4月26日，第四范式首次向公众展示了其大模型产品“世说3.0”，并首次提出AIGS战略（ AI 生成软件）：利用生成式 AI 重构企业软件。
世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”。
第四范式首席执行官创始人表示：“C端产品已经接近用户体验的上限，而B端企业级软件往往是一个非常复杂的执行系统，有十几层菜单和数千个功能。
戴文渊认为，目前这些B端软件极其复杂的交互体验，以及复杂性带来的极低的开发效率，给生成式AI的重构和改造留下了足够的空间。
“以前，通过人类语言（自然语言）来调用企业软件的功能是很困难的。
现在当我们有了更强的语义理解和生成能力，再加上GPT任务翻译、任务分发和推理能力，我们就可以使用它了。
”更好的“对话框式”交互方式实现了功能调用，不再需要寻找位于十几级菜单目录下的功能。
”这背后是第四范式现场拔掉网线的能力。
理解图片、进行多轮对话、写小说、使用大型世说模型快速绘制图画的能力此外，基础能力演示还展示了世说能够通过推理能力完成更复杂的“拳击”操作。
在戴文渊看来，要实现AIGS，大模型不一定是知识渊博的多面手和十项全能冠军。
更重要的是，该车型有Copilot（副驾驶舱）和CoT（思维链）。
思想、多步推理）能力。
“要改造企业软件，大模型不能只有语言能力。
世说2.0增加了多模态和Copilot，因为很多企业软件中的数据是多模态的，而Copilot可以将人类指令翻译成调用后端哪个API？”在之前发布的食锁2.0演示中，门店员工通过语音、文字等交互方式向食锁下达指令。
石索明白后，联网商店监控软件调出了厨房里没有戴口罩的人的照片。
并将图片以对话框的形式直接输出给员工。
大型模型已经可以通过调用软件内置的函数和数据以“对话式”完成任务来产生巨大的价值。
然而，员工在使用企业软件时也会面临复杂的任务，需要人们按顺序一一执行功能。
因此，世说3.0强调Copilot加思维链CoT拥有更强的推理能力。
在学习大量数据和“策略”后，它可以形成中间逻辑推理步骤，从而拆分和执行复杂的工作。
第四范式将AIGS路径概括为三个阶段：第一阶段，Copilot调动不同的信息、数据和应用程序作为助手来完成用户的指令。
相当于所有企业级软件系统都有一个统帅。
指挥官听取用户的指令，例如“将照片调亮 20%”。
第二阶段，Copilot+基于企业规则的“知识库”。
AI可以参照规则完成复杂的工作，进一步丰富了“对话框”的能力。
例如，AI查询“人像美化”知识库后，可以执行步骤将照片修复得好看。
第三阶段，Copilot+CoT（思维链）。
软件系统的使用行为最终都会被大模型学习，形成AI在该领域的思维链，这意味着诸如“处理照片，让照片看起来更好看”等复杂指令都可以由AI分步自动完成。
第四范式的AIGS策略是指基于大规模模型背后的Copilot+COT能力，将企业软件转变为新的交互范式，并不断学习软件在新交互上的使用过程，形成领域软件的“思维” 。
在我国某航空制造行业代表性企业的实际场景演示中，其与第四范式联合改造了一款基于Copilot技术的工业设计软件。
零件搜索与装配在演示会上某医疗行业的实际场景演示中现场，世说的“思维链”可以清晰地指出销售药品的具体步骤。
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。
每次升级一个功能，都要经过一遍又一遍的原型设计、开发等，至少需要几个月的开发时间，因为“对话”。
style”接口固定，功能和逻辑在数据、API、内容层面进行了重写，开发效率达到天级。
值得一提的是，在世说3.0发布会现场，来自航天制造、金融、医疗等行业的客户代表出席并现场演示了产品。
ChatGPT出现短短两个月时间，已有不少企业和合作伙伴与Paradigm在生成式AI领域开展了深度合作。
作为基于大模型的新型开发平台，世说期待与更多的合作伙伴和企业客户一起探索利用生成式AI重构企业软件的机会，共同提高企业软件的可用性和生产力。
第四范式AIGS大模型战略背景资料： 1、第四范式什么时候开始重点投资GPT和大模型：BERT出来的时候，范式研究院就开始关注和投资这个技术领域。
GPT3出来之后就更加清晰了。
我们必须朝这个方向走。
但与今年的投资相比，前几年肯定是有差距的。
ChatGPT给我们最大的帮助就是整个市场的信心从0提升到满，确定性的投入更大了。
之后将转化为产品和商业化路线推向市场。
2. 你有和同龄人比较过吗？中国目前还没有像OpenAI这样在大型模型上绝对领先的公司，而且还会有更多的大型模型。
大型模型是新的生产力。
每个人都必须有一个大模型作为基础，所以进入的门槛确实变高了。
但达到这个门槛之后，重点就是如何选择方向。
比如，培养了一名大学生后，去企业接受专业培训，积累某一领域的专业能力是非常重要的。
但如果你没有一定的素质，很多事情你就做不了，所以底层的大模型也很重要。
第四范式认为，更大的机会在于变革整个企业软件行业，这也是AIGS的方向。
大模型的技术方向是Copilot可控（执行可控、错误可纠正），以及COT（思路链、多步推理、复杂任务拆分）形成数据飞轮的能力（比如划分时）将某个垂直领域的数据和流程放入一个大模型中，可以快速形成该领域模型的思维链）3、世说在短短两个月内发布了3个版本，从1.0到3.0。
迭代过程是怎样的？ 1.0 - ChatGPT 流行之后，大多数客户和合作伙伴并没有真正使用过类似 GPT 的技术。
当时我们发布了第一代具有生成语言和解决问题能力的产品。
应用GPT技术的三大问题是内容可信性、数据安全性和成本。
当时的主要场景是图书馆问答，相当于让GPT可以学习企业知识，解答专业问题，而且在2.0中是可追溯的。
在语言能力的基础上，增加文本、语音、图像、表格、视频等多模态输入输出能力，并增加企业级Copilot能力，与企业内部应用库、企业私有数据等联网。
分析信息和数据、回答员工询问或执行相关任务，从知识助理转变为业务助理。
3.0——基于生成和语言能力，3.0利用Copilot和思维链COT（多步推理，复杂任务拆分，形成数据飞轮）来改造传统B端企业软件的体验和开发效率。
我们称之为AIGS（AI generated software），利用生成式AI来重构企业软件。
关于AIGS： 4.为什么要做AIGS（软件）？什么是 AIGS？ C端软件体验在这十几年里已经打磨到了比较高的水平，如果用对话也不一定会更好。
但在B端（想象一下企业报销系统、HR系统、OA系统），体验还是比较差的。
也许你点击菜单中的某个下拉菜单，再次点击该下拉菜单，多点击几次就可以进入某个功能。
过去，通过自然语言调用这些函数是很困难的。
现在当我们对自然语言有了更强的语义理解后，我们就可以通过更好的交互方式来调用函数，从而实现一种新型的语音/对话。
交互模式取代旧的交互方式，从而快速、颠覆性地提升B端企业软件的体验。
二是开发效率提升。
最初，B端企业软件是高度定制化、基于菜单式开发的。
基本上一次升级一个功能，需要产品经理画界面、设计、开发等，至少需要一个月级别的开发时间。
由于新的交互形式的出现，原来的功能和执行逻辑都安排在软件界面中，而现在功能和逻辑在数据、API和内容层面进行了重写，开发效率达到了天价。
就像ChatGPT不再是一个复杂的菜单和一堆功能一样，你只需要一个对话框就可以做很多事情。
而且每天都在迭代，但你却感觉不到它界面的变化。
过去软件是在接口层面进行升级，未来是在数据层面进行升级。
我们看到大模型可以提高用户体验和开发效率，所以它们一定会形成软件行业的飞跃。
问题是谁能先做到。
这是一个巨大的市场。
大型模型是新的生产力。
以大模型基础设施作为整个软件产业转型的试点，整个行业的商业价值和商业模式将实现飞跃。
5、AIGS如何实现？要改造大型软件模型，仅靠语言技能是不够的。
世说2.0增加了多模态和Copilot，因为很多企业软件中的数据是多模态的，Copilot支持使用对话来调用软件内置的功能/数据来完成任务。
2.0中，员工可以通过语音、图像、表格、视频等多模态方式向师索发起询问或指令。
石索理解后，联网企业软件就会调用相关功能，并以所需的形式输出答案。
当我们完成一项任务时，它往往并不完全是一个功能。
例如，在图像处理软件中，如果要调整亮度和对比度，就是这些功能。
但如果把字符P做得细一些，则无法通过单一的功能来实现。
这背后，需要人们根据经验执行软件的每一个功能来实现。
人们在接到复杂的任务时，会在大脑中一步步推理出要执行的子任务，然后一步步执行。
切换到机器。
如果对于同一个工作，机器过去已经见过足够多的人（积累的数据）通过步骤一、二、三、四来完成这项工作，它已经可以在这个例程中总结出来，形成一条思维链。
因此，世说3.0强调Copilot加CoT。
大模型利用更强的CoT推理能力来不断学习新领域的思维链条，相当于利用软件本身的使用行为来构建AI针对该领域的思维方式。
对于企业软件合作伙伴来说，基于范式的大模型能力，可以对各个领域进行足够深入的钻研，学习足够多的数据。
最终形成场域思维链，发展成为“场”大模型。
当思维链的复杂程度达到一定程度时，其软件可以自动执行越来越复杂的功能。
6.以往范式的工作在这方面有哪些积累？首先，Paradigm拥有制作大型模型的技术能力。
虽然Seer并没有将自己定位为通用模型，但当时将自己定位为专用模型，Seer一直强调模型必须是高维的。
所谓高维其实就是参数，模型一定要做大，就像GPT3.5，就是1亿以上。
参数，从技术上讲，这是您可以移动的地方。
此外，Paradigm拥有国内领先的研究、工程、产品能力等全栈技术能力。
其次，Paradigm原有市场和新市场面临的产业链恰好是上下游。
过去，人工智能更像是一个重要的部分或组件。
除此之外的其他领域并未被人工智能覆盖，而是被企业软件覆盖。
经过这么多年的发展，企业软件基本上已经可以涵盖所有的内容了。
范式和软件公司一直是相互关联的。
Paradigm在软件方面负责AI决策，软件公司负责功能和流程的实现。
例如，如果人工智能预测一家商店明天将运送多少鸡翅，则需要将其放入商店管理系统中。
我们是共生的，彼此非常理解。
当我们看到GPT3时，我们就已经知道它可以帮助企业软件市场。
做到这一点还是需要非常雄厚的行业积累。
第四范式在过去几年中一直深耕该行业。
随着我们对AI产业化的深入了解，我们更加清晰地认识到大模型作为新的生产力工具，如何落地才能产生最大的价值。