首页分享第四范式 —— 跨越0到1？最近这个公司挺火的，花了点时间做了点功课，分享给大家。先介绍下公司业务、再看近期财务数据，最后谈下我对这个公司的理解。1...

第四范式 —— 跨越0到1？最近这个公司挺火的，花了点时间做了点功课，分享给大家。先介绍下公司业务、再看近期财务数据，最后谈下我对这个公司的理解。1...

来源：花匠小妙招时间：2024-12-30 01:37

最近这个公司挺火的，花了点时间做了点功课，分享给大家。先介绍下公司业务、再看近期财务数据，最后谈下我对这个公司的理解。

1. 公司业务和产品

引用招股书开篇的一段话：

我們是一家人工智能軟件公司，專注於提供以平台為中心的人工智能軟件，使企業能夠開發其自有的決策類人工智能應用。我們提供以平台為中心的人工智能解決方案，使企業實現人工智能快速規模化轉型落地，發掘數據隱含規律並全面提升企業的決策能力。

第四范式招股书

第四范式成立于2014年，创始人为戴文渊（上交计算机本硕、香港科技大博士，ACM世界冠军，师从华人界首位国际AI协会院士杨强，前百度高级科学家、华为方舟实验室主任科学家）。

这是一家AI应用公司，目前主要有三部分业务：4ParadigmSage（先知AI平台）、4Paradigm SHIFT（AI+智能解决方案）、4Paradigm AIGS（生成式AI软件开发平台）。2023年这三部分业务营收占比分别为59.6%、30.5%、9.9%。

4ParadigmSage（先知AI平台）由Sage AIOS操作系统+HyperCycle/Sage Studio开发套件组成。可以简单理解为预装了各种AI开发、建模、运维组件+行业AI应用模板的Windows系统 —— 一个用于二次开发的基座。

建模这部分应类似于阿里PAI平台，我理解核心价值在于降低建模准入门槛同时提供支持便捷落地的附加服务（AI数据治理、资源调度、模型管理、北极星、对外API等等）。

4Paradigm SHIFT（AI+智能解决方案）是基于公司自身的AI底层能力，为不同行业的客户提供数字化解决方案(产品)，助力企业的数字化、智能化转型。

目前已经在金融、能源电力、运营商、交通运输、医疗等行业有落地应用案例。虽然不同行业的数据形态、业务需求千差万别，但在相同、相近行业上这些解决方案一定程度是可复制的。定制化解决方案看似一次性投入，其实也可算为平台化能力的累积。

4Paradigm AIGS（生成式AI软件开发平台）是基于大模型能力打造的软件开发平台，可以提升软件的使用体验和开发效率，或者形成工作流。这个可以参考VS Code里面百度的插件Baidu Comate或者微软的 Microsoft Copilot。

简单总结说，第四范式的商业模式就是围绕客户专业人员短缺、自建模型成本高、工程化门槛高等AI应用落地难的痛点提供一系列平台化或定制化的PAAS+SAAS服务。将在互联网行业被率先论证且成功应用的AI技术以较低成本迁移应用到其他传统行业并带来（经济）价值。

AI应用、企业数字化转型是一个被cue了十来年了，但多数企业、特别是传统企业仅仅留于形式，并没有享受到这些技术可能带来的生产力或者运营效率的提升。在采访中，戴老板说的理念我很认同。

第四范式目前的合作伙伴大多为大型国有银行、能源、电力企业：

从表面看这是一个很具有想象空间的行业，创始人的理念也基本务实靠谱。只是从我从业的角度来看，第四范式的商业模式在实际推广中可能存在一些困境，在最后说。

2. 公司财务状况

公司成立于2014年，于2023年9月在香港上市。

近四年+24H1公司营收分别为9.42、20.18、30.83、42.04和18.67亿，同比增速分别为114.21%、52.73%、36.38%和27.14%，同比增速依旧不低但在逐渐放缓。

公司毛利率相对比较稳定，一直在45%+，不过今年H1只有42.32%，是由于营业成本增速（+41.01%）高于营收增速（+27.14%）所致。

公司研发投入一直维持在一个比较高的水平，毛利润几乎完全投入，作为后果，就是公司目前还没有实现盈亏平衡，好消息是，亏损比率一直在收窄，今年上半年已经降低到个位数的-9.03%。

另外，公司营收的增长似乎并不依赖于广告或营销和组织规模的线性扩张，因为公司的销售费用率、管理费用率都在持续被动地下降。这也是第四范式能长期维持高增长研发投入的基础。

此外比较麻烦的是公司的应收账款一直在攀升，应收/营业收入的比例也一直维持在较高的数值。好在应收账款周转天数还在基本合理的范围内，但持续在恶化，公司在对下游的议价能力相对较弱。

再对比下商汤的数据，商汤快600亿市值，这几个指标真是没法看：

3. 投资逻辑和一些担忧

在牛市中似乎有梦想谁都了不起，但投资来说还是理性更重要一些，想了很久，从我的视角看这个公司的逻辑还是存在一些瑕疵。

乐观视角：

1. 各行各业似乎都需要数字化转型，但目前很多企业连BI报表都做不明白，AI应用渗透率极低，而第四范式的平台产品市占率第一，对标Palantir，似乎可以成为中国决策类人工智能领域的领军企业。

2. 根正苗红，媒体力捧、官方站台，CEO在国际会议频频露面，to G业务有望展开。

3. 财务状况持续改善，有希望率先跑通商业逻辑实现扭亏，这个大家好像比较看重。

4. 讲梦想、炒题材的绝佳标的，在牛市中。

一些担忧：

产品需要服务于客户需求、或者创造客户需求。第一节我介绍了第四范式的几个产品到底是什么、有什么用，这里就存在一些想象与现实之间的GAP。

先知平台并不是什么独一无二的存在。这类产品其实在行业中同质化挺严重的。我自己在工作中接触过的就有很多，不说腾讯、阿里、华为、字节，还有无数的小公司，比如和鲸。

对于看重数据的或者互联网企业来说，这些平台基建和应用层的建设大部分会自己来搞，以更加适配自身业务。而且，基建本身不是核心，核心是不断变化的业务需求，所以平台之上的应用、甚至平台本身的架构都一直在变化，没有一套系统吃遍天的说法。所以这部分企业不会对第四范式有需求。

第四范式是围绕客户专业人员短缺、自建模型成本高、工程化门槛高等AI应用落地难的痛点提供一系列平台化或定制化的PAAS+SAAS服务。但一般有这类标签的公司说实话，对先知平台里面的工具包不会有太多的需求，对这些客户，基于数据解决特定业务问题的定制化咨询项目的需求可能更强烈。而定制化项目，除了公司能积累相关行业经验外，并不具备低成本复制的属性。

前几年我在一家数据中心，我们团队跟清华的一位院士有课题上的合作，当时数字孪生的概念挺火，院士说因为这是热点所以一定要去发相关论文，实际真正有多大的提升并不重要。这就是学术界和实际应用的差异。

现实大部分商业或者工业场景中，一名合格的数据分析专家就能解决很大一部分问题，提供数据驱动业务的价值。剩下需要建模的，简单的机器学习模型又能解决一大半的问题，比如多元线性回归、Xgboost。对于某些特殊的数据或者场景，比如客户咨询订单、制造产线品控问题，会用到NLP+CV类算法，但这些算法本身也很成熟。

所以在看似可以作为壁垒的算法领域，其实第四范式不存在什么壁垒，真实有客户需求的群体与主力产品之间有一些定位上的差距。从第四范式的主要客户也能看出来，主要都是一些大型传统行业的国企，如银行、运输、能源，未来能继续拓展的客户，大概率也只能局限在这些行业中。所以我不太看得清公司未来能覆盖的市场份额到底有多大。