第四范式启示录：AI提升核心竞争力才有真价值

年初以来，关于大模型落地应用的呼声愈发高涨，越来越多的目光开始瞄向行业大模型。

在这一趋势下，许多企业思考的核心问题，似乎变成了大模型能带来什么，以及如何将业务与AI技术结合。然而，“拿着锤子找钉子”真的是行业大模型落地的正确方式吗？

第四范式联合创始人兼总裁胡时伟在与企业交流中发现，相较于追问AI能带来什么，他更倾向于引导企业先思考一个更根本的问题：你最需要解决的核心痛点究竟是什么？

技术发展的本质是解放生产力、解决实际问题。与其在企业经营管理的“长链条”边缘进行尝试，那些关乎“生存”与“增长”的根本性问题，才应是行业大模型讨论的起点。

大模型落地的关键：从企业顶层战略介入，提升核心竞争力

某国内头部餐饮连锁集团，在全国拥有近13000家门店，覆盖1700多个城镇。在高速扩张的同时，也面临着竞争对手的持续追赶。

此前，该集团与第四范式合作开发了一款AI招聘产品，效果显著，节省了数百万元费用。但后续交流中，第四范式团队引导客户思考：节省几百万招聘费用，是否真正提升了企业的核心竞争力？与对手拉开差距的关键到底是什么？

答案是坪效。

当时，集团的线上化转型面临挑战。仅仅将销售渠道搬到线上，却无法复制线下门店有温度、个性化的体验，转型难以成功。洞察这一核心痛点后，第四范式以行业大模型重塑其线上系统，将坪效锁定为转型的北极星指标，通过AI技术持续优化用户体验，提供专属服务，实现真正的千人千面、千店千面。截至2023年，该集团核心业务89%的订单已来自线上。

作为一家始终致力于以AI技术推动企业数字化转型的公司，第四范式在十多年的实践中总结出一条经验：技术浪潮越狂热，越需要冷静思考大模型落地的本质——其真正价值何在？

事实上，对AI大模型能力既感到兴奋又无从下手的矛盾心态，是当前许多企业的真实写照。

年初以来，历经“百模大战”的通用大模型市场格局渐趋清晰，加速场景落地成为主旋律，专业性更强的行业大模型开始兴起。各行各业的企业满怀期待，却也在具体推进中感到迷茫。

有数据显示，到2025年，全球生成式AI市场规模有望突破100亿美元，其中企业级应用将占据相当大份额。然而，理论很丰满，现实却往往骨感。

一些从业者反映，企业在接触大模型时，既渴望快速拥抱，又因不懂技术而不知所措，不清楚该在哪个业务环节应用、如何应用。“企业内部缺少连接业务与AI的桥梁角色。”与此同时，大模型厂商也往往难以深度理解企业每个业务环节的细微之处，无法精准定位最高价值的应用点。

于是，双方常在这道“鸿沟”前僵持，最初的热情在一次次不尽人意的尝试中冷却，导致大模型难以真正扎根业务场景。

关键在于转变思路。大模型落地的本质，是作为一种工具来实现企业的核心诉求：解决根本问题，提升核心竞争力。

“行业大模型的真正价值，在于为企业解决核心业务痛点的场景大模型集合，它们将成为‘AI+千行百业’的新型基础设施。”胡时伟指出。

围绕这一实际诉求，行业大模型落地需要解决的三大核心问题便清晰浮现：

一是价值定义。必须明确AI要解决的行业核心问题是什么。这是根本，不同场景核心问题迥异：零售业关注供应链效率，医疗健康聚焦诊断与预防，金融风控则看重风险评估的精准度。

二是数据质量。大模型需要训练，而训练依赖高质量数据。许多企业自信拥有海量数据，却未意识到其中绝大部分并非解决特定问题所需的有效数据。事实上，目前大量企业能有效利用的数据占比可能不足5%。对行业大模型而言，不仅需要通用语料，更需针对具体场景的专业语料库，这要求对业务数据进行精细处理和标注。“真正优质的数据产生于人与人、人与业务的互动过程。”

三是模型迭代。模型并非一劳永逸。即便有现成基础模型，也必须针对企业自身场景和问题，进行一轮轮的迭代与调试，解决一个又一个具体挑战。

“只要把这三大核心问题解决了，算力、行业知识等影响落地的问题便迎刃而解。”胡时伟总结道。

但知道了方向，企业就能轻松选对模型、加速转型吗？事情显然没那么简单。

例如，零售业的供应链数据、医疗领域的体检报告、金融风控的风险评估，这些核心数据模态往往并非文本。若仅仅将这些行业知识“灌输”给大语言模型，无异于隔靴搔痒，无法触及核心问题，自然难以实现企业的本质诉求。

那么，出路何在？

第四范式十年的行业大模型实践心得：降低应用门槛，做有价值的AI

今年3月，第四范式发布了先知AIOS 5.0行业大模型平台。其核心思路是：基于各行业场景的X模态数据，构建行业基座大模型，从而突破当前行业大模型仅能处理文本数据的局限，促进大模型在更广泛场景中落地。

如何理解这一突破？

当前主流大模型（如GPT）的本质是预测下一个Token（文本单元）。那么，面对多样化的行业核心诉求，能否将“X”的内涵从文本拓展到其他模态数据？

答案是肯定的。先知AIOS 5.0升级的正是这种“预测下一个X”的能力。对于不同行业的企业，只需在平台上传其核心模态数据，即可训练出符合自身需求的行业大模型，这极大地降低了训练门槛，让大模型应用不再遥不可及。

这份洞察，源于第四范式作为行业“老兵”十余年的实战积累。

事实上，若抛开必须基于Transformer或GPT架构才算大模型的狭义定义，从解决实际问题的角度出发，第四范式探索行业大模型的时间线由来已久。公司自2014年成立之初，便思考“通用智能”，其早期提出的AutoML技术，本质上就是为了减轻AI项目定制化中机器学习工程师的负担。

胡时伟表示，第四范式成立的初衷，就是将机器学习技术应用于解决行业实际问题。创始人兼CEO戴文渊也多次强调：“从十年前创业第一天起，我们做的就是行业大模型。”

这一点，从先知AIOS平台的迭代历程中可见一斑。从1.0到5.0，十年五次重大升级，每一次都直指当时企业在应用AI时的核心痛点，始终围绕降低门槛、提升开发效率的目标推进，践行“做有价值的AI”这一自创立之初便确立的价值观——AI for everyone。

2014年12月，先知AIOS 1.0推出，专注于通过高维、实时、自学习框架提升机器学习模型精度。随后发现，企业生产系统与基础设施的完备性是一大挑战，由此催生了2.0版本。

2017年，先知AIOS 2.0发布，着力解决基础架构问题，并引入自动建模工具HyperCycle，大幅降低模型开发门槛，推动AI开始在企业中产生实质价值。

紧接着，团队意识到企业虽拥有大量数据，但多为用于数据仓库的原始数据，缺乏可用于机器智能训练的有效标注数据。为此，研发重点转向AIOS 3.0。

2020年，先知AIOS 3.0平台发布，规范了AI数据治理与上线投产流程，打通了从模型构建到落地应用的“最后一公里”。

在研发AIOS 4.0时，团队开始思考：企业即便能用上平台，是否发挥了最大价值？沿着“创造最高价值”的目标，2022年发布的先知AIOS 4.0引入了北极星指标与管理层能力，旨在最大化AI应用价值，直接提升企业核心竞争力。

及至今年3月推出的先知AIOS 5.0，平台提供了丰富的开发工具与企业级模型纳管平台，业务人员甚至可通过自然语言交互（企业级AI Agent）的方式，完成行业大模型的构建、优化、报告与管理全流程。

市场给予了积极反馈。根据第四范式2024年第一季度财报，其营收达8.28亿元，同比增长28.5%。其中，先知平台收入5亿元，占总收入比重高达60.6%，已成为公司的核心业务支柱。

目前，第四范式已形成三大核心业务板块：以先知AI平台为技术底座，SHIFT智能解决方案聚焦行业实践沉淀，而“式说”AIGS服务则致力于以生成式AI重构企业软件，探索大模型商业化的新路径。

“这三者形成一个闭环，不断迭代，持续解决具体问题，最终为企业创造价值，提升核心竞争力。”胡时伟这样描述其业务逻辑。

从「量变」到「质变」：第四范式独有的纵向AGI路线图

当行业大模型真正解决了企业的核心问题，其带来的变革或将推动企业核心竞争力发生从“量变”到“质变”的飞跃，加速数字化转型，迈向“下一代企业”。

如何理解这种转变？

在胡时伟看来，面对日益激烈的外部竞争与经营压力，许多企业试图通过数字化转型寻求突破。相较于传统的“金字塔型管理体系”，企业可以转向建设基于数字化技术的经营管理体系，从战略数字化、策略数字化、执行数字化到评价数字化四个维度推进，打造闭环的数字化迭代体系，从而驱动核心竞争力实现质的飞跃。

过去几年，第四范式主要聚焦于用AI帮助企业推进从战略到策略的数字化。而大模型的出现，显著加速了从策略数字化向执行数字化的演进。例如前文提到的餐饮集团，在明确核心诉求后，第四范式以个性化点餐系统为切入点，为其打造精准推荐服务，优化客户体验，最终帮助其平均客单价提升2%，带动全年销售额增长数亿元。

这种由“量变”引发“质变”的逻辑，不仅适用于企业转型，也体现在第四范式对AGI（通用人工智能）发展路径的独特思考上。

当前，业界对AGI的定义与发展路径争论不休。胡时伟则更倾向于务实路线，希望从扎根ToB的实用主义角度出发，抓住本轮AI浪潮的价值“波峰”。

他认为，AGI并非新概念，从深蓝到AlphaGo，每隔二三十年就会经历一次从热潮到冷却的周期。但与此同时，另一条曲线——AI创造的实际价值——却始终在稳步上扬。而到了这一波，“AI价值已达到顶峰，政策、资本、企业、公众全面参与，其高度在整个AI发展史上都前所未有。”因此，当下的要务是抓住机会，最大化发挥AI价值，做好行业大模型。

当无数个深耕于具体行业的模型汇聚成海时，或许便是通往AGI之日。

胡时伟阐述了他的构想：如果能结合中国市场特点，将一个又一个行业、场景所需的大模型做到极致，那么就能实现由点到线、由线到面的推进。随着覆盖场景越来越密集，最终将汇聚成海，完成从“量变”到“质变”的跨越，实现AGI。这便是第四范式所坚持的、不同于OpenAI等技术信仰派的“纵向AGI路线”。

“我国拥有完善的产业链、丰富的场景、海量的数据以及迫切的产业数字化升级需求，”胡时伟指出，这正是区别于国外发展大模型的战略优势，或许也是实现弯道超车的关键机会。

据了解，目前第四范式的行业大模型业务已在金融、制造、医疗、零售、教育、能源、地产经纪等多个领域落地。距离“汇聚成海”的目标，未来值得期待。