開年以來，國產(chǎn)大模型DeepSeek的爆火出圈，讓越來越多企業(yè)意識到AI在商業(yè)中的巨大應(yīng)用潛力。深入理解AI如何塑造未來商業(yè)，成為每一個企業(yè)和管理者必須面對的關(guān)鍵課題。
2025年2月22日，在嘉賓派北京站訪學(xué)中，校友們一同走進企業(yè)級人工智能領(lǐng)軍企業(yè)第四范式。第四范式聯(lián)合創(chuàng)始人、首席科學(xué)家陳雨強為大家?guī)怼缎袠I(yè)大模型場景落地》的主題授課，從技術(shù)演進的角度講述了AI的發(fā)展邏輯和未來趨勢，并通過實際案例闡釋了行業(yè)大模型的具體應(yīng)用。
以下為授課內(nèi)容精編版，Enjoy~

1、人工智能的發(fā)展歷程與現(xiàn)狀

歡迎各位嘉賓商學(xué)的企業(yè)家校友前來第四范式訪學(xué)，我代公司創(chuàng)始人戴文淵向大家問好。我是第四范式的聯(lián)合創(chuàng)始人兼CTO陳雨強，創(chuàng)業(yè)前曾在百度和字節(jié)跳動任職。

當下，行業(yè)最火的莫過于DeepSeek。這些天來，全球同行們都在研究，DeepSeek是如何出現(xiàn)在被美國技術(shù)封鎖的中國的？從深層次看，這一現(xiàn)象反映了人工智能技術(shù)發(fā)展中的周期性變化和不同階段的表現(xiàn)特征。

公眾最早接觸到的人工智能，是1995年的深藍（Deep Blue）。這一年，由IBM研發(fā)的深藍擊敗了國際象棋大師卡斯帕羅夫，使人們首次認識到計算機的強大智能。在當時，深藍一度成為人工智能的代名詞，并在往后相當長的一段時間內(nèi)影響著整個領(lǐng)域。

深藍的智能，可以說是一種推理性的智能。縱觀人工智能的發(fā)展過程，其實是一場“推理”與“訓(xùn)練”不斷交替主導(dǎo)的周期性過程。下面是涉及到的這兩個核心概念的解釋：

• 推理：類似于“素質(zhì)教育”，在考試中臨場計算和分析。當面對無法提前記住或接觸到的題目時，只能依靠現(xiàn)場思考，進行即時推演。例如，很多學(xué)生時代的“大神”，學(xué)習(xí)不靠死記硬背，而是在考場上靈活推導(dǎo)公式。

• 訓(xùn)練：相當于“題海戰(zhàn)術(shù)”，通過反復(fù)練習(xí)、背題來提高應(yīng)試能力。在機器學(xué)習(xí)領(lǐng)域，也有一類派別主要依賴于大量數(shù)據(jù)訓(xùn)練模型。

當年，在和卡斯帕羅夫的比賽中，深藍就是依靠出色的推理能力贏得比賽。它能預(yù)見22步走法，而最頂尖的國際象棋大師一般只能預(yù)見18步，多出來的3步正是其勝利的關(guān)鍵。當然，這一切的實現(xiàn)離不開強大的算力支持。在下棋過程中，前臺由人操作擺棋，背后則由IBM龐大的計算集群支持計算，以在超時前算出最佳方案。

公眾對人工智能的第二個認知節(jié)點，是IBM的沃森（Watson）。沃森的誕生可以追溯到1995年深藍擊敗國際象棋大師之后，IBM當時希望再次打敗人類，并進一步探索多種方向。最初是試圖挑戰(zhàn)圍棋，但圍棋的復(fù)雜度是遠超象棋的量級，傳統(tǒng)推理方法還難以勝任。

此后，在商業(yè)化領(lǐng)域，人工智能發(fā)展取得的成績是更加巨大的，而公眾對此的了解和感知有限，比如在推薦算法、風控、安防等領(lǐng)域的應(yīng)用。如Google在搜索和廣告系統(tǒng)中，大量應(yīng)用了訓(xùn)練相關(guān)的智能技術(shù)，其擁有互聯(lián)網(wǎng)海量信息和豐富的用戶行為數(shù)據(jù)，可據(jù)此預(yù)測用戶下一步的需求，從而優(yōu)化服務(wù)。后來Facebook和字節(jié)跳動的內(nèi)容推薦算法機制，原理亦是如此。

最初，人工智能訓(xùn)練僅依靠幾萬條數(shù)據(jù)，而如今數(shù)據(jù)量已增至上千億條，相當于增長了1億倍。這一飛躍不僅讓模型的“容量”大大提升，也使得智能系統(tǒng)在面對復(fù)雜問題時具備了更強的能力。

當數(shù)據(jù)量達到一定上限時，僅靠增加數(shù)據(jù)已難以進一步提升模型性能。圍棋問題就是一個典型例子：由于棋盤狀態(tài)極為龐大，僅靠歷史棋譜中幾十萬甚至幾百萬盤數(shù)據(jù)，遠遠不足以支撐模型的訓(xùn)練。這時，就必須引入更高級的算法和推理方法，正是這種思路催生了Google的AlphaGo。而后，移動互聯(lián)網(wǎng)的普及和數(shù)據(jù)的進一步激增，又促成了ChatGPT等大語言模型的誕生。

到今天，DeepSeek走出了一條全新的道路，這與當前的技術(shù)形態(tài)密切相關(guān)。開頭我們發(fā)問，為什么DeepSeek會出現(xiàn)在今天的中國？原因也就在于，訓(xùn)練與推理這兩條人工智能技術(shù)路線的周期性變化。

回顧ChatGPT的發(fā)展歷程，大家會發(fā)現(xiàn)，在2023年及以前，其技術(shù)發(fā)展速度非�？�，但近兩年的發(fā)展開始趨緩。這并不是因為OpenAI的科學(xué)家水平下降，而是因為互聯(lián)網(wǎng)中可用的開放數(shù)據(jù)總量已趨于見頂，新產(chǎn)生的數(shù)據(jù)相比歷史數(shù)據(jù)所占比例非常低。在這種情況下，OpenAI已經(jīng)無法再單純依靠增加數(shù)據(jù)量來提升模型性能。同時，數(shù)據(jù)對性能的提升呈現(xiàn)出指數(shù)級的需求，增加10倍數(shù)據(jù)僅能提升1倍左右的性能。

此外，我國的算力資源也受到一定限制，無法像國外那樣動用同等規(guī)模的計算資源來推動技術(shù)進步�；氐缴厦嫣岬降目荚嚨谋扔�，如果無法提前記住所有公式和數(shù)據(jù)，那就只能在考場上依靠臨場推理。所以我們可以看到，DeepSeek在回答問題時，會有很長的思維鏈，其思維鏈條比之前的模型都更長，展現(xiàn)了實時思考和推理的過程，最終輸出答案。

總體來說，這反映了一個周期性的發(fā)展過程：當數(shù)據(jù)紅利趨于見頂、訓(xùn)練算力帶來的性能提升漸趨緩慢時，基于推理的技術(shù)優(yōu)勢就會逐步凸顯，并逐漸占據(jù)上風。因為基礎(chǔ)模型能力已足夠，當進一步加入深度思考后，整體回答質(zhì)量和交互體驗將獲得顯著提升。

因而，推理系的人工智能技術(shù)路線現(xiàn)在又開始抬頭。DeepSeek引領(lǐng)的這條技術(shù)路線，使得中國大模型在算力上面臨掣肘的發(fā)展壓力得到緩解。今后，可能不再需要依賴極其龐大的算力，便能打造出優(yōu)秀的人工智能。

除此之外的第二個重大變化，在于人工智能由過去隱藏在后臺代碼中、默默支持銀行、零售等行業(yè)的角色，轉(zhuǎn)變?yōu)榫邆鋵υ捘芰Φ那岸思夹g(shù)。在這種背景下，人工智能企業(yè)逐漸由B端向C端拓展，極大提升了AI的普及性和應(yīng)用場景。AI寫作、AI視頻、AI繪畫、AI設(shè)計、AI編程等，AI技術(shù)公司的業(yè)務(wù)形態(tài)進一步變化。

過去，人工智能作為后臺技術(shù)存在，這些技術(shù)的應(yīng)用場景通常不被用戶直接感知。如今，借助OpenAI推出的對話式技術(shù)，用戶可以通過交互界面直接與AI進行對話，這使得人工智能更易于被普通大眾接受和使用。與此同時，不僅僅是OpenAI，越來越多的電子消費品和日常設(shè)備也將嵌入人工智能終端，例如未來每個玩具娃娃、耳機、音箱等設(shè)備都可能具備對話和智能交互功能，從而為用戶帶來全新的體驗。

從人工智能行業(yè)的人才供應(yīng)來看，雖然中國的出生人口和工作人口呈下降趨勢，但受過高等教育的人才卻在井噴。十幾年前，招聘到人工智能專家非常困難。2014年，第四范式剛成立時，科學(xué)家團隊十分稀缺，甚至工牌上會畫熊貓以示珍稀。如今，人工智能人才充裕，許多崗位都有大量應(yīng)聘者，這為行業(yè)發(fā)展提供了堅實的人才支撐。

在中國，這兩年關(guān)于“百模大戰(zhàn)”的討論非常熱烈，正是因為涌現(xiàn)出上百甚至上千個團隊，以一種你追我趕的態(tài)勢參與人工智能研發(fā)，這種規(guī)模在其他國家較為罕見。中國的人才紅利達到頂峰，這不僅惠及國內(nèi)，也對美國等國家的AI進展產(chǎn)生了影響，比如OpenAI的核心團隊中，就能發(fā)現(xiàn)不少華人的身影。從某種意義上來說，“百模大戰(zhàn)”不是問題，而是一種“幸福的煩惱”。

2、企業(yè)如何利用AI提升核心競爭力

在人工智能爆發(fā)式發(fā)展的同時，其對很多領(lǐng)域的賦能能力也在持續(xù)提升。

2024年，AI迎來諾獎時刻。這一年的諾貝爾獎，授予給了三位應(yīng)用人工智能的科學(xué)家。雖然人工智能賦能科學(xué)研究早已有之，而且更早就賦能了營銷、零售、風控、供應(yīng)鏈等商業(yè)領(lǐng)域，但現(xiàn)在我們看到，科學(xué)家將AI應(yīng)用到數(shù)學(xué)、物理這樣的基礎(chǔ)學(xué)科，且獲得了學(xué)術(shù)界最高榮譽的認可，這是一件具有標志性意義的事情。

第四范式公司的命名由來，其實也與此有一定淵源。第四范式，原是計算機領(lǐng)域的學(xué)界泰斗、數(shù)據(jù)庫領(lǐng)域的傳奇科學(xué)家吉姆·格雷提出的概念。他認為，在經(jīng)驗證據(jù)、理論科學(xué)和計算科學(xué)之后，數(shù)據(jù)科學(xué)已成為人類科技發(fā)展的第四個階段。未來，各行各業(yè)都需要借助人工智能的賦能，用數(shù)據(jù)去發(fā)現(xiàn)新的規(guī)律，創(chuàng)造新的價值。

中國龐大的市場規(guī)模、豐富的行業(yè)場景及數(shù)據(jù)積累，為AI應(yīng)用提供了得天獨厚的優(yōu)勢。未來AI會與千行百業(yè)深度結(jié)合，通過垂直場景定制化模型釋放價值。在既有充分的人才紅利，又有巨大的產(chǎn)業(yè)、市場和數(shù)據(jù)的條件下，人工智能將在中國持續(xù)蓬勃發(fā)展。

如何利用人工智能提升企業(yè)核心競爭力，以及企業(yè)借助人工智能實現(xiàn)數(shù)字化落地與轉(zhuǎn)型，是第四范式發(fā)展過程中產(chǎn)生的一系列思考。最初，我們是一家純技術(shù)驅(qū)動的公司，因為我們發(fā)現(xiàn)技術(shù)在百度、華為、字節(jié)跳動等企業(yè)中產(chǎn)生了巨大價值，所以認為技術(shù)在其他企業(yè)中也應(yīng)發(fā)揮同樣的作用。但當我們開始運營企業(yè)時，才發(fā)現(xiàn)如何真正幫助一個企業(yè)應(yīng)用人工智能、從而產(chǎn)生實際價值，遠比單純討論“做什么樣的人工智能”更為重要。

在思考如何應(yīng)用AI這一問題時，企業(yè)要關(guān)注自身到底需要什么，是核心戰(zhàn)略、業(yè)績提升、核心競爭力，還是其他東西？

不同的年份，有不同的流行技術(shù)。過去十年間，技術(shù)熱點不斷變化，從2016年-2018年的人臉識別、語音識別，到2023年-2024年的智能問答、文生圖/視頻等。無論技術(shù)如何演進，企業(yè)運營的核心始終沒有變，那就是“三張表（資產(chǎn)負債表、損益表、現(xiàn)金流量表）”所反映的經(jīng)營問題：如何投入與產(chǎn)出、如何確保持續(xù)盈利。追風口往往是兩三年的事情，而追求利潤則是企業(yè)永恒的命題，盲目追逐技術(shù)熱點并不可取。

在我看來，研究AI是個科學(xué)問題，而應(yīng)用AI則是經(jīng)濟問題，創(chuàng)造價值才是衡量它的核心標尺。我認為企業(yè)在進行數(shù)字化轉(zhuǎn)型時，不必過分糾結(jié)于“是否使用 AI”，而應(yīng)關(guān)注自身的“北極星”指標，其又稱唯一關(guān)鍵指標，是指在產(chǎn)品當前階段與業(yè)務(wù)戰(zhàn)略相關(guān)的絕對核心指標。也就是說，AI最終要服務(wù)于提升企業(yè)的核心競爭力。

在AI時代，企業(yè)經(jīng)營會發(fā)生什么樣的變化？

在傳統(tǒng)企業(yè)的模式下，企業(yè)先制定一個宏觀戰(zhàn)略，再圍繞其召開各層級會議，從總經(jīng)理、副總到總監(jiān)再到經(jīng)理，來制定出區(qū)域、產(chǎn)品、定價、渠道或供應(yīng)鏈等策略，之后由基層員工負責具體執(zhí)行，最終通過由下而上逐級匯報形成反饋，從而不斷完善戰(zhàn)略。

而在AI加持下，這一流程將被徹底打破。首先，一家數(shù)字企業(yè)，會先明確其“北極星”指標，據(jù)此建立起一套系統(tǒng)化、可量化的評價指標，比如收入、用戶貢獻、坪效或其他關(guān)鍵效益指標，這些指標不能被簡單包裝，而必須真實反映企業(yè)運營狀況。接著通過與科技聯(lián)動，改造所有業(yè)務(wù)流程，使得每個行為和動作都可以被數(shù)字化、精確衡量。其后才是基于數(shù)據(jù)去制定各種策略，最終實現(xiàn)在精準策略驅(qū)動下的執(zhí)行。

上述傳統(tǒng)企業(yè)與數(shù)字企業(yè)最大的區(qū)別在于，企業(yè)管理從樹形結(jié)構(gòu)管理變成了目標上下貫通、結(jié)果透明的“穿透式”管理體系。

做企業(yè)的都知道一個事實，公司80%的業(yè)績，往往都是由20%的人貢獻的。在傳統(tǒng)樹形管理結(jié)構(gòu)中，總經(jīng)理只能依靠VP（副總裁）或總監(jiān)反饋信息，難以全面掌握細節(jié)和知曉每個員工的真實表現(xiàn)。而在穿透式管理下，可以清楚地看到各環(huán)節(jié)的實際成果，能夠客觀衡量并讓最優(yōu)秀的人脫穎而出。傳統(tǒng)從上而下傳達目標、再從下往上反饋結(jié)果的方式，容易因結(jié)果的包裝而失真，而數(shù)字化管理則使目標與結(jié)果一目了然，沒有被“包裝”的余地。

這樣一來，有了AI的加持，無論市場潮流如何變化，企業(yè)始終能圍繞核心經(jīng)營問題，保持穩(wěn)定且持續(xù)的發(fā)展。

我舉一個親身經(jīng)歷的例子：我剛畢業(yè)時加入百度，一直到離職，從未見過百度CEO李彥宏本人。但自始至終，我與李彥宏的工作目標卻是一致的。記得我入職第一天，上級正是的第四范式創(chuàng)始人戴文淵。他領(lǐng)我參觀完辦公區(qū)域后，帶我到電腦前，打開了百度的“北極星”網(wǎng)站。網(wǎng)站上詳細列出了百度當天的核心指標：今日收入、人均收入、人均觀看廣告數(shù)、搜索次數(shù)、搜索時長等，這些指標正是華爾街投資人來“考核”李彥宏的關(guān)鍵經(jīng)營數(shù)據(jù)。文淵告訴我：未來你不必刻意去迎合誰，也不需要依賴回報，而是要靠提升這些指標來獲得晉升。

當時，最重要的一個指標是每千次廣告收入（CPM）。比方說，當CPM達到100元，若提升1個點就可晉升一級，提升5個點則能晉升兩級。通過這種方式，即使我從未見過公司最高層領(lǐng)導(dǎo)，我的工作目標仍與大家始終保持一致——關(guān)鍵在于數(shù)據(jù)指標的提升，而非單純依賴領(lǐng)導(dǎo)的指示。其實我本人并不擅長職場交際，但憑借實打?qū)嵉募夹g(shù)貢獻，成為百度升職速度最快的員工之一。

這種基于核心指標的管理方式，在人工智能時代尤為重要。而“北極星”指標具有多樣性，零售行業(yè)可能看重DAU（每日活躍用戶數(shù)）、坪效或轉(zhuǎn)化率，銀行則可能關(guān)注AUM（資產(chǎn)管理規(guī)模）、利差等指標。

我們的方法論是，在啟動一個AI或數(shù)字化項目時，首先圍繞“北極星”指標進行拆解，形成幾個關(guān)鍵的子指標，再將這些指標細化到具體場景和業(yè)務(wù)環(huán)節(jié)，借助模型和系統(tǒng)能力不斷提升各環(huán)節(jié)表現(xiàn)，最終實現(xiàn)整個業(yè)務(wù)指標的改善。

我想提醒各位企業(yè)家，很多項目失敗的原因，并非技術(shù)本身的問題，而在于這些項目沒有對公司產(chǎn)生實質(zhì)性價值。對于百度、字節(jié)跳動等公司來說，若將人工智能剔除，可能會導(dǎo)致股價大幅下跌，因為人工智能已深度嵌入其核心業(yè)務(wù)中。而在其他企業(yè)，剔除人工智能可能對股價影響有限。這并不是說人工智能不重要，而是它未在企業(yè)核心業(yè)務(wù)上發(fā)揮應(yīng)有作用�；ヂ�(lián)網(wǎng)企業(yè)對人工智能投入如此慷慨，正是因為這些技術(shù)為他們帶來了十倍甚至更多的收入和發(fā)展提升。對于企業(yè)來說，關(guān)鍵問題不在于某一技術(shù)的優(yōu)劣，而在于是否將其應(yīng)用到對企業(yè)董事長和核心業(yè)務(wù)至關(guān)重要的環(huán)節(jié)中，并取得肉眼可見的收效。

3、AI賦能企業(yè)的具體案例

目前，第四范式的產(chǎn)品已廣泛應(yīng)用于金融、零售、制造、能源與電力、電信及醫(yī)療保健等領(lǐng)域。接下來，我將通過三個實際案例，來為大家講解第四范式如何賦予企業(yè)規(guī)�；涞谹I的能力，釋放其組織創(chuàng)新活力，提升轉(zhuǎn)型效率。

首先，以某頭部餐飲連鎖企業(yè)為例。這家公司的關(guān)鍵指標是ARPU（每用戶平均收入）。該指標可以拆解為兩個核心部分：訂單量和單筆消費金額。訂單量又可以分解為線上線下不同渠道的表現(xiàn)，如點擊率、復(fù)購率、轉(zhuǎn)化率、推薦率等；單筆金額則要通過鼓勵用戶購買更高價值產(chǎn)品來提升。

我們梳理出了一系列場景：首頁、菜單頁、加購頁等。舉例來說，開屏頁面的點擊率、菜單頁前三個位置的滲透率、以及在線下或線上加購環(huán)節(jié)的優(yōu)化，都是細化后的具體場景。通過這些拆解和優(yōu)化，最終實現(xiàn)了線上客單價從原本低于線下5毛錢，到超越線下5毛錢的轉(zhuǎn)變。達到了這一臨界點后，該企業(yè)便大力推動了線上化轉(zhuǎn)型，逐步將線下柜臺功能隱藏起來，全面轉(zhuǎn)向線上渠道。這樣的轉(zhuǎn)變使得該企業(yè)在疫情期間依然表現(xiàn)出色，其收入和業(yè)務(wù)影響都得到了顯著提升。

再舉一個金融領(lǐng)域的案例，主角是一家頭部銀行，它是我們的第一個客戶。在大約2020年左右的三年時間里，該銀行圍繞其APP推出泛生活及金融場景，確立了以 MAU（每月活躍用戶數(shù)）為核心的“北極星”指標。他們認為，未來的顛覆不來自于金融行業(yè)本身，而支付和金融服務(wù)卻極易被消費端場景顛覆。如果用戶每天90%的時間花在淘寶、拼多多、抖音、快手等平臺上，而這些平臺又在布局電商和支付，那么銀行的用戶就可能被“吃掉”。

基于這一思路，該銀行制定了一系列子指標來支撐 MAU 的目標，包括：

• 拉新指標：如何吸引新用戶（例如普通用戶的新增和外部買量）。

• 促活指標：如內(nèi)部轉(zhuǎn)發(fā)量、觸達時長、內(nèi)容點擊率及每日APP使用時長和留存情況。

• 變現(xiàn)指標：關(guān)注 AUM（資產(chǎn)管理規(guī)模）的增速，重點在于提升存款、貸款的增長，以及理財產(chǎn)品購買的比例和購買量。

我們將該銀行在線上線下的各類場景，如APP內(nèi)的交互、電話外呼、客服關(guān)懷等，進行全面梳理，并利用人工智能不斷優(yōu)化這些場景，最終實現(xiàn)用戶拉新、活躍與變現(xiàn)的整體提升，進而推動 MAU 指標的改善。

在制造業(yè)領(lǐng)域，我們的客戶之一是一家頭部車企。該企業(yè)的核心目標是提升訂單的準時交付率，計劃將這一指標提高大約10個百分點，同時縮短整車下線的流水線時間，確保交付過程更加可控。為實現(xiàn)這一目標，我們將準時交付率細化為多個關(guān)鍵環(huán)節(jié)，并進一步拆解為：

• 研發(fā)效率：包括外觀設(shè)計更新目標、零件重用率目標等，與設(shè)計直接相關(guān)的指標。

• 供應(yīng)鏈效率：側(cè)重于物流、倉儲成本及現(xiàn)貨率等目標。

• 生產(chǎn)效率與良品率：通過對生產(chǎn)過程中各環(huán)節(jié)的優(yōu)化來提升整體效率。

在此基礎(chǔ)上，我們針對具體場景提出了多項優(yōu)化措施。例如：對生產(chǎn)過程中使用的CAD軟件進行優(yōu)化，提高零件重用率；優(yōu)化CIM系統(tǒng)，改善供應(yīng)鏈管理；改造排產(chǎn)系統(tǒng)及MAss系統(tǒng)，以提升排產(chǎn)及生產(chǎn)調(diào)度的效率。

以上這些實踐案例，展示了我們賦能企業(yè)進行數(shù)字化和人工智能應(yīng)用方面積累的實戰(zhàn)經(jīng)驗，并獲得了外界包括政府部門及專業(yè)評比獎項的認可。

4、導(dǎo)師陳雨強答校友問

在授課最后的提問環(huán)節(jié)，針對嘉賓派校友企業(yè)家們提出的問題，導(dǎo)師陳雨強一一進行了解答和回應(yīng)。這部分內(nèi)容以問答形式呈現(xiàn)。

兌吧集團COO朱江波：兌吧與第四范式有很多相同點，比如都是2014年創(chuàng)立，都是做To B業(yè)務(wù)，都在港股上市。和第四范式類似，兌吧在發(fā)展過程中也服務(wù)了非常多的行業(yè)的客戶，從互聯(lián)網(wǎng)行業(yè)到全零售行業(yè)等等。而在上市之后，我們做出做垂類SaaS公司的戰(zhàn)略定位，并聚焦于金融行業(yè)。第四范式的發(fā)展歷程也是做金融行業(yè)業(yè)務(wù)出發(fā)的，如果重新來過，第四范式是否依然會選擇從金融行業(yè)切入來發(fā)展？

陳雨強：目前，我們的主要客戶集中在金融、零售、電信和能源等傳統(tǒng)高利潤行業(yè)。一大原因在于，當前的AI技術(shù)成本仍然較高。因此，只有在利潤率較高的行業(yè)中，企業(yè)才能承擔這樣的技術(shù)投入。

如果回到企業(yè)發(fā)展之初，重新再去選客戶，我們依然會優(yōu)先選擇銀行。原因在于：銀行具備雄厚資金實力。而且，銀行在數(shù)字化轉(zhuǎn)型早期，就實現(xiàn)了數(shù)據(jù)連通和中心化，其對數(shù)據(jù)精確性要求極高。同時，銀行場景相對標準化，核心業(yè)務(wù)主要包括存款、貸款、控風險以及提升經(jīng)營效率，其優(yōu)化目標比較一致，便于標準化應(yīng)用和復(fù)制。銀行的這些天然優(yōu)勢，使其成為第四范式進入AI應(yīng)用的理想切入點。

釘釘副總裁林鋒：在大眾的認知中，企業(yè)使用定制化大模型的成本和投入較高，交付也更重。我想請教關(guān)于企業(yè)在定制化型與通用模型之間的抉擇問題，以及第四范式在這方面的戰(zhàn)略布局和取舍是怎樣的？

陳雨強：我認為，一個通用模型難以解決所有企業(yè)的問題。第四范式的核心價值在于基于通用平臺可以規(guī)�；a(chǎn)出解決方案，因為每個企業(yè)的經(jīng)營問題各不相同，即使是在同一銀行領(lǐng)域，不同銀行的客戶結(jié)構(gòu)和戰(zhàn)略目標也存在差異。企業(yè)決策往往與企業(yè)“三張表”密切相關(guān)，而各企業(yè)在數(shù)據(jù)、決策依據(jù)等方面差異巨大。

因此，盡管中國現(xiàn)有的基礎(chǔ)模型發(fā)展迅速，但企業(yè)要真正落地應(yīng)用，仍需大量定制化模型來解決具體問題。我們的思路是構(gòu)建一個平臺，通過平臺生成一系列定制化模型，從而針對企業(yè)不同場景（如供應(yīng)鏈、首頁推薦等）提供專屬解決方案。為降低這部分定制化模型的成本，我們投入了大量精力構(gòu)建更好的基礎(chǔ)模型和數(shù)字化平臺，以大幅降低各場景的應(yīng)用成本。

隨著AI逐步實現(xiàn)人與系統(tǒng)的直接交互，硬件、智能硬件及穿戴設(shè)備等新的應(yīng)用場景正不斷涌現(xiàn)。比如，DeepSeek的日活用戶在幾個月內(nèi)就突破了億級規(guī)模，這表明市場對交互式AI有巨大需求。雖然金融領(lǐng)域仍是我們的主攻方向，但新的應(yīng)用機會同樣不容忽視，未來我們可能會推出面向C端的產(chǎn)品。

抖音原媒體合作副總經(jīng)理潘宇：成長為垂直決策類的人工智能頭部公司，第四范式過去做對了什么，才得以奠定今天的這個市場領(lǐng)先地位？和同類企業(yè)相比，第四范式的核心競爭力是什么？

陳雨強：如果說第四范式做對了什么的話，我認為是堅持平臺戰(zhàn)略與長期價值。

從一開始，我們就定位于構(gòu)建一個AI For Everyone的人工智能平臺，而非僅僅做定制化的場景解決方案。早期市場上，許多AI平臺公司都紛紛轉(zhuǎn)向做場景化應(yīng)用，甚至外界曾一度將第四范式誤解為一家單純的FinTech（科技金融）公司，因為我們最初在銀行領(lǐng)域深耕，且FinTech概念當時正火。但我們的初衷始終明確，即以金融作為切入點，通過平臺解決金融及其他行業(yè)在未來可能遇到的各種問題。我們堅信，要實現(xiàn)像百度、字節(jié)、Google或 Facebook那樣的體量，就必須解決各種各樣關(guān)于平臺的問題，既包括解決眼前的問題，又預(yù)見未來挑戰(zhàn)，去不斷打磨產(chǎn)品。

客戶對我們的印象也正反映了這一點。他們認為我們不是定制化服務(wù)商，而是一家能夠引領(lǐng)AI潮流、與客戶共同成長的企業(yè)。舉例來說，第四范式成立三年、團隊僅三四十人時，我們就拿下了工行的訂單。那次洽談合作時，工行派出了二三十人，而我們派出的團隊只有二三四人。最終，工行沒有只讓我們做某個單一場景（如風控或OCR），而是將人工智能應(yīng)用的平臺底座交由我們構(gòu)建。這充分說明了他們對我們平臺戰(zhàn)略和長期共贏能力的信任。

無論是作為乙方為客戶服務(wù)，還是與合作伙伴共同成立聯(lián)合公司，我們始終在探索如何快速實現(xiàn)共贏，而非單邊獲利。無論大模型是否最終成功，都無法改變這樣一個事實：被AI改變的公司與幫助其轉(zhuǎn)型的公司必須共同創(chuàng)造市場增量。

嘉賓商學(xué)創(chuàng)辦人、校長吳婷：我和第四范式創(chuàng)始人戴文淵在十年前就認識了，見證了公司茁壯成長的過程，也看到過公司經(jīng)歷的一些危難時刻。如果第四范式未來倒下了，你認為會是什么原因？

陳雨強：在企業(yè)經(jīng)營過程中，不可避免地會思考“如果倒下怎么辦”的問題。但實際上，我個人并沒有過多糾結(jié)于此。正如有人問“為什么要創(chuàng)業(yè)”，我的回答往往是：因為沒有想太多倒下的可能，所以才敢創(chuàng)業(yè)�；貞浧鹋c公司另一位聯(lián)合創(chuàng)始人時偉的經(jīng)歷：我曾在字節(jié)擔任算法負責人，而時偉是鏈家轉(zhuǎn)型時期的重要技術(shù)人員。當年，我們曾與張一鳴、戴文淵等人頻繁交流，雖然創(chuàng)業(yè)的失敗率極高，但在一次次討論中，我們發(fā)現(xiàn)沒有絕對成功的邏輯，只有不斷嘗試、不斷適應(yīng)市場的變化。正是這種不拘泥于“倒下”的憂慮，讓我們敢于走出舒適區(qū)，聚焦于如何與客戶共同創(chuàng)造價值。

我們也曾擔心來自華為這樣執(zhí)行力極強的大廠。因為華為有著極高的組織能力，一旦策略落地，其執(zhí)行效率可能遠超小公司的速度。但我深知，真正的競爭對手不是某個具體的友商，而是如何充分發(fā)揮人工智能的整體價值。目前，雖然在一些領(lǐng)域AI已經(jīng)帶來了顯著效益，但在更多場景下，人工智能的潛力尚未完全釋放。我們面臨的最大挑戰(zhàn)，是能否撐過“黎明前的黑暗”，等待那一天AI潛力全面爆發(fā)。

吳婷：作為垂直領(lǐng)域的這個人工智能公司，你們認為AGI（通用人工智能）何時會以何種方式到來？

陳雨強：關(guān)于AGI，我認為中美兩國在探索AGI的路徑上存在差異。美國依靠雄厚的算力優(yōu)勢，可以采用大規(guī)模算力驅(qū)動AGI；而中國雖然在算力上略有劣勢，但擁有豐富的產(chǎn)業(yè)場景和數(shù)據(jù)。這里存在兩種技術(shù)路線的對比：一種是構(gòu)建一個超級“大腦”，試圖讓單一模型解決所有問題；另一種則是構(gòu)建大量專業(yè)化、垂直領(lǐng)域的模型，并通過一個智能的大腦將它們有效協(xié)調(diào)起來。

就目前而言，行業(yè)的絕對的共識是大模型不可能解決所有問題，真正的AGI一定是一系列的垂直模型，而垂直模型必須是得額外研發(fā)的。生活或許可以AGI，工作一定需要垂直模型。因為生活數(shù)據(jù)是公開的。而工作數(shù)據(jù)彼此不通，底層原理不一樣，所以就需要垂直模型。

最后，我想重點談?wù)労芏嘀袊髽I(yè)走的路線，即通過豐富場景和數(shù)據(jù)構(gòu)建垂直模型，再由智能“調(diào)度中心”整合的協(xié)同模式，或許更符合人類理想中的AGI形態(tài)。我認為，這是中國的一個重要機會，因為每個垂直模型的構(gòu)建離不開充足的數(shù)據(jù)和場景，而我們有能力在這方面做出創(chuàng)新和突破。

授課 | 陳雨強 第四范式聯(lián)合創(chuàng)始人、首席科學(xué)家
出品 | 嘉賓商學(xué)