年初以來，關(guān)于大模型落地應(yīng)用的呼聲愈發(fā)高漲，越來越多的目光開始瞄向行業(yè)大模型。

在這一敘事體系下，大多數(shù)企業(yè)思考的核心問題開始變成大模型能夠給企業(yè)帶來什么，企業(yè)又該如何將自身業(yè)務(wù)更好地與 AI 技術(shù)做結(jié)合。

但，「拿著錘子找釘子」真的是這一波 AI 浪潮中行業(yè)大模型落地的正確姿勢嗎？

第四范式聯(lián)合創(chuàng)始人兼總裁胡時偉告訴雷峰網(wǎng)，在與企業(yè)溝通時，相較于企業(yè)追問 AI 能夠給自己帶來什么，他更傾向于讓企業(yè)思考自身最想要的是什么。

「你要思考企業(yè)面臨的核心問題是什么？再思考能用大模型創(chuàng)造什么樣的價值？」

技術(shù)發(fā)展的本質(zhì)是解放生產(chǎn)力、解決實際問題。相較于「拿著錘子找釘子」式地在企業(yè)經(jīng)營管理的「長鏈條」邊緣側(cè)敲敲打打，那些關(guān)于自身「生存」與「擴張」的根本問題，才應(yīng)該是企業(yè)在談?wù)撔袠I(yè)大模型時的核心思考。

大模型落地的關(guān)鍵：從企業(yè)頂層戰(zhàn)略介入，提升核心競爭力

某餐飲連鎖集團(tuán)是國內(nèi)餐飲連鎖翹楚之一，在全國擁有近 13000 家門店，覆蓋 1700 多個城鎮(zhèn)，發(fā)展勢如破竹的同時面臨著競爭對手的步步緊逼。

在與第四范式以往的合作中，該集團(tuán)曾要求制作一款 AI 招聘產(chǎn)品，投入使用后效果很好，省下了幾百萬元的招聘費用。但第四范式與該客戶的后續(xù)交流中，反復(fù)引導(dǎo)客戶思考，用 AI 僅幫自己節(jié)省幾百萬的招聘費用，能不能提升企業(yè)的核心競爭力？真正決定和競爭對手拉開差距的企業(yè)核心競爭力究竟是什么？

是坪效。

集團(tuán)當(dāng)時的線上化轉(zhuǎn)型困難重重，僅僅把銷售渠道搬運到線上，卻不把消費者在線下門店獲取的有溫度的、個性化的體驗帶到線上，線上化轉(zhuǎn)型不可能成功。了解到客戶的核心痛點之后，第四范式用行業(yè)大模型為該集團(tuán)重塑線上系統(tǒng)，將坪效鎖定為線上化轉(zhuǎn)型的北極星指標(biāo)，用 AI 技術(shù)不斷改善用戶體驗，提供專屬服務(wù)，真正做到千人千面，千店千面，最終成功轉(zhuǎn)型。截至 2023 年，該集團(tuán)核心業(yè)務(wù) 89% 的訂單，來自于線上。

第四范式作為一家從成立起就定位為用 AI 技術(shù)幫助客戶實現(xiàn)數(shù)字化轉(zhuǎn)型的企業(yè)，在十多年的實戰(zhàn)中得出了經(jīng)驗——技術(shù)越是狂熱，越是需要冷思考大模型落地的關(guān)鍵是什么，或者說，行業(yè)大模型的真正價值是什么。

其實，面對 AI 大模型強大能力的興奮和自己無法融入時的無措，是大多數(shù)企業(yè)的縮影。

今年年初開始，經(jīng)過去年持續(xù)一年多的「百模大戰(zhàn)」，國內(nèi)通用大模型市場走向收縮，加速大模型在各大場景中的落地應(yīng)用成為主旋律，專業(yè)性更強、性能更優(yōu)的行業(yè)大模型逐漸興起。千行百業(yè)的企業(yè)開始興奮，早早伸開雙臂，呼喚大模型的到來。

數(shù)據(jù)顯示，2025 年全球生成式 AI 市場規(guī)模將達(dá)到 100 億美元以上。其中，企業(yè)級生成式 AI 市場將占據(jù)相當(dāng)大的份額，成為最大的應(yīng)用領(lǐng)域之一。

然而理論很美好，可在具體行業(yè)、具體企業(yè)的實際推進(jìn)上，效果并不明顯。

一些大模型從業(yè)者向雷峰網(wǎng)反映，在與企業(yè)接觸的時候往往發(fā)現(xiàn)，他們一邊期待可以早點擁抱大模型，快速應(yīng)用，另一邊卻又不懂技術(shù)，茫然無措，不知該在業(yè)務(wù)的哪個環(huán)節(jié)應(yīng)用大模型，以及該如何應(yīng)用，「企業(yè)里面缺少真正從業(yè)務(wù)到 AI 連接的人員。」

而對于大模型從業(yè)者來說，不像企業(yè)那樣深度了解各個業(yè)務(wù)環(huán)節(jié)的運行，無法精準(zhǔn)摸清最需要大模型的是哪一環(huán)節(jié)。

就這樣，雙方就卡在這一「鴻溝」上相持不下，最初的熱情也在一次次不那么美好的實踐效果中冷卻，大模型難以真正在場景中落地應(yīng)用。

但胡時偉告訴雷峰網(wǎng)(公眾號：雷峰網(wǎng))，其實沒那么難，關(guān)鍵在于要弄清楚大模型落地的本質(zhì)，是作為一種工具來實現(xiàn)企業(yè)的最核心訴求——解決核心問題，提升核心競爭力。

第四范式聯(lián)合創(chuàng)始人兼總裁胡時偉

「行業(yè)大模型的真正價值，在于為企業(yè)解決核心業(yè)務(wù)痛點的場景大模型集合，這些行業(yè)大模型將成為 AI +千行百業(yè)的新型基礎(chǔ)設(shè)施?！购鷷r偉說道。

而圍繞這一實際訴求，行業(yè)大模型在落地應(yīng)用過程中需要解決的三大核心問題也變得清晰起來。

一是價值，即明確 AI 或者說行業(yè)大模型要解決的行業(yè)核心問題是什么，這是根本，不同的行業(yè)場景有不同的核心問題。比如，零售行業(yè)場景的核心問題是如何做好供應(yīng)鏈；醫(yī)療健康管理場景的核心問題是怎么做好診斷和預(yù)防；金融風(fēng)險管理場景的核心問題是如何實施風(fēng)控。

二是數(shù)據(jù)，大模型需要訓(xùn)練，沒有數(shù)據(jù)就沒法訓(xùn)練。企業(yè)一般覺得這不是問題，自身的數(shù)據(jù)倉庫里存放著大量的數(shù)據(jù)，但是他們沒有意識到那些數(shù)據(jù)根本不是解決這個問題所需要的數(shù)據(jù)。甚至可以說，如今大量企業(yè)能夠有效用到的數(shù)據(jù)不到其整體的 5%。

對于行業(yè)大模型而言，不僅需要通用語料庫，還需要針對具體行業(yè)、具體場景的專業(yè)語料庫，這意味著需要對各業(yè)務(wù)產(chǎn)生的數(shù)據(jù)進(jìn)行處理、標(biāo)注，才能得到可以用于大模型訓(xùn)練的有效數(shù)據(jù)，「真正優(yōu)質(zhì)的數(shù)據(jù)由人與人之間的互動過程產(chǎn)生」，而不是任意、隨機生成的數(shù)據(jù)。

三是模型，模型是需要迭代的，這意味著即便有現(xiàn)成的模型也不能拿過來直接用，也要針對企業(yè)自身的場景、問題，一輪一輪迭代、調(diào)試，解決一個又一個具體的問題。

「只要把這三大核心問題解決了，那么算力、行業(yè) Know how 等影響行業(yè)大模型落地的問題就都不是問題了?！?/p>

可對于企業(yè)來說，知道了什么是有價值的、所在行業(yè)的核心問題是什么、訓(xùn)練大模型需要怎樣的數(shù)據(jù)，就能選擇出適合的大模型，來加速自身的數(shù)字化轉(zhuǎn)型嗎？

顯然，這并不是一件容易的事情。

比如，零售行業(yè)、醫(yī)療行業(yè)、金融行業(yè)場景的一些核心問題分別是如何做好供應(yīng)鏈、做好診斷和預(yù)防、實施風(fēng)控，而相對應(yīng)的數(shù)據(jù)模態(tài)依次是監(jiān)測數(shù)據(jù)、體檢報告、風(fēng)險評估報告等，這些都不是語言，如果僅僅把這些行業(yè)知識灌輸?shù)酱笳Z言模型中，也只能做到「隔靴搔癢」，根本無法解決核心問題，實現(xiàn)企業(yè)的本質(zhì)訴求。

那怎么辦？

第四范式十年的行業(yè)大模型實踐心得：降低應(yīng)用門檻，做有價值的AI

今年 3 月，第四范式發(fā)布先知 AIOS 5.0行業(yè)大模型平臺，基于各行業(yè)場景的 X 模態(tài)數(shù)據(jù)，構(gòu)建行業(yè)基座大模型，以解決當(dāng)前行業(yè)大模型只能將行業(yè)文本數(shù)據(jù)「喂」給大語言模型、生成下一個 token 的問題，從而促進(jìn)大模型在更為廣泛的場景中落地應(yīng)用。

怎么理解？

我們都知道，當(dāng)前以 OpenAI 的 GPT 為主流的大模型本質(zhì)是預(yù)測下一個 Token，即 Predict the next X 中的 X 指的是大語言模型中的文本。那么，面對當(dāng)前不同行業(yè)場景的核心訴求，能不能試著將 X 的內(nèi)涵延伸到不同的模態(tài)數(shù)據(jù)？

答案是可以的，第四范式此次所推出的行業(yè)大模型平臺「先知 AIOS 5.0」就進(jìn)一步升級了預(yù)測下一個 X 的能力。對于不同行業(yè)場景的企業(yè)來說，只要在平臺上傳其核心模態(tài)數(shù)據(jù)，就可以訓(xùn)練出符合其需求的行業(yè)大模型，大大降低了訓(xùn)練門檻，不再讓應(yīng)用大模型遙不可及。

這是第四范式作為一名行業(yè)「老兵」，在過去十多年的實戰(zhàn)中獲得的經(jīng)驗。

其實，如果仔細(xì)看，拋開 Transformer、GPT 的定義才算大模型，從解決實際問題的角度出發(fā)，第四范式做行業(yè)大模型的時間線由來已久。2014年第四范式成立，是國內(nèi)最早思考「通用智能」的 AI 公司——提出做 AutoML，本質(zhì)是為了減輕 AI 項目定制化中機器學(xué)習(xí)工程師的工作量。

胡時偉告訴雷峰網(wǎng)，第四范式成立的目的主要就是想把機器學(xué)習(xí)這件事情給應(yīng)用到解決行業(yè)實際問題中。

而第四范式創(chuàng)始人兼 CEO 戴文淵也多次公開表示，「從十年前創(chuàng)業(yè)第一天開始，第四范式做的就是行業(yè)大模型?！?/p>

其實我們也可以從先知 AIOS 平臺的每一次迭代中窺探到這一點。從 1.0 到 5.0，十年間，先知 AIOS 歷經(jīng) 5 次升級，而每一次的技術(shù)迭代，都是針對彼時企業(yè)在應(yīng)用 AI 時的痛點問題，圍繞著降低門檻、提升開發(fā)效率的訴求，一步步推進(jìn)，做有價值的 AI，一如第四范式從第一天起就明確的價值觀——AI for everyone。

2014 年 12 月，先知 AIOS 1.0 首次推出，據(jù)胡時偉介紹，當(dāng)時企業(yè)自稱有業(yè)務(wù)、有數(shù)據(jù)，只差算法，于是就先做機器學(xué)習(xí)算法，通過高維、實時、自學(xué)習(xí)框架大幅提升模型精度。但之后發(fā)現(xiàn)，對于企業(yè)來說，生產(chǎn)系統(tǒng)、基礎(chǔ)設(shè)施并不像想象的那么完備，無法解決深度學(xué)習(xí)的新架構(gòu)問題，于是，第四范式開始推進(jìn)先知 AIOS 2.0。

2017 年先知 AIOS 2.0 發(fā)布，它解決的是基礎(chǔ)架構(gòu)等問題，可利用自動建模工具 HyperCycle，大幅降低模型的開發(fā)門檻，開始真正在企業(yè)中發(fā)揮實質(zhì)價值、落地生產(chǎn)應(yīng)用。

緊接著，第四范式發(fā)現(xiàn)，雖然企業(yè)有大量的數(shù)據(jù)，但那些都是用來做數(shù)倉的數(shù)據(jù)，沒有標(biāo)注，缺乏真正用來培養(yǎng)機器智能的數(shù)據(jù)。于是，第四范式開始加快先知 AIOS 3.0 的研發(fā)步伐，希望把數(shù)據(jù)這一問題快點解決。

之后，等到 2020 年發(fā)布的先知 AIOS 3.0 平臺，規(guī)范了 AI 數(shù)據(jù)治理和上線投產(chǎn)，完成了從模型構(gòu)建到落地應(yīng)用的「最后一公里」。

而等到先知 AIOS 4.0 的研發(fā)階段時，第四范式開始琢磨企業(yè)還有哪些問題沒有解決，后來發(fā)現(xiàn)，企業(yè)不知道該拿先知平臺來做什么，雖然能在場景中使用，但發(fā)揮的價值不高。

于是，沿著為企業(yè)創(chuàng)造最高價值的目標(biāo)，2022 年第四范式發(fā)布的先知 AIOS 4.0 ，引入了北極星指標(biāo)，添加了管理層面的能力，最大化發(fā)揮 AI 的應(yīng)用價值，以提升企業(yè)核心競爭力。

之后，就是今年 3 月推出的先知 AIOS 5.0，提供了各類開發(fā)工具以及企業(yè)級模型納管平臺，業(yè)務(wù)人員可通過自然語言交互（企業(yè)級AI Agent）的方式，實現(xiàn)行業(yè)大模型的構(gòu)建、優(yōu)化、報告、管理全流程。

據(jù)第四范式 2024 年第一季度財報數(shù)據(jù)顯示，前三個月，第四范式實現(xiàn)營收 8.28 億元，同比增長 28.5%。其中，先知平臺收入 5 億元，在總收入中的占比高達(dá) 60.6%，已然成為第四范式的核心業(yè)務(wù)。

目前，以先知 AI 平臺為核心，以及 SHIFT 智能解決方案、第四范式式說 AIGS 服務(wù)，共同組成第四范式的三大主要業(yè)務(wù)板塊。

SHIFT 智能解決方案是基于第四范式底層 AI 能力，以及和生態(tài)伙伴的行業(yè)實踐經(jīng)驗，沉淀出各行各業(yè)的智能解決方案產(chǎn)品。

AIGS 平臺，即「以生成式 AI 重構(gòu)企業(yè)軟件」，在今年 4 月第四范式發(fā)布「式說3.0」大模型時正式提出，這是基于「式說」大模型能力打造的生成式 AI 軟件開發(fā)平臺，也可視為第四范式在大模型商業(yè)化方向的開拓。

「這三者形成一個閉環(huán)，不斷迭代，不停解決具體問題，為企業(yè)創(chuàng)造價值，提升核心競爭力。」胡時偉說道。

「量變」到「質(zhì)變」，第四范式獨有的縱向 AGI 路線圖

當(dāng)行業(yè)大模型解決了企業(yè)的核心問題，提升了核心競爭力之后，或?qū)⒓铀倨髽I(yè)的數(shù)字化轉(zhuǎn)型步伐，帶來企業(yè)的核心競爭力產(chǎn)生由「量變」到「質(zhì)變」的巨大變革，加速企業(yè)朝著「下一代企業(yè)」邁進(jìn)。

怎么理解？

在胡時偉看來，隨著外部環(huán)境的競爭加大，面對劇增的的經(jīng)營壓力，很多企業(yè)試圖尋求通過數(shù)字化轉(zhuǎn)型來改變這一困境。

而相較于傳統(tǒng)的「金字塔型管理體系」，企業(yè)可以試著面向核心競爭力建設(shè)基于數(shù)字化技術(shù)的經(jīng)營管理體系，按照戰(zhàn)略數(shù)字化、策略數(shù)字化、執(zhí)行數(shù)字化和評價數(shù)字化的四大維度推進(jìn)，打造閉環(huán)的數(shù)字化迭代體系，推動企業(yè)核心競爭力從「量變」到「質(zhì)變」，率先成為「下一代企業(yè)」。

在過去的幾年里，第四范式主要聚集在使用 AI 幫企業(yè)解決從戰(zhàn)略到策略數(shù)字化的推進(jìn)，而大模型的出現(xiàn)，加速了策略數(shù)字化向執(zhí)行數(shù)字化的演進(jìn)，企業(yè)數(shù)字化轉(zhuǎn)型的步伐大大提升。

比如，上文提到的某餐飲連鎖集團(tuán)，在明確了自身的核心訴求后，第四范式以個性化點餐系統(tǒng)為切入點，為客戶量身打造了個性化的精準(zhǔn)推薦服務(wù)，不斷優(yōu)化客戶體驗，提升客單價及整體銷售額。另外，第四范式還為其構(gòu)建了 AI 平臺，讓 AI 能夠以平臺化、高效能的方式落地從線上到線下、從營銷到營運的關(guān)鍵業(yè)務(wù)場景。

結(jié)果就是，該集團(tuán)的平均客單價提升了 2%，全年銷售額增長數(shù)億元。

其實，不僅是在企業(yè)的數(shù)字化轉(zhuǎn)型上，推動企業(yè)核心競爭力從「量變」到「質(zhì)變」，率先成為「下一代企業(yè)」，在通往 AGI 的道路上，第四范式也在走著一條獨特的從「量變」到「質(zhì)變」的路徑。

當(dāng)前，關(guān)于 AGI 的定義和道路問題，業(yè)界根本無法達(dá)成共識，各路人馬爭吵不休，紛紛為自己的信仰正名。

而胡時偉更喜歡務(wù)實，想要在熱鬧中，從扎根做 ToB 的實用主義角度出發(fā)，抓住這一波浪潮中 AI 價值的「波峰」。

他認(rèn)為，AGI 并非新事物，從 2016 年的 AlphaGo，往前，上世紀(jì) 90 年代的深藍(lán)，再往前甚至是上世紀(jì) 50 年代 AI 剛興起時，人們就開始談?wù)摗?AI 替代人類」「 AI 消滅人類」等話題，其實都屬于 AGI 的范疇，幾乎每隔二三十年都會重新「熱」起來，然后再「落」下去，呈現(xiàn)「波峰波谷」式發(fā)展。

但同時還有另外一條發(fā)展曲線，那就是 AI 價值，一直是穩(wěn)固上揚式前進(jìn)。而到這一波，「AI 價值已經(jīng)達(dá)到了頂峰，政策、資本、企業(yè)、公眾全部參與進(jìn)來，相較于上一波甚至整個 AI 的發(fā)展歷史來看，都是最高點。」因此，要抓住機會，最大化發(fā)揮 AI 價值，做好行業(yè)大模型。

而當(dāng)行業(yè)大模型匯聚成海時，或許就是通往 AGI 之日。

胡時偉認(rèn)為，如果我們能夠因地制宜，結(jié)合中國市場特點，一個接一個地把每個行業(yè)、場景所需要的行業(yè)大模型做到極致，那么就可以由點到線再到面地往前推進(jìn)，而隨著覆蓋面越來越密集，最終就可以匯聚成海，從「量變」到「質(zhì)變」，最終實現(xiàn) AGI。

這就是第四范式所堅持的、不同于以 OpenAI 為代表的技術(shù)信仰派的縱向 AGI 路線。

「我國有完善的產(chǎn)業(yè)鏈，有場景，有數(shù)據(jù)，有行業(yè)進(jìn)行數(shù)字化轉(zhuǎn)型升級的需求」，而這正是我國區(qū)別于國外發(fā)展大模型的戰(zhàn)略優(yōu)勢，或許也是即便在技術(shù)上居于劣勢，也能實現(xiàn)彎道超車的機會，胡時偉說道。

據(jù)了解，目前第四范式的行業(yè)大模型業(yè)務(wù)已在金融、制造、醫(yī)療、零售、教育、能源、地產(chǎn)經(jīng)紀(jì)等領(lǐng)域落地，距離匯聚成海時，未來可期。

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。