从今年2月到4月的两个多月时间里，陆续迭代推出3个版本的公司自研大模型——按照以往to B公司的发展特点，这是个很难来想象的快节奏，但对当下的第四范式来说，已经变成现实。
基于过去在技术和商业化等方面的积累，第四范式创始人、CEO戴文渊及团队提出了AIGS（以生成式AI重构软件）的发展趋势，希望借助AI的新型交互模式，使B端企业软件的体验得到颠覆式提升。
尽管各方都在积极研发训练试图“抢跑”，但面对当下的竞争态势，戴文渊表现得非常理性。“我觉得没有想象中那么夸张，这是一个巨大的浪潮。可能再过10年，对于大家来说大模型根本就不是一个事儿，就好像十多年前的网络公司跟现在的网络公司也不是一个事儿。到最后，各自可能都会找到定位。”
在位于清河五彩城的办公室接受《中国企业家》专访时，戴文渊给人的第一印象是说话慢条斯理、有着科学家的严谨，但深聊后发现，他的目标感极强。
2009年，未解决AI能用的问题，戴文渊离开学术界去了百度；为了让AI技术应用到更多行业，他又离开百度去了华为。2014年，戴文渊选择离开大厂，邀请陈雨强、胡时伟共同创立了第四范式。“希望能把AI折腾得更厉害一点。”戴文渊曾告诉《中国企业家》。
2023年的这一波AI浪潮，戴文渊又一次率先想到目标。“看到GPT-3时已经知道了，只要达到一个临界点，大模型将会到达一个举足轻重的位置。”在落地侧，戴文渊一直以来的观点是，大模型最先改变的是to B行业。
从2015年到2021年，第四范式获得了多家知名基金及国有银行的多轮融资，并从2021年8月开始，三次递交招股书，但至今还没有上市。据IPO早知道报道，第四范式于2023年4月24日更新招股书，继续推进港交所主板上市进程。在4月25日接受媒体采访时，戴文渊称上市绝不是公司的目标和终点。
“我希望未来，提起戴文渊大家都不知道他是谁，但提到第四范式，所有人都知道此公司，而创始人是谁则要再查一查。”
大概在三四年前，即GPT-3出现时，我们就已经有了预期，只要达到一个临界点，大模型将会到达一个举足轻重的位置，但彼时我们很难预见它抵达临界点的具体时间。因此当它在今年实现爆发时，对我们来说确实很意外。
这其中，ChatGPT的出圈对于整个产业是一个特别大的推动。技术的进步可能是线性的运动，但信心则是跳变的，当技术没有过临界点时，公众的信心可能趋近于0。
因此，在我看来，这一波风暴大多数来自是信心的变化，技术上并没有特别大的突变。
例如AI绘画等相关应用，其实在去年甚至几年前就有了，如果在去年，大家对让人工智能替人画画，可能没太多兴趣。但在今年，即便我们不主动提及，大家也可能追着问，想了解AI画画。
第四范式现在有一个100多人组成的研究院团队，相当于我们公司的“达摩院”。毫无疑问，大模型是我们决不能错过的一个方向。
大概在2018年，Google推出BERT（模型）时期，我们已开始做相关工作，虽然彼时BERT还有一定的局限性，但到了GPT-3之后，大家已经基本上看清楚技术路线的发展趋势了。
在这个过程中，我们从始至终有投入，但和今年相比肯定有差异，尤其在（技术的）临界点突破后，大家的精气神和信心都完全不同了。我们现在每天晚上都在加班加点工作，而且每天都可能有新的同事加入进来。
信心一直是困扰我们的问题。去年同一时间，如果我们推出“式说”1.0和2.0版本，应该不会有很好的市场接受度。这也导致，尽管我们在大模型层面已经有了很久的储备，但重视程度一直不够。
临界点过了之后，我们的第一反应就是赶紧把家里的东西拿出来产品化。于是我们在2月和3月分别推出了“式说”1.0、2.0版本，其实现在我们有好多能力还没有加到产品里面，还在逐步地往里面加。我们今天采访后，一两天时间，我们的开发团队又要拿出新的版本去做测试。我们现在每天都在加班。
在这过程中，我们遇到最多的问题是“可控”。即什么样的事是可控的，什么样的事是不可控的，或者说客户能接受的可控与不可控的范围，都要求我们去打磨。例如用户想要AI实现某个功能，即使准确率是99%，这个也不能用，要实现100%。或者起码要做到，当告诉（AI）“你错了”，它有办法迭代更改，即“知错能改”。
并且我们也在对产品快速迭代，相当于我们今天采访结束后，只需要一两天，我们的幕后研发团队又能拿出新的版本去做测试。
对于大模型的能力涌现，我们并不会表现得非常激动或敏感，在我们看来是自然而然甚至习以为常的事情，我们对自身的大模型的能力评价就是“应该的”。
因此，我们在这波大模型的投入上没有一个明确上限，只要是我们的现金流可接受的范围内，我们就会加大投入。对于最终产出的模型或产品，目前最高能提供到千亿（参数）规模。
现在外界把AI分成1.0、2.0，我理解过去的AI，是点上的AI，大家可能在它达到1亿或10亿参数的时候，就可接受了。现在大家讨论的AGI，是面上的AI，它的模型需要到一定的量级以上，才能够显现出我们大家可以接受的能力或水平。比如100亿规模参数以下的大语言模型，它的能力基本上不会被接受。
所以过去我们寻找的AI落地场景，如搜索引擎、资讯推荐、金融交易等，都要满足价值够大的条件。因为在过去，构建一个模型，只能在这一个点（场景）应用，比如搜索引擎只能搜索，现在，多模态大模型能力能成为底座，上面接多个场景。这就从另一方面代表着，在过去模型研发要参考投入产出比，这次大模型热潮的出现，是一次完全的升级换代。
过去的点上的AI是没有很好的方法脱离软件独立存在的，如抖音的推荐算法不能直接给到用户，而是要放到APP里。
这也是我们现在看到的最大机会：AI有可能把整个软件产业再升级换代一次，包括to C和to B两个领域的软件。
而在大模型的落地应用层面，我一直以来的观点是，它最先改变的是to B行业。
因为B端企业软件的起点较低，可改造空间更大。比如二维码支付在中国最先普及，但到了美国却没那么容易普及，因为美国的信用卡业务做得太好了，到处都可以刷卡。同理，中国的to C软件过去十几年已经被打磨到了比较高的水准，用对话框未必就一定更好用。
反观，B端企业软件面向功能导向、交互门槛更高。而AI大模型带来的新的（对话框式）交互模式，不仅有机会创造出一个交互极简、功能强大、自我迭代的新型软件工作流，提升B端软件的使用体验，而且在开发层面，之前B端企业软件都是基于菜单式的开发，每次一个功能升级至少是月级别的开发时间，现在AI改写数据和API的效率比原来高得多，在这种新的方式下，软件迭代的效率提速到以天为单位。
市场的反馈对我们也有很大的推动作用，ChatGPT出现后，客户对AI的包容度和信心相应提升。我们也在跟我们的客户同步推动技术产品的落地，如金融、能源、运营商、零售、医疗等行业。另一方面，技术的快速滚动也加速了我们新增客户的效率，我们现在天天都会有新客户进来。
相比于过去软件领域的盈利方式，我认为最合适（大模型）的商业模式是算力，AI的算力是不可被忽视的领域，如每一次去访问ChatGPT都消耗了几毛钱的算力，我觉得目前这是非常合理的计算方式。
至于to C领域，我们暂时还没有一个明确的商业计划。但在这方面，我们也是持open的态度。
我觉得很有意思的一点是，最近几个月，我们这家to B（科技）公司的工作模式，越来越像一家网络公司。
过去，我在互联网公司工作时，大家追求的都是快速迭代，天天都会不停地产出新的东西，然后做实验去试，再根据结果的好坏不停地迭代。
虽然第四范式是高科技公司，但我们本质是一家做to B业务的公司，因此过去我们的迭代以及反馈周期，和原来的to B公司是一样的。甚至我们每年更新两个大版本，在to B的软件企业里面已经算迭代得特别快的。
过去我们根本不敢想象每个月迭代一次，甚至每天迭代一次，但在ChatGPT的交互形态下，我们现在从产品到研发技术等各个阶段，都被改变了。
此前我们研究部门做出的算法，可能要经过工程化、产品化再到解决方案，然后才能推向市场。整个环节在大多数情况下要少则一年，多则2~3年。但现在，AI让我们研究团队做出来的东西，可能在一两天后就能进入到产品阶段。不仅仅是我们，全世界都是这样，GPT-3.5进化到GPT-4也很快。
我觉得对于团队来说，这种感觉也非常不一样，以前我们100多人的研究院团队，外界可能不太必须了解到他们的存在，因为研究的内容在至少一年内都不可能会产生商业经济价值，也不会推向市场实现商业化。在这一年的时间里面，我们只可以自己给自己一个积极的反馈与信念。
但现在整个形势变化后，只要新的东西一出现，立刻就可以被大家看到，或者对产业产生一定的影响。我们实际上非常enjoy这样的形式，因为我们都是网络公司出来的。现在我们公司的运转非常像网络公司模式，以前网络公司都是不断迭代、不断试错的一种形态，迭代试错会让产品能力越来越强。我们现在也是如此，我们不会完全将产品打磨成熟，而是将α版或β版给到客户，我们大家一起打磨，因为客户内部也在每天迭代、改进。
最近，我个人的工作状态可以称之为“夜以继日”，几乎所有的时间都在工作。这主要是“腾讯会议”带来的。以前安排会议，同事会问我，“你何时在公司？”现在他们问的都是：“你何时不坐飞机？”一旦连了卫星电话，可能以后坐飞机与否都不需要问了。
对于公司的未来发展愿景，我在刚创业的时候就和其他创始人聊过这一个话题。我希望未来，提起戴文渊大家都不知道他是谁，但提到第四范式，所有人都知道此公司，而创始人是谁则要再查一查。海外有很多公司创始人都“隐身”了，就像IBM，外界都不太记得创始人是谁了，包括微软现在也不太需要比尔·盖茨，但公司还在很厉害地继续往前走。
创业公司可能很少有人能够走到这一步，我们大家都希望有一天第四范式能走到这一步。
