2024年第四范式公司研究：企業級AI領跑者_平臺+應用雙輪驅動_大模型帶來新增長機遇一、公司概況：企業級AI平臺領跑者公司概述：企業級人工智能領域領導者，數據科學助力人工智能融入千行百業第四范式成立于2014年9月，是企業級人工智能領域的行業先驅者與領導者。第四范式專注于利用人工智能技術，基于于平臺型AI能力，為不同行業的下游企業，提供數據建模、分析、預測等服務，幫助企業實現智能化轉型，提升決策效率和商業價值。公司產品現已廣泛應用于金融、零售、制造、能源與電力、電信及醫療保健等領域。根據招股書披露，第四范式在中國所有以平臺為中心的決策型企業級AI市場中排名第一。當前，公司繼續深耕能源電力、交通運輸、信息技術、金融、運營商等重點行業，并將繼續在智能制造、智慧醫療、智慧零售等具有重要戰略意義的領域進行布局和拓展。公司名字由來：在科學發展的四類范式中，第四階段的科學范式強調以數據科學為核心，基于算力、依靠人工智能算法挖掘數據的重要性。在這一范式中，數據不僅是研究的結果，也是推動新發現和創新的引擎。人工智能的應用已經從互聯網搜索引擎擴展到互聯網巨頭，現在正在進入千行百業。第四范式的產品旨在加速這一過程，幫助各個行業借助人工智能實現生產力的飛躍。營收狀況：營收高速增長，下游拓展+單客戶價值提升+技術提升推動營收上升公司營收高速增長：公司2018-2022年營業收入CAGR為121.53%，顯著高于行業平均。其中2022年營業收入30.83億元，同比增長52.7%，2023H1營收為14.7億元，同比增長38.5%。公司營收高度增長的原因主要為：1）下游行業拓展順利，平臺化優勢明顯。2018年，第四范式主要服務金融、能源與電力、電信、媒體4個行業，后逐步開拓了零售、教育、制造、科技、醫療保健、運輸等10余個行業。得益于公司的AI平臺化和行業遷移能力，先知平臺的定制化人工智能應用的場景和用戶增加，標桿用戶數量由2020年的47提升至2022年的104名。2）公司的價值創造能力不斷增強，單客戶收入上升。隨著2018-2022年期間公司HyperCycle、SageStudio等明星產品的推出，公司解決B端客戶實際痛點的能力不斷提升。公司標桿用戶平均收入從2020年的0.12億元增長至2022年的0.18億元。3）持續深耕技術創新，研發投入逐年上升。公司研發投入從2020年的5.66億元增長至2022年的16.50億元，產品力不斷提升。業績狀況：經調凈虧損持續收窄盈利路徑清晰公司大力投入研發，控費增效，凈虧損自2022年起有所收窄。2022年公司凈虧損為16.45億元，虧損相較2021年同期17.86億元收窄。2023H1公司凈虧損為4.78億元，較2022H1同期虧損5.67億元進一步收窄。公司2021年虧損增加的主要是因為該年度以股份為基礎的薪酬開支猛增，前9個月公司給員工的股權激勵超過了過去3年的總和。2022年，公司凈虧損的收窄主要由兩個因素貢獻：1）以股份為基礎的薪酬開支縮減；2）公司擴張性拓客戰略獲得初步成功，留存客戶對高毛利的license業務需求上升，整體凈利潤情況進一步優化。調整后凈虧損情況：由于1）以股份為基礎的薪酬屬于非現金性質，不導致現金流出；2）贖回負債的利息為非現金項目；3）上市開支與全球發售有關，不能反映公司實際經營表現，故定義調整后凈虧損為凈虧損除去上述科目影響。公司2020年、2021年、2022年調整后凈虧損分別為3.90億元、5.59億元、5.04億元。公司調整后凈虧損情況在近年內有所好轉，主要得益于公司合理控制成本和良好的經營策略。二、行業概覽：高增長千億行業，發展東風與技術需求呼喚新解決方案行業規模：人工智能行業總體來看，第四范式所在的人工智能市場達到千億美元規模，增長迅猛。IDC最新數據顯示，2022年全球人工智能IT總投資規模為1,288億美元，2027年預計增至4,236億美元，五年CAGR約為26.9%。我國人工智能市場未來發展向好，增長空間較大。IDC預計，2027年中國AI投資規模有望達到381億美元，全球占比約9%。近年來，我國人工智能產業不斷提升自身智能化水平，向高質量發展邁進。從短期來看，國內人工智能市場發展在與各行業的不同需求融合落地方面尚存成長空間；放眼未來，在政府的政策扶持和產業加快升級的主題背景下，人工智能技術必將與企業發展相融合，成為企業產品、服務和模式的一部分，將是推動中國企業跨越式發展的重要戰略資源。AI新范式：數據驅動的決策式AI+生成式驅動的大模型，賦能千行百業B端企業智能化轉型的痛點在于：企業數據分散，甚至很多數據沒有數字化，無法有效地在同一個系統對進行可視化和比較，更難以對數據背后的企業行為進行總結、分析和預測。數據驅動的AI：以第四范式為代表的企業級AI平臺可以通過算法挖掘數據意義，為企業降本增效提供解決方案。大模型可以帶來的優化：1）通用性：無需根據各行業Know-How定制化開發。2）交互性：解決B端軟件功能復雜、層層嵌套的問題。3）開發成本：降低人力開發代碼成本。4）智能化：過去的模型僅學習垂直領域，而大模型可以動用其強大的涌現能力。數據驅動的B端AI企業使用大模型，可為其客戶實現降本增效：以數據驅動的決策類AI公司是最了解B端企業痛點、需求、KnowHow的公司，大模型具有的通用性、智能性、可交互性都可以和決策類AI結合，更好地賦能千行百業。中國人工智能行業：應用落地關鍵轉折點到來，四大東風推動行業蓬勃發展應用落地轉折點東風之一——數據量增長：現今世界已實現廣泛的數字化及互聯互通，數據量急劇增長。數據量的增長為模型復雜性、模型魯棒性、模型泛化性的提升帶來可能，進一步推進AI應用的落地。根據灼識咨詢的資料，于2022年，全球范圍內創造、獲取、複制及消耗了99ZB的數據，在過去十年間增長了近30倍，且預計在2027年將進一步增長至264ZB。龐大的數據量蘊含的重要信息為每個組織創造了大量機會，然而，數據量激增也為數據分析帶來了前所未有的挑戰，由人工處理數據分析任務變得愈發困難且成本高昂。在這樣的背景之下，數據的積累促進了人工智能應用。同時，人工智能從豐富的數據中學習、訓練和發展，變得更加智能，并能夠以更有效的方式解決現實中的問題。中國人工智能行業：第三次人工智能浪潮主流，賦能企業高效實時決策人工智能輔助決策，即利用人類知識，輔以人工智能技術，解決復雜決策問題的一類技術。縱觀人工智能技術發展史，對人工智能決策能力的追求從未停止，隨著第三次人工智能浪潮的到來，決策類人工智能迎來了新的增長機會。從專家系統到系統規則，再到引領第三次人工智能的第四代Rete-NT算法，人工智能決策實時性、精準性、易用性不斷提升，決策類人工智能增長機會已然到來。得益于完整的智能決策支持系統（IDSS）運行模式，決策類人工智能的實時性和高效性大幅提升，企業智能化決策落地在望。在IDSS框架中，人工智能可以實現對模型庫、數據庫、方法庫、知識庫的靈活調用與管理，實現毫秒級別的實時決策，同時脫離決策者個人主觀性，做出更科學精準的判斷，有助于企業實現智能化決策轉型。三、企業級決策類人工智能解決方案：助力智能化轉型，走進千行百業解決方案總覽：AI提升決策水平，OODA鏈路全場景優化企業增長的要訣在于高效的管理，而管理的核心在于決策。AI賦能企業管理，有助于實現決策流程全優化。著名軍事學家JohnBoyd于1977年提出OODA循環決策理論，并被廣泛應用于企業決策。他認為，決策過程是由“觀察（Observe）—判斷（Orient）—決策（Decide）—行動（Act）”四個環節組成的相互關聯、相互重疊的循環周期，高效完成這一循環是致勝的關鍵。AI決策可有效在OODA循環的四大流程助力更高效、更精準、更有效的決策。AI進入企業決策，突破了人類認知的固有限制，有利于更優決策的生成。面對日益分散化、多元化、復雜化的企業管理場景，人類認知在理性程度、響應速度、復用程度等層面上存在局限性。AI可以有效克服這些固有缺陷，幫助實現更加智能的決策。解決方案總覽：端到端解決方案滿足數字化轉型全需求，全面產品矩陣構建完整業務生態第四范式提供端到端的企業級人工智能解決方案，全方位滿足企業在人工智能建設過程中對基礎設施、平臺和應用的需求，賦能企業數字化轉型。第四范式的人工智能解決方案產品矩陣分為兩大部分：1）作為解決方案支柱的先知平臺，包括可選的配套基礎設施和以平臺為中心的解決方案。其中，以平臺為中心的解決方案又可進一步拆分為提供低代碼/無代碼環境的人工智能開發人員套件HyperCycle和Studio，以及具備數據內核和運行時內核的操作系統AIOS。可選的配套基礎設施主體為SageOne，是一款軟硬一體的軟件定義的“一體化”解決方案。2）依托先知平臺創建的先知應用。可實現銷售與營銷、風險管理、運營效率等多元化功能。四、生成類AI業務：多模態大模型“式說”AIGS：用AIGC的能力重構企業軟件所謂AIGS（AI-GeneratedSoftware），就是基于第四范式式說大模型能力打造的軟件開發平臺，使用大型語言模型輔助開發人員進行編程，可顯著提升開發人員的軟件開發效率和人效，利用AIGC的能力重構企業軟件，實現企業規模化效應與毛利率提升。AIGS的具體功能包括：1）根據開發人員的需求，自動生成代碼片段或者整個功能模塊，減少開發人員的手動編碼時間，加速開發流程；2）作為知識庫，存儲和共享最佳實踐、代碼規范和項目經驗，幫助新員工快速上手，降低培訓成本，進一步提升整體板塊毛利率水平；3）通過自動化代碼審查、測試和部署等工作，AIGS平臺可以幫助開發人員識別潛在的錯誤和性能瓶頸。AIGS旨在：1）通過更自然、更智能、更靈活的“對話框式”交互方式，替代傳統的菜單式交互，讓用戶更方便地調用和使用企業軟件的功能和數據，提高工作效率和滿意度；2）通過大模型的生成和推理能力，實現軟件功能和邏輯的快速開發和迭代，減少人工編碼和測試的工作量和時間，降低軟件開發的復雜度和成本；3）通過大模型的學習和優化能力，實現軟件功能和邏輯的持續改進和創新，根據用戶的反饋和數據，自動調整和優化軟件的表現和效果，增強軟件的智能和價值。AIGS的路徑可以分為三個階段。1）AIGS1.0階段：Copilot調動不同的信息、數據、應用，作為助手完成用戶的指令，相當于在所有企業級軟件系統里，配備一個指揮官；2）AIGS2.0階段：Copilot+基于企業規則的“知識庫”，AI能夠參照規則做復雜工作，進一步豐富了“對話框式”的能力。比如AI查詢了“人像美化”知識庫后，能執行把照片修好看的步驟；3）AIGS3.0階段：Copilot+CoT（思維鏈）。軟件系統的使用行為最終會被大模型學會，形成AI針對這個領域的思維鏈。“式說”大模型：適用千行百業，能力多維體現在Copilot和CoT兩大核心技術加持之下，“式說”大模型全面盤活企業數據庫，通過多模態交互，開創了B端軟件辦公新范式。“式說”大模型賦能的行業與任務十分廣泛，可以全方位多維度提升企業經營效能。“式說”大模型可編寫猜隨機數程序