<mark id="oztn4"></mark>
0
年初以來，關于大模型落地應用的呼聲愈發高漲，越來越多的目光開始瞄向行業大模型。
在這一敘事體系下，大多數企業思考的核心問題開始變成大模型能夠給企業帶來什么，企業又該如何將自身業務更好地與 AI 技術做結合。
但，「拿著錘子找釘子」真的是這一波 AI 浪潮中行業大模型落地的正確姿勢嗎？
第四范式聯合創始人兼總裁胡時偉告訴雷峰網，在與企業溝通時，相較于企業追問 AI 能夠給自己帶來什么，他更傾向于讓企業思考自身最想要的是什么。
「你要思考企業面臨的核心問題是什么？再思考能用大模型創造什么樣的價值？」
技術發展的本質是解放生產力、解決實際問題。相較于「拿著錘子找釘子」式地在企業經營管理的「長鏈條」邊緣側敲敲打打，那些關于自身「生存」與「擴張」的根本問題，才應該是企業在談論行業大模型時的核心思考。
大模型落地的關鍵：從企業頂層戰略介入，提升核心競爭力
某餐飲連鎖集團是國內餐飲連鎖翹楚之一，在全國擁有近 13000 家門店，覆蓋 1700 多個城鎮，發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，該集團曾要求制作一款 AI 招聘產品，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交流中，反復引導客戶思考，用 AI 僅幫自己節省幾百萬的招聘費用，能不能提升企業的核心競爭力？真正決定和競爭對手拉開差距的企業核心競爭力究竟是什么？
是坪效。
集團當時的線上化轉型困難重重，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，第四范式用行業大模型為該集團重塑線上系統，將坪效鎖定為線上化轉型的北極星指標，用 AI 技術不斷改善用戶體驗，提供專屬服務，真正做到千人千面，千店千面，最終成功轉型。截至 2023 年，該集團核心業務 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 技術幫助客戶實現數字化轉型的企業，在十多年的實戰中得出了經驗——技術越是狂熱，越是需要冷思考大模型落地的關鍵是什么，或者說，行業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，是大多數企業的縮影。
今年年初開始，經過去年持續一年多的「百模大戰」，國內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用成為主旋律，專業性更強、性能更優的行業大模型逐漸興起。千行百業的企業開始興奮，早早伸開雙臂，呼喚大模型的到來。
數據顯示，2025 年全球生成式 AI 市場規模將達到 100 億美元以上。其中，企業級生成式 AI 市場將占據相當大的份額，成為最大的應用領域之一。
然而理論很美好，可在具體行業、具體企業的實際推進上，效果并不明顯。
一些大模型從業者向雷峰網反映，在與企業接觸的時候往往發現，他們一邊期待可以早點擁抱大模型，快速應用，另一邊卻又不懂技術，茫然無措，不知該在業務的哪個環節應用大模型，以及該如何應用，「企業里面缺少真正從業務到 AI 連接的人員。」
而對于大模型從業者來說，不像企業那樣深度了解各個業務環節的運行，無法精準摸清最需要大模型的是哪一環節。
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用。
但胡時偉告訴雷峰網，其實沒那么難，關鍵在于要弄清楚大模型落地的本質，是作為一種工具來實現企業的最核心訴求——解決核心問題，提升核心競爭力。
第四范式聯合創始人兼總裁胡時偉
「行業大模型的真正價值，在于為企業解決核心業務痛點的場景大模型集合，這些行業大模型將成為 AI +千行百業的新型基礎設施。」胡時偉說道。
而圍繞這一實際訴求，行業大模型在落地應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 或者說行業大模型要解決的行業核心問題是什么，這是根本，不同的行業場景有不同的核心問題。比如，零售行業場景的核心問題是如何做好供應鏈；醫療健康管理場景的核心問題是怎么做好診斷和預防；金融風險管理場景的核心問題是如何實施風控。
二是數據，大模型需要訓練，沒有數據就沒法訓練。企業一般覺得這不是問題，自身的數據倉庫里存放著大量的數據，但是他們沒有意識到那些數據根本不是解決這個問題所需要的數據。甚至可以說，如今大量企業能夠有效用到的數據不到其整體的 5%。
對于行業大模型而言，不僅需要通用語料庫，還需要針對具體行業、具體場景的專業語料庫，這意味著需要對各業務產生的數據進行處理、標注，才能得到可以用于大模型訓練的有效數據，「真正優質的數據由人與人之間的互動過程產生」，而不是任意、隨機生成的數據。
三是模型，模型是需要迭代的，這意味著即便有現成的模型也不能拿過來直接用，也要針對企業自身的場景、問題，一輪一輪迭代、調試，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 Know how 等影響行業大模型落地的問題就都不是問題了。」
可對于企業來說，知道了什么是有價值的、所在行業的核心問題是什么、訓練大模型需要怎樣的數據，就能選擇出適合的大模型，來加速自身的數字化轉型嗎？
顯然，這并不是一件容易的事情。
比如，零售行業、醫療行業、金融行業場景的一些核心問題分別是如何做好供應鏈、做好診斷和預防、實施風控，而相對應的數據模態依次是監測數據、體檢報告、風險評估報告等，這些都不是語言，如果僅僅把這些行業知識灌輸到大語言模型中，也只能做到「隔靴搔癢」，根本無法解決核心問題，實現企業的本質訴求。
那怎么辦？
第四范式十年的行業大模型實踐心得：降低應用門檻，做有價值的AI
今年 3 月，第四范式發布先知 AIOS 5.0行業大模型平臺，基于各行業場景的 X 模態數據，構建行業基座大模型，以解決當前行業大模型只能將行業文本數據「喂」給大語言模型、生成下一個 token 的問題，從而促進大模型在更為廣泛的場景中落地應用。
怎么理解？
我們都知道，當前以 OpenAI 的 GPT 為主流的大模型本質是預測下一個 Token，即 Predict the next X 中的 X 指的是大語言模型中的文本。那么，面對當前不同行業場景的核心訴求，能不能試著將 X 的內涵延伸到不同的模態數據？
答案是可以的，第四范式此次所推出的行業大模型平臺「先知 AIOS 5.0」就進一步升級了預測下一個 X 的能力。對于不同行業場景的企業來說，只要在平臺上傳其核心模態數據，就可以訓練出符合其需求的行業大模型，大大降低了訓練門檻，不再讓應用大模型遙不可及。
這是第四范式作為一名行業「老兵」，在過去十多年的實戰中獲得的經驗。
其實，如果仔細看，拋開 Transformer、GPT 的定義才算大模型，從解決實際問題的角度出發，第四范式做行業大模型的時間線由來已久。2014年第四范式成立，是國內最早思考「通用智能」的 AI 公司——提出做 AutoML，本質是為了減輕 AI 項目定制化中機器學習工程師的工作量。
胡時偉告訴雷峰網(公眾號：雷峰網)，第四范式成立的目的主要就是想把機器學習這件事情給應用到解決行業實際問題中。
而第四范式創始人兼 CEO 戴文淵也多次公開表示，「從十年前創業第一天開始，第四范式做的就是行業大模型。」
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 5 次升級，而每一次的技術迭代，都是針對彼時企業在應用 AI 時的痛點問題，圍繞著降低門檻、提升開發效率的訴求，一步步推進，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，據胡時偉介紹，當時企業自稱有業務、有數據，只差算法，于是就先做機器學習算法，通過高維、實時、自學習框架大幅提升模型精度。但之后發現，對于企業來說，生產系統、基礎設施并不像想象的那么完備，無法解決深度學習的新架構問題，于是，第四范式開始推進先知 AIOS 2.0。
2017 年先知 AIOS 2.0 發布，它解決的是基礎架構等問題，可利用自動建模工具 HyperCycle，大幅降低模型的開發門檻，開始真正在企業中發揮實質價值、落地生產應用。
緊接著，第四范式發現，雖然企業有大量的數據，但那些都是用來做數倉的數據，沒有標注，缺乏真正用來培養機器智能的數據。于是，第四范式開始加快先知 AIOS 3.0 的研發步伐，希望把數據這一問題快點解決。
之后，等到 2020 年發布的先知 AIOS 3.0 平臺，規范了 AI 數據治理和上線投產，完成了從模型構建到落地應用的「最后一公里」。
而等到先知 AIOS 4.0 的研發階段時，第四范式開始琢磨企業還有哪些問題沒有解決，后來發現，企業不知道該拿先知平臺來做什么，雖然能在場景中使用，但發揮的價值不高。
于是，沿著為企業創造最高價值的目標，2022 年第四范式發布的先知 AIOS 4.0 ，引入了北極星指標，添加了管理層面的能力，最大化發揮 AI 的應用價值，以提升企業核心競爭力。
之后，就是今年 3 月推出的先知 AIOS 5.0，提供了各類開發工具以及企業級模型納管平臺，業務人員可通過自然語言交互（企業級AI Agent）的方式，實現行業大模型的構建、優化、報告、管理全流程。
據第四范式 2024 年第一季度財報數據顯示，前三個月，第四范式實現營收 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 60.6%，已然成為第四范式的核心業務。
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，共同組成第四范式的三大主要業務板塊。
SHIFT 智能解決方案是基于第四范式底層 AI 能力，以及和生態伙伴的行業實踐經驗，沉淀出各行各業的智能解決方案產品。
AIGS 平臺，即「以生成式 AI 重構企業軟件」，在今年 4 月第四范式發布「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 軟件開發平臺，也可視為第四范式在大模型商業化方向的開拓。
「這三者形成一個閉環，不斷迭代，不停解決具體問題，為企業創造價值，提升核心競爭力。」胡時偉說道。
「量變」到「質變」，第四范式獨有的縱向 AGI 路線圖
當行業大模型解決了企業的核心問題，提升了核心競爭力之后，或將加速企業的數字化轉型步伐，帶來企業的核心競爭力產生由「量變」到「質變」的巨大變革，加速企業朝著「下一代企業」邁進。
怎么理解？
在胡時偉看來，隨著外部環境的競爭加大，面對劇增的的經營壓力，很多企業試圖尋求通過數字化轉型來改變這一困境。
而相較于傳統的「金字塔型管理體系」，企業可以試著面向核心競爭力建設基于數字化技術的經營管理體系，按照戰略數字化、策略數字化、執行數字化和評價數字化的四大維度推進，打造閉環的數字化迭代體系，推動企業核心競爭力從「量變」到「質變」，率先成為「下一代企業」。
在過去的幾年里，第四范式主要聚集在使用 AI 幫企業解決從戰略到策略數字化的推進，而大模型的出現，加速了策略數字化向執行數字化的演進，企業數字化轉型的步伐大大提升。
比如，上文提到的某餐飲連鎖集團，在明確了自身的核心訴求后，第四范式以個性化點餐系統為切入點，為客戶量身打造了個性化的精準推薦服務，不斷優化客戶體驗，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、從營銷到營運的關鍵業務場景。
結果就是，該集團的平均客單價提升了 2%，全年銷售額增長數億元。
其實，不僅是在企業的數字化轉型上，推動企業核心競爭力從「量變」到「質變」，率先成為「下一代企業」，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「質變」的路徑。
當前，關于 AGI 的定義和道路問題，業界根本無法達成共識，各路人馬爭吵不休，紛紛為自己的信仰正名。
而胡時偉更喜歡務實，想要在熱鬧中，從扎根做 ToB 的實用主義角度出發，抓住這一波浪潮中 AI 價值的「波峰」。
他認為，AGI 并非新事物，從 2016 年的 AlphaGo，往前，上世紀 90 年代的深藍，再往前甚至是上世紀 50 年代 AI 剛興起時，人們就開始談論「 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「波峰波谷」式發展。
但同時還有另外一條發展曲線，那就是 AI 價值，一直是穩固上揚式前進。而到這一波，「AI 價值已經達到了頂峰，政策、資本、企業、公眾全部參與進來，相較于上一波甚至整個 AI 的發展歷史來看，都是最高點。」因此，要抓住機會，最大化發揮 AI 價值，做好行業大模型。
而當行業大模型匯聚成海時，或許就是通往 AGI 之日。
胡時偉認為，如果我們能夠因地制宜，結合中國市場特點，一個接一個地把每個行業、場景所需要的行業大模型做到極致，那么就可以由點到線再到面地往前推進，而隨著覆蓋面越來越密集，最終就可以匯聚成海，從「量變」到「質變」，最終實現 AGI。
這就是第四范式所堅持的、不同于以 OpenAI 為代表的技術信仰派的縱向 AGI 路線。
「我國有完善的產業鏈，有場景，有數據，有行業進行數字化轉型升級的需求」，而這正是我國區別于國外發展大模型的戰略優勢，或許也是即便在技術上居于劣勢，也能實現彎道超車的機會，胡時偉說道。
據了解，目前第四范式的行業大模型業務已在金融、制造、醫療、零售、教育、能源、地產經紀等領域落地，距離匯聚成海時，未來可期。
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
