4月26日，第四范式首次向公众展示其大模型产品「式说3.0」，并首次提出AIGS战略（AI-Generated Software）：以生成式AI重构企业软件。式说将定位为基于多模态大模型的新型开发平台，提升企业软件的体验和开发效率，实现「AIGS」。
第四范式创始人兼CEO戴文渊表示：“C端产品已经逼近用户体验的上限，而B端的企业级软件往往是个十分复杂的执行系统，堆砌十几层菜单和成千上万功能也不算多。”
戴文渊认为，目前这些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。
“过去很难通过人类语言（自然语言）的方式去调用企业软件的功能，现在当我们有更强的语义理解和生成能力，再加上GPT任务翻译、任务分发和推理的能力，就可以通过更好的「对话框式」交互方式实现功能的调用，不再需要找到某个位于十几级的菜单目录之下的功能。”
这背后还是大模型的能力。第四范式现场拔网线，展示了式说大模型的图片理解、多轮对话、写小说、迅速画图等能力。
此外，现场展示了式说通过推理能力完成更加复杂的“装箱”操作，以及其现场编写代码的能力。
在戴文渊看来，要做到AIGS，大模型未必需要是知识广博、十项全能冠军的通才，更重要的在于模型具备Copilot（副驾舱），和思维链CoT（chain of thoughts，多步推理）的能力。
“要去改造企业软件，大模型不能只有语言能力。式说2.0就加入了多模态和Copilot，因为很多企业软件里的数据是多模态的，而Copilot能把人的指令翻译成要调用后台的哪个API。”此前发布的式说2.0的Demo中，门店员工通过语音、文本等交互方式向式说发起指令，式说理解后，联网门店监控软件调出后厨未戴口罩的图片，并直接将图片以对话框的形式输出给员工。
大模型去调用软件内置的一个个功能、数据来「对话框式」完成任务，已经能产生巨大价值。但员工用企业软件时也会面临复杂任务，需要人按照顺序执行一个个功能。
因此，式说3.0强调的是Copilot加上思维链CoT，具有更强的推理能力，在学习大量数据和“攻略”后，能形成中间的逻辑推理步骤，从而做到拆分并执行复杂工作。
第四范式将AIGS的路径总结为三个阶段：
第一阶段，Copilot调动不同的信息、数据、应用，作为助手完成用户的指令。相当于在所有企业级软件系统里，配备一个指挥官。指挥官听用户的指挥，比如“把照片亮度调亮20%”。
第二阶段，Copilot+基于企业规则的“知识库”，AI能够参照规则做复杂工作，进一步丰富了「对话框」的能力。比如AI查询了“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AI针对这个领域的思维链，意味着“把照片处理得更好看”这种复杂指令，AI能自动地按照步骤完成。
第四范式的AIGS战略，就是指基于式说大模型背后的Copilot+COT能力，把企业软件改造成新型的交互范式，并在新型交互上不断地学习软件的使用过程，形成领域软件的“思维链”。
在我国航空制造代表企业的实际场景演示中，其与第四范式基于Copilot技术，联手改造了某工业设计软件。
现场某医疗行业的实际场景演示中，式说的“思维链”能够清晰指出将药品销售出去的具体步骤。
最终，由于新的交互形式的出现，企业软件的开发效率变得更高。以前是功能和执行逻辑被编排在软件界面，每次一个功能升级，都要周而复始的经历原型图、设计、开发等，至少是月级别的开发时间。而现在由于「对话框式」的界面是固定的，功能和逻辑被改写在数据、API和内容层面，变成了天级别的开发效率。
值得一提的是，在式说3.0发布现场，来自航空制造、金融、医疗等行业的客户代表出席并做产品的livedemo演示。ChatGPT出现的短短两个月内，众多企业与合作伙伴已经与范式在生成式AI方面开展了深度合作。式说作为基于大模型的新型开发平台，期待与更多合作伙伴与企业客户及一起，探索以生成式AI重构企业软件的机会，共同提升企业软件的易用性和生产力。
关于大模型：
1、第四范式什么时候开始关注投入GPT和大模型：
在BERT出来的时候，范式研究院就开始关注并投入在这个技术领域，GPT3出来以后更加明确了要朝这个方向。不过相比今年的投入，过去几年肯定还是有差距的。ChatGPT对我们最大的帮助，就是整个市场的信心一下从0调满了，确定性的投入更大了，再往后就是变成产品、变成商业化的路线往市场去推。
2、是否跟同行做过对比？
中国目前还没有像OpenAI那样在大模型上绝对领先的公司，也会有更多的大模型。大模型是新的生产力，大家都得有大模型作为底座，所以入局的门槛确实是变高了。
但是在达到这个门槛之后，重点在于如何选择方向。比如培养了一个大学生后，到公司再接受专业的训练，在某一个领域积累专业的能力，这是很重要的。但不具备一定的素质有很多事就干不了，所以底层的大模型也很重要。
第四范式认为比较大的机会在于改造整个的企业软件行业，也就是AIGS这个方向。发力的大模型技术方向是Copilot可控（执行可控、知错能改），和思维链COT（（chain of thoughts，多步推理、复杂任务拆分）的能力，形成数据飞轮（比如将某垂直领域的数据和流程投入大模型，很快可以形成模型在该领域的思维链）。
3、式说在短短两个月的时间已经发布了3个版本，从1.0-3.0这中间的迭代过程是？
1.0——ChatGPT火了之后，大部分的客户和伙伴还没有真的使用上GPT类似的技术，我们当时出了第一代的产品。式说1.0有生成语言的能力，并且解决GPT技术应用时内容可信、数据安全和成本的三大问题。当时主要的场景就是文库问答，相当于让GPT学习的企业知识后，可以解答专业问题，并且是可溯源的。
2.0——在式说语言能力基础上，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。以与企业内部应用库、企业私有数据等进行联网，对信息和数据进行分析，回答员工的问询或执行相关任务，从知识助手成为业务助手。
3.0——在生成式和语言能力的基础之上，3.0发力Copilot和思维链COT（多步推理、复杂任务拆分、形成数据飞轮），改造传统B端企业软件的体验与开发效率，我们叫AIGS（AI generated software），以生成式AI重构企业软件。
关于AIGS：
4、为什么想到做AIGS（software）？什么是AIGS？
C端的软件体验在过去的十几年已经被打磨到了比较高的水准，你用对话未必就一定更好用。但是B端（想象一下在企业报销系统、HR系统、OA系统），体验还是比较差的。可能你在菜单里面点一个下拉菜单，再点下拉菜单，再点几下才能进入到某一个功能。
过去很难通过自然语言的方式去调用这些功能，现在当我们有更强的语义理解的自然语言的时候，可以通过更好的交互方式去实现功能的调用，从而实现用新型的通过语音/对话的交互模式，去替代老的交互，从而使B端企业软件的体验迅速一个颠覆式的提升。
其次是开发效率的提升。原先B端企业软件都是高度定制化的，基于菜单式的开发，基本每次一个功能升级，又要产品经理画界面，设计、开发等，至少是月级别的开发时间。而由于新的交互形式的出现，以前是功能和执行逻辑被编排在软件界面，现在功能和逻辑被改写在数据、API和内容层面，变成了天级别的开发效率。
就像ChatGPT不再是一个复杂的菜单和一堆的功能，只需要一个对话框就能做很多事情。并且它背后每天都在迭代，但你感受不到它的界面发生了什么变化。以前软件是在界面层面的升级，未来是在数据层面的升级。
我们看到大模型能够带来用户体验的提升，开发效率的提升，所以一定会形成软件行业的飞跃，就是谁率先能做出来的问题。这是一个巨大的市场。大模型是新的生产力，以大模型基础设施为先导项目，改造整个软件产业，整个行业的业务价值、商业模式都会得到飞跃。
5、式说如何能实现AIGS？
去改造软件大模型不能只有语言能力。式说2.0就加入了多模态和Copilot，因为很多企业软件里的数据是多模态的，而Copilot支持用对话去调用软件内置的一个个功能/数据来完成任务。2.0的时候，员工可以通过语音、图像、表格、视频等多模态方式向式说发起询问或下达指令，式说理解之后，联网企业软件调出有关功能，并以所需要的形式输出答案。
我们去完成任务的时候，往往不完全是一个功能。比如说图像处理软件，如果你要调亮度、对比度，这是功能。但如果是将人物P瘦一点，它就不是一个单一功能能实现的了。这背后需要人按照经验，执行软件的一个个的功能才能实现。
人接收到复杂的工作，会在大脑里推理出一步步要执行的子任务，然后再按步骤去执行。换成机器，如果对于同一个工作，机器在过去见到过足够多的人（累积数据）通过一二三四步把这个工作完成了，它已经可以这个套路总结出来，就形成了思维链。
所以式说3.0强调的是Copilot加思维链CoT。大模型用更强的CoT推理能力，去不断学习新领域的思维链，相当于用软件本身的使用行为，去构建AI针对这个领域的思维方式。
对于企业软件合作伙伴来说，可以基于范式的大模型能力，在一个个领域里面钻的足够深，学习到足够多的数据，最终所形成领域的思维链，发展成“领域”大模型。当思维链复杂度到一定程度以后，它的软件就能够自动执行越来越复杂的功能。
6、过去范式做的事对此有什么积累？
首先，范式拥有做大模型的技术能力。虽然先知不是做通用模型的定位，当时定位是做专用模型，但先知一直强调模型是要高维的，所谓的高维其实就是参数，要把模型做大，就像GPT3.5是1700多亿的参数，这是从技术上来说能平移过去的地方。此外范式拥有国内领先的研究院、工程化、产品力的全栈技术能力。
其次，范式原有市场和新市场所面对的产业链正好是上下游。以前AI更像是一种重要零件或者元器件，这些以外的其他地方不是AI覆盖，是企业软件覆盖。企业软件经过了这么多年发展，基本上能把所有的事都覆盖了。范式和软件公司一直互为生态，范式做的是软件里面的AI决策，软件公司做功能和流程的实现。比如AI预测出门店明天要运多少鸡翅，这需要放到门店管理的系统里。
我们互相共生也很了解，看到GPT3时已经知道了，是可以帮助到企业软件市场的。做这个事情还是需要非常强的一个行业积累，第四范式过去几年在行业里面扎得还是比较深的，我们对AI产业化的深层次理解，更清楚明白大模型作为新生的生产力工具，如何落地才能产生最大的价值。
