2024年第四范式公司研究：企业级AI领跑者-平台+应用双轮驱动-大模型带来新增长机遇

2024年第四范式公司研究：企业级AI领跑者_平台+应用双轮驱动_大模型带来新增长机遇一、公司概况：企业级AI平台领跑者公司概述：企业级人工智能领域领导者，数据科学助力人工智能融入千行百业第四范式成立于2014年9月，是企业级人工智能领域的行业先驱者与领导者。第四范式专注于利用人工智能技术，基于于平台型AI能力，为不同行业的下游企业，提供数据建模、分析、预测等服务，帮助企业实现智能化转型，提升决策效率和商业价值。公司产品现已广泛应用于金融、零售、制造、能源与电力、电信及医疗保健等领域。根据招股书披露，第四范式在中国所有以平台为中心的决策型企业级AI市场中排名第一。当前，公司继续深耕能源电力、交通运输、信息技术、金融、运营商等重点行业，并将继续在智能制造、智慧医疗、智慧零售等具有重要战略意义的领域进行布局和拓展。公司名字由来：在科学发展的四类范式中，第四阶段的科学范式强调以数据科学为核心，基于算力、依靠人工智能算法挖掘数据的重要性。在这一范式中，数据不仅是研究的结果，也是推动新发现和创新的引擎。人工智能的应用已经从互联网搜索引擎扩展到互联网巨头，现在正在进入千行百业。第四范式的产品旨在加速这一过程，帮助各个行业借助人工智能实现生产力的飞跃。营收状况：营收高速增长，下游拓展+单客户价值提升+技术提升推动营收上升公司营收高速增长：公司2018-2022年营业收入CAGR为121.53%，显著高于行业平均。其中2022年营业收入30.83亿元，同比增长52.7%，2023H1营收为14.7亿元，同比增长38.5%。公司营收高度增长的原因主要为：1）下游行业拓展顺利，平台化优势明显。2018年，第四范式主要服务金融、能源与电力、电信、媒体4个行业，后逐步开拓了零售、教育、制造、科技、医疗保健、运输等10余个行业。得益于公司的AI平台化和行业迁移能力，先知平台的定制化人工智能应用的场景和用户增加，标杆用户数量由2020年的47提升至2022年的104名。2）公司的价值创造能力不断增强，单客户收入上升。随着2018-2022年期间公司HyperCycle、SageStudio等明星产品的推出，公司解决B端客户实际痛点的能力不断提升。公司标杆用户平均收入从2020年的0.12亿元增长至2022年的0.18亿元。3）持续深耕技术创新，研发投入逐年上升。公司研发投入从2020年的5.66亿元增长至2022年的16.50亿元，产品力不断提升。业绩状况：经调净亏损持续收窄盈利路径清晰公司大力投入研发，控费增效，净亏损自2022年起有所收窄。2022年公司净亏损为16.45亿元，亏损相较2021年同期17.86亿元收窄。2023H1公司净亏损为4.78亿元，较2022H1同期亏损5.67亿元进一步收窄。公司2021年亏损增加的主要是因为该年度以股份为基础的薪酬开支猛增，前9个月公司给员工的股权激励超过了过去3年的总和。2022年，公司净亏损的收窄主要由两个因素贡献：1）以股份为基础的薪酬开支缩减；2）公司扩张性拓客战略获得初步成功，留存客户对高毛利的license业务需求上升，整体净利润情况进一步优化。调整后净亏损情况：由于1）以股份为基础的薪酬属于非现金性质，不导致现金流出；2）赎回负债的利息为非现金项目；3）上市开支与全球发售有关，不能反映公司实际经营表现，故定义调整后净亏损为净亏损除去上述科目影响。公司2020年、2021年、2022年调整后净亏损分别为3.90亿元、5.59亿元、5.04亿元。公司调整后净亏损情况在近年内有所好转，主要得益于公司合理控制成本和良好的经营策略。二、行业概览：高增长千亿行业，发展东风与技术需求呼唤新解决方案行业规模：人工智能行业总体来看，第四范式所在的人工智能市场达到千亿美元规模，增长迅猛。IDC最新数据显示，2022年全球人工智能IT总投资规模为1,288亿美元，2027年预计增至4,236亿美元，五年CAGR约为26.9%。我国人工智能市场未来发展向好，增长空间较大。IDC预计，2027年中国AI投资规模有望达到381亿美元，全球占比约9%。近年来，我国人工智能产业不断提升自身智能化水平，向高质量发展迈进。从短期来看，国内人工智能市场发展在与各行业的不同需求融合落地方面尚存成长空间；放眼未来，在政府的政策扶持和产业加快升级的主题背景下，人工智能技术必将与企业发展相融合，成为企业产品、服务和模式的一部分，将是推动中国企业跨越式发展的重要战略资源。AI新范式：数据驱动的决策式AI+生成式驱动的大模型，赋能千行百业B端企业智能化转型的痛点在于：企业数据分散，甚至很多数据没有数字化，无法有效地在同一个系统对进行可视化和比较，更难以对数据背后的企业行为进行总结、分析和预测。数据驱动的AI：以第四范式为代表的企业级AI平台可以通过算法挖掘数据意义，为企业降本增效提供解决方案。大模型可以带来的优化：1）通用性：无需根据各行业Know-How定制化开发。2）交互性：解决B端软件功能复杂、层层嵌套的问题。3）开发成本：降低人力开发代码成本。4）智能化：过去的模型仅学习垂直领域，而大模型可以动用其强大的涌现能力。数据驱动的B端AI企业使用大模型，可为其客户实现降本增效：以数据驱动的决策类AI公司是最了解B端企业痛点、需求、KnowHow的公司，大模型具有的通用性、智能性、可交互性都可以和决策类AI结合，更好地赋能千行百业。中国人工智能行业：应用落地关键转折点到来，四大东风推动行业蓬勃发展应用落地转折点东风之一——数据量增长：现今世界已实现广泛的数字化及互联互通，数据量急剧增长。数据量的增长为模型复杂性、模型鲁棒性、模型泛化性的提升带来可能，进一步推进AI应用的落地。根据灼识咨询的资料，于2022年，全球范围内创造、获取、複制及消耗了99ZB的数据，在过去十年间增长了近30倍，且预计在2027年将进一步增长至264ZB。庞大的数据量蕴含的重要信息为每个组织创造了大量机会，然而，数据量激增也为数据分析带来了前所未有的挑战，由人工处理数据分析任务变得愈发困难且成本高昂。在这样的背景之下，数据的积累促进了人工智能应用。同时，人工智能从丰富的数据中学习、训练和发展，变得更加智能，并能够以更有效的方式解决现实中的问题。中国人工智能行业：第三次人工智能浪潮主流，赋能企业高效实时决策人工智能辅助决策，即利用人类知识，辅以人工智能技术，解决复杂决策问题的一类技术。纵观人工智能技术发展史，对人工智能决策能力的追求从未停止，随着第三次人工智能浪潮的到来，决策类人工智能迎来了新的增长机会。从专家系统到系统规则，再到引领第三次人工智能的第四代Rete-NT算法，人工智能决策实时性、精准性、易用性不断提升，决策类人工智能增长机会已然到来。得益于完整的智能决策支持系统（IDSS）运行模式，决策类人工智能的实时性和高效性大幅提升，企业智能化决策落地在望。在IDSS框架中，人工智能可以实现对模型库、数据库、方法库、知识库的灵活调用与管理，实现毫秒级别的实时决策，同时脱离决策者个人主观性，做出更科学精准的判断，有助于企业实现智能化决策转型。三、企业级决策类人工智能解决方案：助力智能化转型，走进千行百业解决方案总览：AI提升决策水平，OODA链路全场景优化企业增长的要诀在于高效的管理，而管理的核心在于决策。AI赋能企业管理，有助于实现决策流程全优化。著名军事学家JohnBoyd于1977年提出OODA循环决策理论，并被广泛应用于企业决策。他认为，决策过程是由“观察（Observe）—判断（Orient）—决策（Decide）—行动（Act）”四个环节组成的相互关联、相互重叠的循环周期，高效完成这一循环是致胜的关键。AI决策可有效在OODA循环的四大流程助力更高效、更精准、更有效的决策。AI进入企业决策，突破了人类认知的固有限制，有利于更优决策的生成。面对日益分散化、多元化、复杂化的企业管理场景，人类认知在理性程度、响应速度、复用程度等层面上存在局限性。AI可以有效克服这些固有缺陷，帮助实现更加智能的决策。解决方案总览：端到端解决方案满足数字化转型全需求，全面产品矩阵构建完整业务生态第四范式提供端到端的企业级人工智能解决方案，全方位满足企业在人工智能建设过程中对基础设施、平台和应用的需求，赋能企业数字化转型。第四范式的人工智能解决方案产品矩阵分为两大部分：1）作为解决方案支柱的先知平台，包括可选的配套基础设施和以平台为中心的解决方案。其中，以平台为中心的解决方案又可进一步拆分为提供低代码/无代码环境的人工智能开发人员套件HyperCycle和Studio，以及具备数据内核和运行时内核的操作系统AIOS。可选的配套基础设施主体为SageOne，是一款软硬一体的软件定义的“一体化”解决方案。2）依托先知平台创建的先知应用。可实现销售与营销、风险管理、运营效率等多元化功能。四、生成类AI业务：多模态大模型“式说”AIGS：用AIGC的能力重构企业软件所谓AIGS（AI-GeneratedSoftware），就是基于第四范式式说大模型能力打造的软件开发平台，使用大型语言模型辅助开发人员进行编程，可显著提升开发人员的软件开发效率和人效，利用AIGC的能力重构企业软件，实现企业规模化效应与毛利率提升。AIGS的具体功能包括：1）根据开发人员的需求，自动生成代码片段或者整个功能模块，减少开发人员的手动编码时间，加速开发流程；2）作为知识库，存储和共享最佳实践、代码规范和项目经验，帮助新员工快速上手，降低培训成本，进一步提升整体板块毛利率水平；3）通过自动化代码审查、测试和部署等工作，AIGS平台可以帮助开发人员识别潜在的错误和性能瓶颈。AIGS旨在：1）通过更自然、更智能、更灵活的“对话框式”交互方式，替代传统的菜单式交互，让用户更方便地调用和使用企业软件的功能和数据，提高工作效率和满意度；2）通过大模型的生成和推理能力，实现软件功能和逻辑的快速开发和迭代，减少人工编码和测试的工作量和时间，降低软件开发的复杂度和成本；3）通过大模型的学习和优化能力，实现软件功能和逻辑的持续改进和创新，根据用户的反馈和数据，自动调整和优化软件的表现和效果，增强软件的智能和价值。AIGS的路径可以分为三个阶段。1）AIGS1.0阶段：Copilot调动不同的信息、数据、应用，作为助手完成用户的指令，相当于在所有企业级软件系统里，配备一个指挥官；2）AIGS2.0阶段：Copilot+基于企业规则的“知识库”，AI能够参照规则做复杂工作，进一步丰富了“对话框式”的能力。比如AI查询了“人像美化”知识库后，能执行把照片修好看的步骤；3）AIGS3.0阶段：Copilot+CoT（思维链）。软件系统的使用行为最终会被大模型学会，形成AI针对这个领域的思维链。“式说”大模型：适用千行百业，能力多维体现在Copilot和CoT两大核心技术加持之下，“式说”大模型全面盘活企业数据库，通过多模态交互，开创了B端软件办公新范式。“式说”大模型赋能的行业与任务十分广泛，可以全方位多维度提升企业经营效能。“式说”大模型可编写猜随机数程序