四次遞表之后，估值超過200億元的AI獨角獸第四范式近日如愿通過港交所聆訊，即將成為資本市場AI皇冠上的又一顆明珠。

　　第四范式成立于2014年，歷經11輪融資，不僅股東陣容豪華，也在商業化層面進展可觀。今年4月底，第四范式首次對外公開大模型產品“式說3.0”，以及AIGS(AI-Generated Software)戰略，布局大模型和生成式AI。

　　和眾多AI同行一樣，第四范式的業務也主要集中在B端。灼識咨詢數據顯示，以2022年收入為標準計算，第四范式是中國最大的以平臺為中心的決策類人工智能提供商，市場份額為22.6%，高出第二名十多個百分點。

　　這正是第四范式不同于同行的地方。招股書提及，人工智能領域擁有四個主流應用方向——決策類人工智能、視覺人工智能、語音及語義人工智能和人工智能機器人。顧名思義，AI技術的落地方式并不相同。

　　相較于AI領域比較流行的工具化思維，第四范式并不覺得，機械地把AI變成某個系統的“眼耳鼻口”，就能真正發揮AI的價值。就像在大模型領域，第四范式創始人兼CEO戴文淵曾經說，大模型未必需要當“通才”，重要的是多步推理，掌握邏輯，從而拆分和執行復雜工作。

　　查閱這家公司現在取得的成績，我們不得不承認，或許這種別樣的思維，將幫助第四范式在AI領域、在大模型浪潮之中建立差異化優勢，闖出自己的一方天地。

　　商業正循環已建立，不畏浮云遮望眼

　　作為一家典型的科技企業，第四范式自奔赴上市道路之日起，就被外界嚴格審視。和商湯、云從等AI同行們一樣，他的虧損也被大書特書。但正如松果財經一貫的態度——真正重要的是，資金投往何處，是否成為了有效資產，有助于長期價值的建設。在此基礎上，企業又是否形成了健康的增長模式，走向了正循環。

　　這需要將目光從單一的數字上暫時挪開，回看第四范式的總體成績、營收、研發投入和虧損，需要對照來看。

　　招股書顯示，2020年至2022年，第四范式逐年營收分別為9.42億元、20.18億元、30.83億元。2023年一季度，公司實現收入6.44億元，同比增長33.6%。伴隨營收快速增長的是，經調整凈虧損率的顯著收窄。2020年到2022年，第四范式經調整凈虧損率分別為41.4%、27.7%、16.4%。今年一季度已經收窄至10.1%，低于去年同期的13.8%。

　　可見，在收入規模擴大、商業模式價值逐漸顯現的同時，第四范式的經營效率和質量逐漸提高。而當我們引入研發投入這個指標后，會發現第四范式已經明顯跑通了自己的成長體系。

　　2020-2022年，第四范式研發投入分別為5.7億、12.5億、16.5億元，研發投入占比持續居于50%-65%的區間。第四范式的收入，主要就來自其研發產物和研發能力本身——先知平臺及產品，是指“提供企業級人工智能解決方案并自銷售先知平臺及產品產生收入”，而應用開發及其他服務產生收入，則是“根據客戶需求利用先知平臺提供應用開發服務”。

　　顯然，這就是一套正循環體系：技術-產品-收益-反哺技術。招股書顯示，在2022年，第四范式擁有104名財富世界500強企業及公眾上市公司范圍內的標桿用戶，同期總客戶數已達409名，凈收入擴張率為126%。這類用戶的需求往往恒定、穩固、高標準，不會輕易更換供應商，是驗證第四范式技術產品化能力的最好證明。

　　從全球所有高新技術行業的發展過程看，絕大多數優質企業發展初期，都必須采取成本換技術、時間筑壁壘的發展方式。或者說，科技行業，是護城河一旦形成，便難以被追上和超越的，如果不靠前期投入強根基，將更容易被市場淘汰。但反過來，和第四范式一樣建立了前期的技術與市場優勢，將在市場上行區間獲得更大機遇。

　　第四范式招股書援引灼識咨詢數據指出，預計2020年到2025年，中國決策類人工智能市場的支出規模將從268億元增長至1847億元，年均復合增長率為47.1%。其中，第四范式所處的以平臺為中心的決策類人工智能賽道，有望取得高達60.4%的復合增速。今天的投入壓力，在更大的市場前景面前，只是浮云而已。

　　大模型降落：數字化生產力以人為本

　　如果時間倒退三年，市場或許會對AI行業服務B端的方法持有疑慮，因為在傳統的面向客戶開發范式中，似乎大多數公司很難創造真正的差異性優勢——并非技術、產品或者服務能力有瑕疵，但是做不到“非我不可”的程度。

　　但今天，大模型如火如荼的時刻，第四范式找到了一個更通透的思路。曾經的服務是為企業開發軟件應用，現在，面對企業的數字化需求，借助大模型的力量，AI可以對傳統企業軟件的應用模式做出改造。

　　這就是AIGS戰略(AI-Generated Software)的內涵：以生成式AI重構企業軟件。其核心在于，要把原本被企業人員視為管理工具的、刻板繁雜的數字化系統，轉化成以人為本的、交互輕松的企業專屬助手。“式說3.0”就是這樣打造而來。

　　這在某些方面類似一個教學與教輔體系，大模型加持的系統就像老師，老師不需要是全才，但在特定領域能夠給出真正可靠、有步驟的解題方法。AI，在此刻變成了屬于一家企業和一個行業的“老師傅”，可以隨時與人員對話，精準切入需求領域，執行步步為營的措施，幫助員工完成任務，而這正是很多行業今天缺乏的真正助力——在經營數據日積月累導致的“數據運用困難癥”里，找到把數據用起來的方法。

　　舉個例子，在第四范式已經有所嘗試的應用中，工業設計領域，傳統工業軟件的功能、交互和參數設置都是非常復雜的，專業操作不僅考驗員工水平，也需要耗費很多時間。但有了基于生成式AI的“工業設計軟件助手”，當員工需要在用軟件的過程中進行查詢、驗證等操作時，只需要上傳圖片資料，就可以向助手語音提一些“幫我找類似的零件”或“給出這兩個零件的裝配方案”這樣的問題，大大減少員工工作中被其他操作打斷的概率，一問即得，提高工作效率。

　　從這樣的一個案例中也能看出，AIGS本質上有幾個不同于傳統數字化生產力的特點。

　　其一，它充分做到了以人為核心，而傳統的數字化工具、系統，或許更看重從正向設計出發，創造一個對員工工作進行追蹤、控制和檢驗的系統。究其原因，傳統數字化往往要考慮管理者視角，提升企業總體的數字化掌控力，而對實際工作中一步步解決問題的能力產生了輕視。

　　第四范式聯合創始人胡時偉曾提到過一句適合用來解釋這種差異的話：“對應于企業里的管理者和員工，決策 AI就是管理者角色的數字化，而生成式 AI則是員工角色的數字化。”只有當兩者結合，這個系統才能和企業經營真正上下同心地協同起來，更好地發揮生產力。

　　其二，則是要做到這種步步為營的思維鏈CoT(Chain of Thoughts，多步推理)能力，需要同時擁有對經營數據的充分利用、企業軟件開發的用戶體驗思維以及新技術提升的全面能力。

　　AI企業本質都是算力密集型企業，但第四范式更明確算力的應用方向、落地方式，能夠用算力去激活企業內部的沉淀數據，并通過用戶可輕松交互的方式，嵌入企業生產經營的流程，這才是大模型在To B領域應用的先聲奪人。因為在長期的發展中，第四范式早已與各行各業的客戶深入連接，不僅僅懂在技術上、產品上，這些企業需要什么，更懂在面對環境的劇烈變化時，企業的組織、員工的日常工作存在哪些難點痛點，并據此發揮AI的更大價值。

　　終有一日，第四范式賣的不會只是技術產品，而是以之為核心、以人為抓手、為企業創造生產力的整套服務。這也值得我們給予它更多的期待。

　　也許就像第四范式這個名字的誕生一樣，美國計算機科學家、圖靈獎獲得者吉姆·格雷于2007年提出科學研究方法的發展路徑——實驗研究-理論研究-仿真模擬研究-大數據分析，從而得以推導四大范式——實驗科學-理論科學-計算科學-數據科學。科學演進到今天，已經進入了第四范式，靠數據解構、驅動生產生活中的一切行為。

　　在這個過程中，連大模型也只是一個必經的階段，我們應把關注重點，放回技術如何產生價值。在這方面，第四范式并沒有執著于概念和title的打造，而是一上來就瞄準生產力、核心競爭力，讓人看到了To B領域腳踏實地的魅力。這值得稱贊，因為在所有強調技術對外服務的行業，我們應該習慣，技術適應千人千面的需求，靠的是持續專注的苦功，所以最有價值的產物往往是內斂的，精力都放在迭代升級中。最終為產業和社會帶來巨大價值的時候，外界已然“于無聲處聽驚雷”。

　　來源：松果財經