带来新的变化。

每个行业都存在同一个问题：人怎么做业务和人怎么用软件，是两件事情。

在一家上万人的产业互联网企业，优秀员工和表现不好的员工，用不同的方式完成工作，都只是把结果填进软件中。

在这个过程中，为了让优秀员工帮助差一点的人，企业往往会聘请咨询公司访谈优秀的员工，比如 " 面对不同的客户群体使用什么样的话术 " 等，根据回答生成标准行为手册，再让排名靠后的员工跟着学。

而这个标准的行为手册，就是 " 思维链 "，也是 AIGS 的一部分。

AIGS 不会给优秀员工添加负担，还会变成他 / 她的助理。用户在不断调用大模型能力的时候，自身的行为链会被大模型记录下来，然后在结合数据与行为去做标注，形成在垂直领域的任务拆分及推理能力。换句话说，优秀员工把解决问题的正确逻辑赋予了系统。差一点的员工使用对话框时，系统便可以引导他的行为。

" 思维链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。"

胡时伟指出，这个过程中，在员工不断做出反馈的数据驱使下，系统将最终达到 " 没有行为手册，却可以生成行为手册 " 的高段位，从而更好地配合人执行复杂的工作。

雷峰网还了解到，第四范式式说大模型将 AIGS 分为三个阶段去完成，思维链是第三阶段的核心能力：

第一阶段，一个叫做 Copilot 的对话框调动不同的信息、数据、应用，将企业软件改造成自然语言的交互形式，完成用户指令，比如 " 把照片亮度调亮 20%"。

第二阶段，基于企业规则的 " 知识库 "，Copilot 能够参照规则做复杂工作，进一步丰富对话框的能力。比如在查询 " 人像美化 " 知识库后，能执行把照片修好看的步骤。

第三阶段，Copilot+CoT（思维链）。软件系统的使用行为最终会被大模型学会，形成这个领域的思维链。这意味着 " 把照片处理得更好看 " 这种复杂的多任务指令，能够被 AI 自动地按照步骤完成。

" 通常绝大多数企业会直接从 AIGS 的第一阶段快速进入到第二阶段，而第三阶段是需要一定的时间去进行数据积累的。" 胡时伟表示。

胡时伟还进一步解释，AIGS 本质上改变的是员工与企业之间的沟通范式，用系统化的方式来沟通。这势必会给企业的管理和产业资源运作结构带来一些质变。

举个例子，很多企业周一开经营周会之前，经手很多个数据分析师用非常专业的 BI 软件来生成一张复杂报表。在会上，当总经理质疑某个具体数据时，往往会得到 " 这个数据有点问题 "、" 这个数据我们需要再查询一下 " 的答复。之后，数据分析团队再耗费很长时间得到一个不知是否准确的结果。

而这个过程，就涉及到数据治理的问题。但背后更大的问题，是企业 BI 软件流程复杂僵化，无法真正满足企业数字化的经营需求。

有了 AIGS，总经理可以在对话框中直接提出问题——如果你对某一项数据有更深刻的疑问，而对话框接收指令后，会帮你执行并及时提供。企业的管理活动会发生根本的变化，真正做到数据驱动、系统驱动，而不是 " 我看数据，我来决策 "。

" 相较于以前全部由人组成的企业，现在‘数字员工’有了一定比例。"

胡时伟称，基于范式的大模型能力底座，企业软件的合作伙伴可以放手深耕自己所在的领域——不断学习某个垂直领域的数据，当在一个领域里面钻得足够深，学习到足够多的数据和攻略，就能形成所在领域的思维链。

当思维链复杂度到一定程度后，该软件就能自动执行越来越复杂的功能，最终形成壁垒。

关键词：