本文系基于公開資料撰寫,，僅作為信息交流之用，不構(gòu)成任何投資建議,。

商湯ProIPO估值水平是20多倍P／S（市銷率）,，上市后最高直接干到40多倍。繼商湯之后,，1月27日創(chuàng)新奇智也要登陸港股,，同樣其ProIPO估值水平也是20倍P／S，不知道上市了會怎么炒,。但無論如何,，AI賽道開始燥起來了。

不同的AI公司外界往往霧里看花,，其實(shí)按商用類型分4類,，你能很快的明白各自的區(qū)別：

視覺類AI，最重要的應(yīng)用是人臉識別和自動駕駛,，典型公司有商湯－W（HK：00020）,，目前市值2290億港元,。

語音語義AI，就是文字轉(zhuǎn)語音,，典型公司有科大訊飛（SZ：002230）,，目前市值1126億元。

決策類AI,，你可以簡單的理解為“AI下棋”,，典型公司有第四范式，目前ProIPO估值30億美元,。

人工智能機(jī)器人,，波士頓動力公司的機(jī)器狗知道吧，國內(nèi)公司典型公司有大疆,，目前估值1660億元,。

港股上的商湯和創(chuàng)新奇智我們都解讀過，今天來聊聊第四范式,。 從市場占有率角度觀察,，2020年第四范式在決策類AI這個垂類，甚至力壓四個大廠：百度（NASDAQ：BIDU）,、阿里巴巴（NYSE：BABA）,、華為和騰訊控股（HK：00700）。大有“拳打百度腳踢華為”的潛力,。

圖：決策類AI市場份額,，來源：招股書 

但從現(xiàn)實(shí)角度觀察，福兮禍所伏,，鮮明的特點(diǎn)又決定它必須要邁過幾道坎才能真正的把商業(yè)模式跑通,，卸下外界對其“流血IPO”、“IPO保命”的質(zhì)疑,。畢竟第四范式賬上的“現(xiàn)金＋短期投資＋理財(cái)產(chǎn)品”經(jīng)不起1年多的虧損,；不像商湯和創(chuàng)新奇智，賬上的錢還能可勁兒造好幾年,。

01搭積木的架構(gòu),，遷移學(xué)習(xí)是法寶

在總結(jié)第四范式的業(yè)務(wù)之前，我想先給出一個決策類AI的運(yùn)用場景,。假如一名甜點(diǎn)老板,，上月某產(chǎn)品銷售了十萬，本月銷售了五萬,。那么下個月該備多少貨呢,？如果產(chǎn)品單一，有經(jīng)驗(yàn)的決策者或許能夠猜得大差不差,。 但如今消費(fèi)者對產(chǎn)品的偏好瞬息萬變,，今天還追捧“臟臟包”,，明天就獨(dú)寵肉松小貝了。當(dāng)產(chǎn)品品類較豐富,，決策者就不能流于表面的市場規(guī)律,，還需應(yīng)對好市場偏好的變化。 決策類AI的目的就是解決上述類似問題,，它基于數(shù)據(jù)進(jìn)行科學(xué)的商業(yè)決策,。

決策類AI的邏輯支撐在于：統(tǒng)計(jì)學(xué)原理告訴我們只要建立合適的模型，就能無限逼近最真實(shí)的結(jié)果,。

傳統(tǒng)的數(shù)據(jù)分析軟件,，建立在數(shù)據(jù)庫中不同數(shù)據(jù)被標(biāo)記情況而“死硬”匯算出來的。這種方式不能靈活的生成新模型和表格,，還需要一個既懂軟件又要懂行業(yè)的團(tuán)隊(duì)實(shí)現(xiàn)靈活的數(shù)據(jù)匯算,，要求過高了些。 第四范式提供一個簡單操作且靈活搭建的數(shù)據(jù)平臺,，從而滿足客戶在不同場景的需要。其不同之處在于,，它不是試圖向用戶提供一個分析工具,，而是向用戶提供一個各項(xiàng)功能都可以任意搭配的“積木”。  

圖：“搭積木”,，來源：招股書

·Sage AIOS：一個類似于Windows一樣的可視化操作系統(tǒng),，能夠提高算力使用效率，為“搭積木”提供場地,。

·HyperCycle：內(nèi)置在先知平臺的無代碼開發(fā)工具,。按照提示說明拼接AI組件就可以完成AI學(xué)習(xí)的數(shù)據(jù)閉環(huán)。使用難度約等于照著葫蘆畫個瓢,。

·Sage Studio：可提供不同編程難度選擇的AI模型編輯工具,。可以根據(jù)不同業(yè)務(wù)需求編寫或創(chuàng)造AI模塊并可以組建的形式添加進(jìn)原有的業(yè)務(wù)數(shù)據(jù)模型,。

·先知應(yīng)用：先知系統(tǒng)上可以直接使用的開發(fā)好的應(yīng)用,，如同手機(jī)APP。 理解如何做到這些功能其實(shí)并不難,，利用遷移學(xué)習(xí)使AI命令發(fā)現(xiàn)數(shù)據(jù)規(guī)律和設(shè)置數(shù)據(jù)閉環(huán)就可以達(dá)到以上效果,。遷移學(xué)習(xí)是一種AI算法，同時也是第四范式創(chuàng)始人戴文淵在國際享譽(yù)盛名的法寶,。 遷移學(xué)習(xí)旨在把一組數(shù)據(jù)的標(biāo)注規(guī)則轉(zhuǎn)移到另外一組數(shù)據(jù)上去,。例如已知一筐花生米的質(zhì)量標(biāo)準(zhǔn)，如何分類另一筐芝麻的品質(zhì)優(yōu)劣,？遷移算法利用已知的優(yōu)質(zhì)花生米又大又飽滿的定義套用在芝麻的形態(tài)分類上,，從而得到好芝麻的分類,。

另一方面，在機(jī)器篩選芝麻的時候發(fā)現(xiàn)有時候大且飽滿的芝麻有可能只是個空殼,。通過自動加入對芝麻重量的評審規(guī)則,，AI能夠做到進(jìn)一步提升篩選芝麻的質(zhì)量。

先知平臺的客戶能夠靈活定義數(shù)據(jù)含義和改良數(shù)據(jù)結(jié)果,，這些數(shù)據(jù)運(yùn)作之后給出的建議,，即所謂的決策。第四范式的產(chǎn)品,，核心作用就是幫數(shù)字化轉(zhuǎn)型后的企業(yè)用好數(shù)據(jù),。  

02框架賣給你，用好靠自己  

使用第四范式的先知平臺,，用一句話總結(jié)：產(chǎn)品挺萬能,，師傅領(lǐng)進(jìn)門，修行看個人,。

第四范式向客戶出售三種類型產(chǎn)品：先知平臺及套件,、與第三方定制的AI硬件（服務(wù)器）、定制開發(fā)服務(wù),?？蛻糁饕窍到y(tǒng)集成商，在整體解決方案中做軟件部分,，不提供相對完整的數(shù)字化升級規(guī)劃,，終端的企業(yè)使用平臺建模得靠自己動手。 依靠先知平臺進(jìn)行AI數(shù)字化建設(shè),，用得好的終端公司會開辟商業(yè)生命新周期,。就目前情況來看，金融業(yè)和制造業(yè)因?yàn)闃I(yè)務(wù)高度相似,，對平臺的接受度會比較高,。借著龐大的金融和制造業(yè)的基本盤，第四范式也達(dá)到了一個相對不錯的收入水平,。  

第四范式不直接接觸客戶數(shù)據(jù)加上平臺具有可按需搭建的特點(diǎn),，意味著AI的實(shí)際使用成效取決于客戶如何使用。

為了與其他SaaS廠商的直接定制解決方案拉開差異,，第四范式把收費(fèi)標(biāo)準(zhǔn)改成了軟件授權(quán)＋算力的形式讓客戶能夠按需選購,。但與阿里云等直接擁有硬件平臺的公司不同，第四范式?jīng)]有集群化的數(shù)據(jù)中心,，現(xiàn)階段只能向云服務(wù)廠商租賃服務(wù)器,，再向客戶出售算力配額。

另外,，先知平臺具有高度模塊化和標(biāo)準(zhǔn)化的特點(diǎn),，使其比傳統(tǒng)企業(yè)級軟件部署時間加速不少,。但這同時意味著第四范式在部署軟件的過程中，賺不到工程師駐場服務(wù)費(fèi),。 那么,，上游算力要向外購買，下游人工帶來的增值服務(wù)又拿不到,，這使得第四范式的毛利,，最終鎖定在40％左右，大幅低于頭部AI公司（商湯70％＋）,。  

縱觀第四范式終端客戶／用戶的特點(diǎn),，就是它們都擁有不同程度的數(shù)字化，且業(yè)務(wù)產(chǎn)生的數(shù)據(jù)量巨大而難以有效整合,。在海量的數(shù)據(jù)壓力之下,，任何能替代人力分析或靈活整合數(shù)據(jù)的工具都將是他們的一劑良方。 第四范式于2019年8月與永輝進(jìn)行深度合作,，經(jīng)可調(diào)整的數(shù)字模型改良過后的系統(tǒng),，可針對客戶進(jìn)行個性化推薦，最終實(shí)現(xiàn)客單交易量提高,，對應(yīng)營收增加數(shù)億,。

結(jié)果的成功不僅來自于永輝積極在數(shù)字化上的改革，同樣也依賴于先知平臺耐折騰,。

2017年，永輝決定從推出子品牌超級物種來布局新零售業(yè)務(wù),，但兩年的努力起效不大,。

2019年下半年，永輝與第四范式達(dá)成合作關(guān)系,，同時永輝超市推出了跟永輝生活A(yù)PP非常相似的永輝買菜APP,。力圖轉(zhuǎn)型線上，做好送到家業(yè)務(wù),，但沖突的APP被外界認(rèn)為公司內(nèi)部存在嚴(yán)重分歧,。

2020年3月，永輝買菜APP下架,，兩個APP將合力發(fā)展到家業(yè)務(wù),。

2020年7月，重新收回旗下數(shù)字化平臺永輝云創(chuàng),，方便公司更好的整合資源,，提高線上業(yè)務(wù)的效率和服務(wù)質(zhì)量。再度回歸的永輝云創(chuàng),，與永輝超市進(jìn)行融合,，在管理上完成了一致性,。

2021年上半年，最終在零售系統(tǒng)完成整合后,，永輝線上銷售額達(dá)到了68．1億元,，同比增長49．3％，占主營收入比重為14．1％,。永輝的數(shù)字化轉(zhuǎn)型正式開始享受福利期,。

從事件線可以看出，第四范式于2019年與永輝合作的同時,，永輝也在努力在數(shù)字化零售業(yè)務(wù)進(jìn)行“自救”,。數(shù)字化、智能化轉(zhuǎn)型說起來很容易,，做起來卻是要涉及到各種流程和組織管理重建,。第四范式的AI平臺支持各種功能，可以被各種折騰也證明先知平臺在架構(gòu)上的可靠性,。 但折騰數(shù)字化平臺,，就意味著終端企業(yè)用戶要做行業(yè)內(nèi)“第一個吃螃蟹的人”。這種“螃蟹”既可能很好吃,，也可能讓企業(yè)付出很高的代價,。對于它們來說，再好的工具和建議也不如量體裁衣的一整套解決方案,。

AI平臺作為工具哪怕再好,，又如何呢？就像藝術(shù)作品,，沒有人會稱贊一幅畫作好是因?yàn)楫嫻P的質(zhì)量高,。

03第四范式的四道坎  

在SaaS類產(chǎn)品的公司中，通常會有一個部門叫客戶成功部,。這個部門的任務(wù)是幫助客戶用好產(chǎn)品獲得正向效益,，從而提高產(chǎn)品的聲譽(yù)和客戶續(xù)訂率。但對第四范式這種AI公司來說,，要想讓用戶獲得良好的效果,，需要再跨過幾道坎。,。

首先,，標(biāo)桿客戶的合作模式能否推向全行業(yè)是第一個大難題。

如我們之前分析創(chuàng)新奇智時指出,，AI公司的下游客戶存在一個龐大的基本盤,，金融行業(yè)對于第四范式來說就是龐大基本盤里的一部分。但這一套在零售行業(yè)恐怕就行不通了。 例如與永輝合作的成功轉(zhuǎn)移到便利店的運(yùn)營上,，前者的優(yōu)勢是能夠提供消費(fèi)者長期的購買情況,，從而獲取消費(fèi)者畫像，進(jìn)而優(yōu)化推薦和進(jìn)貨算法,，最終降低周轉(zhuǎn),。 而對于便利店來說，店鋪的選址要比提供商品類別更加重要,，這導(dǎo)致所謂的成功案例或許在別人看來有生搬硬套之嫌,，最后不得不再針對性的開發(fā)了一個智能選址的功能。

第二,，研發(fā)的投入或許沒有終點(diǎn),。

先知平臺實(shí)際上是給用戶提供了一整套的工具箱，看似用戶根據(jù)想法可以自由搭建,，但實(shí)際因?yàn)楣δ芸蛇x的問題,，在一定程度上受限。這就導(dǎo)致為了這種假設(shè)性的滿足客戶可能的需求,，就要持續(xù)不停的投入研發(fā),。 原因一是因?yàn)锳I算法目前仍處在一個高速更新迭代的過程中，AI算法不能像傳統(tǒng)ERP軟件一樣可以一個版本安穩(wěn)使用5－10年,。如果客戶不能及時升級模型,，隨著業(yè)務(wù)增長，會多使用算力和降低效率,。這導(dǎo)致客戶在編寫模型的時候要額外考慮算力分配與流程合理性的問題,。  

第二個原因是一旦有了獨(dú)特的新需求，AI公司響應(yīng)到交付的流程與傳統(tǒng)ERP公司沒有區(qū)別,，都需要定制開發(fā),。如果需求明確，那為什么一開始不找軟件公司開發(fā)呢,？再退一步來講，這種需求與響應(yīng)之間產(chǎn)生的訂單,，可能被第三方服務(wù)商截胡,。這就導(dǎo)致先知平臺的功能和APP必須要不停的預(yù)判客戶的需求而開發(fā)。

第三,，人才管理問題,。

先知平臺可以讓無代碼學(xué)習(xí)經(jīng)驗(yàn)的人憑借搭積木就能快速吃到AI應(yīng)用落地的福利。好的產(chǎn)品需要投入巨大的研發(fā),，但一旦研發(fā)完,，人才如何留住呢？ 算法屬于學(xué)術(shù)資源,，這意味著任何一個設(shè)計(jì)核心的開發(fā)人員在未來都有可能從第四范式走出來開設(shè)公司,。對競爭對手來說,，代交競業(yè)協(xié)議的罰款和預(yù)備日后可能的侵權(quán)罰款，相比親自投入研發(fā)費(fèi)用那簡直就像是花五毛錢買的辣條,。一旦產(chǎn)品成熟落地,，研發(fā)費(fèi)用還沒有收回，價格很可能因?yàn)閮?nèi)卷快速下降,。 第四范式作為模塊化平臺的領(lǐng)軍人,，不得不再繼續(xù)拿出新功能才能與后來者拉開差距。

第四,，客戶自主開發(fā)模型的知識產(chǎn)權(quán)問題,。

假設(shè)第四范式與寧德時代的合作中，已知寧德時代自己具備一定的數(shù)據(jù)編程能力,。那么寧德時代利用先知平臺為自己量身打造的AI模型,，知識產(chǎn)權(quán)屬于誰的呢？ 屬于寧德時代的話,，那第四范式所謂的行業(yè)標(biāo)桿客戶的宣傳策略可能不成立,。畢竟客戶用得好，跟產(chǎn)品廠家沒太大關(guān)系,。

屬于第四范式的話,，那寧德時代開發(fā)的全球龍頭級別生產(chǎn)控制系統(tǒng)模型，是不是就要流向二,、三線去了,？那作為自主開發(fā)出模型的用戶，自然是不會情愿的,。 現(xiàn)在這些問題沒暴露不是因?yàn)槎加型咨频慕鉀Q,，只是AI進(jìn)入行業(yè)還是在早期階段，未來發(fā)生的可能性需要提前預(yù)知,。

人工智能在國內(nèi)的市場在今天已經(jīng)臨近爆發(fā)期,，但按部就班并不一定能取得最終的勝利。AI科技公司一方面對自己的虧損十分樂觀,，另一方面又對于自己在研發(fā)和占據(jù)科技前沿的投入十分自豪,。但這種投入真的不是被迫的嗎？產(chǎn)品理想雖好,，但與落地成熟依然相距甚遠(yuǎn),。

第四范式成立已經(jīng)四年，募資用途卻只是按部就班的技術(shù)研發(fā),、加薪留人,、營銷推廣、用投資和并購的方式打入目標(biāo)行業(yè)?？此剖终５倪x擇,，卻透露著公司被捆綁在趕驢拉車模式下的困境：不停的陷入研發(fā)營銷的循環(huán)，而不能像頭部AI公司一般,，規(guī)劃建造自己的AIDC,、落地自己的AI加速芯片，來提高利潤率和產(chǎn)品附加值,。

第四范式的AI先知平臺,，是好產(chǎn)品，但維持優(yōu)勢要付出太多了,。

回頭看著股權(quán)結(jié)構(gòu)上面眾多的小股東們,，第四范式的上市之路真的只是謀求發(fā)展而不是救亡圖存嗎？