第四范式深度报告：决策AI紧扣企业智能化需求融合生成AI加速落地

正文目录TOC\o"1-2"\h\z\u一、企业智能化下的AI供需匹配与部署交付 5企业需求从数字化迈向能决策，核心问题是“怎么拥抱AI” 5第四范式：底层技术平台+垂类解决方案+AIGS形成合赋能“AI+” 6二、标杆客户持续突破，商业端与3C共同拓展 15标杆客户量价齐升并逐推动规模化落地 153C产品与细分领域合作创拓展商业增量 17三、从政策、生态及业务特征探讨落地优势 20落地优势1：自上而下智能化应用与企业智能化发展趋势 20落地优势2：在各机器习平台中具有长期领先优势 22落地优势3：服务紧扣务痛点，千万级定制化交付客户粘性强 22四、盈利预测 26五、风险提示 27图表目录图1：决策AI+生成式AI共构建螺旋上升的AI发展史 5图2：AlphaGo 6图3：推荐算法 6图4：2020-2024年收入结（亿元） 7图5：平台化收入占比持续升（） 7图6：第四范式产品及服务构 8图7：类ows的本地化AI系统交付形式 8图8：SageOne一体机模型弹性伸缩技术应对流量波动 8图9：模型弹性伸缩技术原理 8图10：传统特征开发流程 9图11：OpenMLDB：线上线一致的低延迟数据库平台 9图12：GPU池化管理提升多务效率 9图13：4ParadigmSageAppStore–应用 10图14：4ParadigmSageAppStore–模型 10图15：例-港口集装-原理软件 10图16：例-港口集装-SageGPT自然语言交互并实现智能划 10图17：ModelHubXC示例 11图18：AIOS平台迭代 12图19：AIGS迭代 12图20：第四范式AIAgent+垂直世界模型➡AGI理念 12图21：世界模型概念 13图22：Genie3镜头回转的境一致性 13图23：通用世界模型能力 14图24：第四范式每半年营（亿元，） 16图25：现有标杆客户与非有标杆客户营收（亿元，） 16图26：第四范式客户结构个，202-02 16图27：第四范式标杆客户年增减（个，202-02 16图28：标杆客户数及增速个，） 17图29：每标杆客户平均收（万元） 17图30：第四范式覆盖行业构，2020-2022 17图31：第四范式客户示例 17图32：搭载PhancyAIAgent模组的各类端侧产品 18图33：基于海思芯片、OpenHarmony系统的Phancy智能件 18图34：可拍摄、问答、听、翻译的AI眼镜 18图35：用于金砖国家AI高别论坛的AI手机助手 18图36：海博思创主要业务项目案例示例 19图37：九鞅科技主要业务 20图38：2021-2024中国各行人工智能应用渗透率（） 22图39：2024年中国机器学平台份额 22图40：中国大模型开发平能力象限 22图41：企业智能化路径中机器学习平台更具专才特征 23图42：Palantir季度毛利与净利率（） 24图43：Palantir政府/商业度营收（百万美元，） 24图44：Palantir政府/商业户数（个） 24图45：Palantir美国/非美区季度营收（百万美元，） 24图46：Palantir美国地区府/商业季度营收（百万美元，） 25图47：Palantir美国地区业客户/总商业客户数（） 25图48：2021-2025H1每半年利、毛利率、净利率（亿元，） 26图49：研发费用率逐渐下（） 26表1：决策类大模型对比大言模型 5表2：Genie3的通用世界模能力理解 13表3：行业大模型应用案例 14表4：《国务院关于深入实施人工智能+行动的意见》总体要求 21表5：从数据、算法、算力素等方面明确政策要求与发展指导 21表6：营收预测 26表7：可比公司估值 27一、企业智能化下的AI供需匹配与部署交付企业需求从数字化迈向智能决策，核心问题是怎么拥抱AI智能化让业务决策从经验导向向模型驱动转变。企业数字化与信息化的最终目的是为了驱动业务增长、提升效率和创造竞争优势。接入的各类软件与业务会积累大量数据，在进行一定的数据整合后，数据可视化与分析一定程度上展现了过去和现状，再经由人为解读和分析进行决策。决策智能化是通过运用机器学习、深度学习等AI技术，基于历史数据和实时数据构建预测模型和优化模型。随着企业数字化、信息化发展步入深水区，叠加生成式人工智能与大模型技术在各行各业的加速落地与广泛渗透，企业对数据的需求已不再局限于采集、存储与可视化展示，而是更聚焦于数据对业务的实际赋能——即智能决策，也就是企业数智化/智能化发展的阶段。企业智能化需求显现，但智能化落地涉及数据治理、AI模型与业务场景的精准适配、系统安全合规等多维度复杂问题，需专业团队实施落地（不论是自建或外采）。AIAIAIAIChatGPT、DeepSeek已成为企业感知智能化价值的增效（及部分增收）AI图1：决策AI+生成式AI共同构建螺旋上升的AI发展史资料来源：腾讯AI实验室，麦高证券研究发展部表1：决策类大模型对比大语言模型比较项目LLM（大语言模型）决策类人工智能模型价值定位为通用主题提供合理的答案提供预测分析并知道特定场景下的业务决策底层技术生成式模型判别式模型使用场景基于针对一般话题的大量历史数据进行归纳而生成答案基于总结特定事件的历史数据及实时输入进行模式总结而预测未来状况使用特征强调创造性、多样性强调准确性、相关性、可靠性数据要求及总拥有成本数据范围极大，通常涉及广泛而一般的问题。由于海量数据涉及高训练成本，因此总拥有成本较高适当的数据范围，通常与特定业务工作有关。由于仅训练最相关的数据，因此总拥有成本可负担资料来源：招股书，麦高证券研究发展部从通用场景的案例来看：AlphaGoAIAI（观看时长、购买转化等。图2：AlphaGo 图3：推荐算法资料来源：GoogleDeepMind，麦高证券研究发展部 资料来源：人大高瓴人工智能学院，麦高证券研究发展部第四范式：底层技术平台+垂类解决方案+AIGS形成合力赋能AI+AI以底层技术AIAIAI4ParadigmSageAutoML、迁移学习等为技术核心，AIOSAI智能解决方案-4ParadigmSHIFT：基于平台向细分场景深挖扩展，构建多行业方案，面式说AIGS服务-4ParadigmAIGS：AI赋能软件开发（AI-enraedysem，提升应用AIGSBuilderAIGSCodeX占比为81.8，2025Q2达86.8。图4：2020-2024年收入结构（亿元） 图5：平台化收入占比持续提升（）60504030201002020 2021 2022 2023 2024

100806040200

2024Q12024Q22024Q32024Q42025Q12025Q2先知AI平台 SHIFT智能解决方案式说AIGS服务 应用开发及其他

先知AI平台 SHIFT智能解决方案 式说AIGS服务资料来源：公司公告，麦高证券研究发展部 资料来源：公司公告，麦高证券研究发展部首先从整体产品架构及交付形式来看：第四范式通过本地化一体机的交付形式私有化部署，保障企业数据安全。先知平台可以理解为一个类似ows/MacOS的人工智能操作系统，帮助企业客户实现快速、规模化部署，用于设计、开发、操作及管理人工智能应用。平台上提供两类供开发人员使用的套件，分别是无代码开发工具HyperCycle系列及低代码和无代码开发工具SageStudio系列，根据不同应用场景选择不同类型的算法工具，例如HyperCycleML、HyperCycleCV、HyperCycleOCR、HyperCycleKB、MLStudio、CVStudio、NLPStudio、SpeechStudio等。HyperCycle是一种方法论，结合各类AI技术栈帮助企业简化人工智能应用开发流程。具体来看HyperCycle包含行为、反馈、学习及应用四个步骤，不断循环优化智能效果。HyperCycleMLAutoMLAutoMLHyperCycleCV将原本繁琐的模型构建过程提炼为图像、标注、学习和应用四个步骤，针对HyperCycleOCROCR40余种常见的应用场景（身份识别验证、票据录入、文档核对、签名认证、存档检索等。图6：第四范式产品及服务架构 图7：类ows的本地化AI系统交付形式资料来源：招股书，麦高证券研究发展部 资料来源：公司官网，麦高证券研究发展部2025年3月，公司联合华为共同发布一体机SageOneIA，实现从芯片、框架到服务的全链国产化。2025年4月，公司推出模型弹性伸缩以应对流量波动。系统会根据负载状况，自动灵活切换同一系列下不同参数大小的模型提供模型服务，无需额外扩展计算节点，为企业客户节省算力成本，提升资源使用效率的同时还能降低运维工作量。SageOneIA一体机的模型弹性伸缩技术更新进一步提升模型与算力运用效率和顺畅度，而这个技术过程本身也是决策AI的一次经典应用。在大模型推理场景下，负载较小时，满血版模型提供高精度的推理服务；进入高峰时段时，系统会自动将满血版降级为一个或多个蒸馏版/量化版模型实例，来处理大量并发请求。结合模型预加载等技术，可避免模型服务切换时，导致服务中断或输出质量波动问题，做到用户无感知的平滑切换；当流量回归常态后，系统再自动升级到满血版模型服务，并释放多余的较小参数模型实例。同时，系统可预设多种基于负载的触发条件，如结合GPU使用率、请求队列长度、响应延迟等资源健康度指标，形成动态切换策略和任务路由机制，使弹性方案在实际应用中更贴近业务需求。图8：SageOne一体机模型弹性伸缩技术应对流量波动 图9：模型弹性伸缩技术原理资料来源：公司公众号，麦高证券研究发展部 资料来源：公司公众号，麦高证券研究发展部其次，关注赋能算法规模化落地的底层核心技术栈：为提升实际机器学习模型的开发和优化效率，第四范式也针对底层数据及运行管理研发专用组件，分别为机器学习数据库——OpenMLDB和开源AI操作系统内核——OpenAIOS。OpenMLDB：95OpenMLDB（已开源AI一致的场景中应用，实现开发即上线的快速部署。OpenAIOS：OpenAIOSGPU图10：传统特征开发流程 图11：OpenMLDB：线上线下一致的低延迟数据库平台资料来源：4PD开发者社区，麦高证券研究发展部 资料来源：4PD开发者社区，麦高证券研究发展部vGPU调度和弹性扩张能力的提升，实现GPU资源利用率的提升（30+，单机多任务处理效率提升3SLXLLMSLX，利用多任务共享及处理优化技术，5-10图12：GPU池化管理提升多任务效率资料来源：公司官网，麦高证券研究发展部在顶层的软件应用层：AIAIAIGC、智能办公、数字员工、AI本地（2024年11月推出SagSute多个行业应用方案，覆盖银行、房产经纪、医疗、水利、工业和法律等业务场景。图13：4ParadigmSageAppStore–应用 图14：4ParadigmSageAppStore–模型资料来源：公司官网，麦高证券研究发展部 资料来源：公司官网，麦高证券研究发展部平台与产品迭代深度融合并受益于人工智能技术演进第四范式技术迭代深度融合并受益于各类人工智能进展，包括生成式AI的多模态能力、Agent产品形态、世界模型等。AIAIAI（HyperyceAI带来的AI4ParadigmSageGPT以集装箱货物摆放规划为例，SageGPT会根据一个装箱任务规划的需求，沟通了解集装箱尺寸、货物尺寸与件数及其他特殊需求，自动计算出最优堆叠结果，以3D图形展示，且推理过程可见。图15：例-港口集装箱-原管理软件 图16：例-港口集装箱-SageGPT自语言交互并实现智能规划资料来源：公司官网，麦高证券研究发展部 资料来源：公司官网，麦高证券研究发展部通用大模型可被灵活部署在本地20252ModelHubAIOT，客户可在端侧直接部署各类小尺寸蒸馏模型，包DeepSeek、Qwen、Llama1）离线运行，可灵活在多个模型之间不仅能够满足用户对隐AI9月公司针对部署模型与芯片架构互不兼容的痛点推出ModelHubXC。目前市面上运行的ModelHub中，很多国外模型和软件是针对他们的硬件（如英伟达GPU）对应优化的，而国产硬件会有不适配问题，导致在国产算力生态中，不同模型往往需要分别适配，耗时长且重复工作量大。ModelHubXC通过基础算法架构适配驱动批量化模型支持，并能缩短模型上国产算力平台的部署周期。上线时已适配认证的模型数量达上百个，并将在一年内达到十万数级，已适配的信创算力包括：华为昇腾、寒武纪、天数智芯、昆仑芯、沐曦和曦望等（按英文名排序，排名不分先后），未来将覆盖市面所有主流信创算力。图17：ModelHubXC示例资料来源：信创模盒，麦高证券研究发展部AIAIAIAIOSSageSuite，AI先知平台的发展过程可以总结为三个阶段。早期聚焦于提升模型本身的精度和自动化水平，降低开发门槛让企业用起来。中期关注AI如何真正在业务中落地并产生可衡量的商业价值，解决用得好和有价值的问题。上市以来加速融合生成式AI技术、提出AIGS战略，强调通过PredicttheNext"X"的理念处理多模态数据，构建行业大模型，并通过资源池化和模型生态建设，实现规模化应用和成本优化，让AI高效普惠。2015年，先知AIOS1.0首次发布，通过高维、实时、自学习框架大幅提升模型精度；2017年，先知AIOS2.0利用自动建模工具HyperCycle，降低模型开发门槛；2020年，先知AIOS3.0规范AI数据治理和上线投产，连通建模与应用落地；2022年，先知AIOS4.0引入北极星指标来刻画企业的核心竞争力与目标例如：希望以用户体验取胜的企业可以把用户留存率作为北极星指标；以服务效率取胜的企业可以把边际成本作为北极星指标；以销售取胜给的企业可以把客户经理人均贡献利润作为北极星指标等。2024AIOS5.0XXAIGSCoTCopilotAIAIGS1.0Copilot，能调动各类信息、数据、应用，作为助手完成用户的指令。AIGS2.0Copilot+知识库，可以通过查询知识库，参照规则做更复杂的工作。AIGS.0阶段是Coilt+oT（思维链，大模型不断学习软件系统的使用行为，形成针对这个AI图18：AIOS平台迭代 图19：AIGS迭代资料来源：公司官网，麦高证券研究发展部 资料来源：公司官网，麦高证券研究发展部第四范式：Agent+垂类世界模型技术路径具备优势AIAgentAGIAgent+世界模Know-HowAgentAgent行，能够处理比单一大模型更复杂、专业性更强的业务场景。更好地平衡通用性与专业性：大语言模型提供通用对话和理解能力（由Agent体现界模型则深耕垂直行业，解决了大模型在专业领域深度不足及幻觉问题。Agent际问题的过程中持续迭代增强专业能力，两者形成正向循环。AI图20：第四范式AIAgent+垂直世界模型➡AGI理念资料来源：公司公众号，麦高证券研究发展部AgentAgentAgentAgent者指令与意图，对复杂任务目标进行分解与排序，并帮助使用者执行。在理解垂直/行业世界模型前，我们先通过Genie3图像——即模拟真实人类视角的世界模型来理解更广义或更全面的世界模型概念。在《Recurrent World Models Facilitate Policy Evolution（David Ha,JurgenSchidubr,018》中提出，世界模型有三个核心部分：感知、记忆、决策。世界模型通过感知组件与记忆组件，所学习到的关于环境的表征与对于未来的预测能有效地帮助模型理解现实构建强大的复杂因果推理能力，提升AI在动态环境中的自主决策能力。例如在生产流程中，如果设备某个部件出现故障需通过记忆与学习预测会受到影响的各个环节并将实际发生情况返回、反馈，以优化下一次预测。谷歌DeepMind2025年8月发布的Genie3很直观地展现了模拟人类认知现实世界的通用世界模型能力，在保持场景和物理一致性上有较大突破（实现数分钟级环境一致），包括结合记忆和过往结果的下一帧预测、长视野推理与反事实推理。反事实推理（What-If）是通过思考过往认知，来判断假如发生了某件事情的影响，而非对着题集找答案。图21：世界模型概念 图22：Genie3镜头回转的环境一致性感知记忆RecurrentWorldModelsFacilitatePolicyEvolution（DavidHa,JurgenSchmidhuber,2018

资料来源：DeepMind，麦高证券研究发展部表2：Genie3的通用世界模型能力理解 核心能力 如果我按下跳跃键，会发生什么？下一帧预测长视野推理What-If/反事实推理

如果一直向右跳，会发生什么？假如在视野盲区时听见买了个冰淇淋从画面左边出现时手里应当有一个冰淇淋假如初始画面有几个人在谈论家长里短，人物从画面左边出现时这些人应会与你打招呼如果现在是下雨天，会发生什么？资料来源：DeepMind，麦高证券研究发展部通用世界模型的建立是一个人类多维度的常识积累，垂类/行业世界模型的建立是一个行业图23：通用世界模型能力资料来源：沙利文《2025年中国世界模型发展洞察》，麦高证券研究发展部行业模型的反馈与自学能力使其效用与效率超越人工。在早期第四范式的银行反欺诈方案案例中就展现了行业模型能力：制定传统反欺诈方案需要业务专家总结经验，而通常顶尖的专家团队最多能制定出一千条专家规则，仅能覆盖重点区域的典型欺诈场景。但在某全国性股份制商业银行与第四范式的合作案例中，仅基于一年的交易数据，银行就通过机器学习制定出了25亿条反欺诈规则，不仅涵盖非典型区域的非典型特征，对于更新的欺诈方式也具备一定洞察能力。该案例实际上线效果较传统专家规则提升7.6倍。反欺诈模型事后验证，对客户打扰率相比专家规则下降57。解决企业核心业务痛点的行业大模型具备如下特征（+思维链能力AIAI辅助优化决策。应用领域 使用数据 预测/优化方案表3：行业大模型应用案例应用领域 使用数据 预测/优化方案健康管理 体检报告 基于过去5年的体检报告，依次生成未来第1年、第2年、第3年的体检报告，供医生给出专业的健康管理建议。水电管理 设备检测数据 基于过去7天机组子部件的运行状态，依次生成未来3天小时级的定转子部件报告，供运维人员给出维修方案。水务 水文数基于历史水文数据和未来7天的气象数据，依次生成未来第1天、第27声学 射线分

5000Hz10ms，20ms，30ms，40ms资料来源：公司官网，麦高证券研究发展部第四范式的AIAgent+行业大模型已在多类业务中落地实践并实际创造企业价值，包括港口业务、房产中介、法律、制造业、医疗等（截至20251。在港口业务中，智能体自主分析上月数据，提醒业务人员因货船卸货顺序不合理导致某泊位效率偏低（例如翻箱率高了20，提出调整堆放策略的建议并根据实时货物状态给出优堆放方案。在房产中介的日常业务中，智能体通过房产知识库与政策法规模型，对内提升经纪人专业（7×24（。在法律行业，智能体加速合同扫描与风险检测，几分钟就能完成原本耗时数小时的人工合同人审核标准不一的问题。在制造业，智能体帮助某飞机制造集团将零件生命周期成本降低上亿元；某半导体集成电13。60、每年手术台次数提升14.50.25因此总结来看，第四范式以决策AI为基础，融合生成式AI帮助企业实现智能化，解决各行业企业不知道AI能力边界、不知道怎么用AI、内部部署需投入大量人力与时间等问题：本地化部署：SageOneIA结合通用AI能力：使用SageGPT进行自然语言交互、使用SageCodeX进行代码辅助、使用SageBuilder快速生成AI应用部署Agent等。并且实现不同模型满血版与蒸馏版的智能切换，提升算力使用效率与使用体感。AI（CoT）Agent二、标杆客户持续突破，商业端与3C共同拓展2.1标杆客户量价齐升并逐步推动规模化落地202140.726.26结构来看，2023年以来，标杆客户收入占比维持在约60，2025H1达61.6。图24：第四范式每半年营收（亿元，） 图25：现有标杆客户与非现有标杆客户营收（亿元，）营收 YOY（RHS）

2020 2021 2022 2023 20242025H4064.6%70%6060.861.67058.5354064.6%70%6060.861.67058.535302520151038.8% 40.7%34.3% 35.1%27.2%24.0%60%50%40%30%20%5040302047.340.042.26050403020510%101000%-01现有标杆收入占比（RHS）麦高证券研究发展部 资料来源：公司公告，麦高证券研究发展部500市公司客户2020-2022该期间标杆客户CAGR（2020-2022）为48.8非标杆客户CAGR（2020-2022）为67.3当期标杆客户仅统计该会计周期内为财富世界500强及上市公司的客户，非标杆客户会涵盖会计周期2020-2022/复购率高。图26：第四范式客户结构（个，202-2022 图27：第四范式标杆客户历年增减（个，2020-202500400

2022300200

2021100

2020471097517010447109751701043052020 2021 2022标杆客户 非标杆客户

21-621-633-536-7新增 划归为非标杆客户资料来源：公司公告，麦高证券研究发展部 资料来源：公司公告，麦高证券研究发展部回溯历史业绩，标杆客户量价齐升是营收高增长的重要因素。2024年末标杆客户数同比增长221612025H14902025ARPU2025H11798NDER（2023）=2023留存标杆客户收入/2022标杆客户收入=115NDER（2024）=110图28：标杆客户数及增速（个，） 图29：每标杆客户平均收入（万元）20015010047500

59.675

10438.7

139

33.7

161

70250020001838191025002000183819101798150010005000202020212022202320242023H12024H12025H112501078949114812501078949114890540302016.01002020 2021 2022 2023 2024标杆客户数量 同比（RHS）资料来源：公司公告，麦高证券研究发展部 资料来源：公司公告，麦高证券研究发展部AIAI20+行业积累标杆客户，覆盖行业广。AIAI。第四范式在多细分行业积累标杆客户（世界500强及上市公司（不分先后顺序为前三大主要收入行业。当前已覆盖20+行业，包括金融、零售、制造、能源电力、电信、运输、AI+图30：第四范式覆盖行业结构，2020-2022 图31：第四范式客户示例1009080706050403020100

2020

2021

2022

零售能源与电力资料来源：公司公告，麦高证券研究发展部 资料来源：公司官网，麦高证券研究发展部3CCAIBC202534Paradigm，并单独发布消费电子业务板块Phancy。消费电子业务形式亦为软硬件一体，通过端侧模组在消费电子产品中实现AIAgent公司直接发布产品或与品牌合作搭载Phancy机芯。第四范式与华为OpenHarmony战略合作，华OpenHarmonyHISILICONAIAIAIAIAIPhancyAIAI拍摄识别、高清影像采集、智能导航、健康建议等功能。AIAI20256AI140+28g、生成会议纪要等功能。图32：搭载PhancyAIAgent模组的各类端侧产品 图33：基于海思芯片、OpenHarmony系统的Phancy智能硬件资料来源：公司公众号，麦高证券研究发展部 资料来源：公司公众号，麦高证券研究发展部图34：可拍摄、问答、听歌、翻译的AI眼镜 图35：用于金砖国家AI高级别论坛的AI手机助手资料来源：公司公众号，麦高证券研究发展部 资料来源：公司公众号，麦高证券研究发展部BAI+储能：成立合资公司，提升电力资源全链条效率第四范式在智慧能源领域已有经验积累实现油层识别率提升96风机故障预警提前20分钟化工品价格预测准确率99等业务果。2025年8月，第四范式与海博思创成立合资公司：通过将分散在电网中的分布式电源（如光伏、风电）、可控负荷（如空调、电动汽车充电桩）、储能系统等资源聚合起来，进行统一的协调、优化和控制，帮助虚拟电厂全方位参与电力市场运行，为电网提供调峰、调频等多种服务。优化发-输-配-用全链条效率。海博思创是行业领先的储能系统解决方案与技术服务供应商，专注于储能系统的研发、生产、销售和服务，为传统发电、新能源发电、智能电网、终端电力用户及智能微网等源－网－荷全链条行业客户提供全系列储能系统产品。在电源、电网、用户侧提升用电效能。电源侧：助力解决弃风弃光问题，提升新能源的利用率，减小功率波动，降低对电网冲击，提高新能源发电的消纳能力，促进新能源的高质量发展。电网测：通过调峰、调频、辅助服务、提升电能质量等方式提升电网运行稳定性。用户侧：峰谷时移、错峰用电，降低用电成本；同时可以平衡峰值负荷，减少供电容量需求，延缓配电设施扩容改造，提升供电可靠性。图36：海博思创主要业务与项目案例示例主要业务类型项目示例项目示例资料来源：海博思创官网，麦高证券研究发展部AI+稳定币：战略合作/成立合资，从传统金融延展至稳定币安全交易构建AI+稳定币风控&合规解决方案。AIAI在稳定币底层收益方面，2025年7月，第四范式与固定收益金融科技平台九鞅科技战略合作并成立合资企业：携手发布稳定币底层资产管理解决方案。公司依托十余年为国内头部金融机构服务累积的AI实战经验与技术积累，引申运用至核心需求高度一致的稳定币生态（安全、合规），具备能够精准洞察稳定币生态风险点，利用AI将传统银行合规能力与区块链技术实现深度融合的能力。短期来看，双方或将推出合规+组合管理SaaS方案，助力机构满足监管要求；中期将共建评级体系和API服务，推动行业标准化；长期将打造国家级技术底座，支持跨境数字人民币等战略项目。AIAIAI（九鞅科技20+基金公司等。图37：九鞅科技主要业务资料来源：九鞅科技官网，麦高证券研究发展部三、从政策、生态及业务特征探讨落地优势3.1落地优势1：自上而下的智能化应用与企业智能化发展趋势从互联网+迈向人工智能+。2015年7月4日，国务院发布《国务院关于积极推进互联网+行动的指导意见》。其中重点行动第十一项提及互联网+人工智能，强调在智能家居、智能终端、智能汽车、机器人等领域的推广应用。自2015年印发《关于积极推进互联网+行动的指导意见》十年后，为进一步推动人工智能与各行业领域的广泛深度融合，2025年8月26日，国务院印发《关于深入实施人工智能+行动的意见》，推动与经济社会各行业领域的广泛深度结合，促进生产力革命性跃迁和生产关系深层次变革，并提出在未来十年中的分阶段行动目标。具体来看：到2027年，新一代智能终端、智能体等应用普及率超70，2030年超90，2035年我国全面步入智能经济和智能社会发展新阶段。人工智能+指导意见肯定智能终端、智能体等应用发展趋势，十大关键词强调企业级AI发展。在以新质生产力为牵引的数字化跃迁中，人工智能+被正式写入2025年政府工作报告，成为推动产业智能化升级与社会治理现代化的国家战略抓手。报告中明确要求深化大数据、人工智能等研发应用，开展‘人工智能+’行动，打造具有国际竞争力的数字产业集群。2025年9月16日，中国信通院发布2025政企数智化转型十大关键词：十五五数字化规划、架构与流程治理、企业级AI+、企业数据价值化、信创生态化攻坚、AI应用研发、智能体应用、政务数智治理、城市全域数字化转型、数智化成熟度。表4：《国务院关于深入实施人工智能+行动的意见》总体要求-2027

670-2030

全面赋能90-2035 · 资料来源：国务院，麦高证券研究发展部我国正在逐步把政策目标转化为可执行、可操作的治理实践，逐步建立并强化政策法规保障。为强化政策制度驱动，激活人工智能核心要素供给，自2017年《新一代人工智能发展规划》以来，国家层面已将法治与伦理纳入人工智能发展的制度保障体系，提出到2025年基本建立人工智能法律法规、伦理规范与政策体系。在数据要素、算法与模型、算力与基础设施、标准与指南、人工智能管理方面均有相应法律法规出台。我国正在逐步把政策目标转化为可执行、可操作的治理实践。在此过程中，跨境数据新规、东数西算与算力网络、算法与深度合成备案、生成式人工智能服务管理暂行办法及其确立的包容审慎—分类分级的监管理念、以及行业标准与评测体系的成熟，共同为人工智能+行动提供了硬法—软法—技术三位一体的政策供给体系。10表5：从数据、算法、算力要素等方面明确政策要求与发展指导维度 相关政策制度维度 相关政策制度数据要素

《数据安全法》《个人信息保护法》《促进和规范数据跨境流动规定》等算法与模型

《生成式人工智能服务管理暂行办法》等算力与基础设施 《算力础设高质发展动划》等标准与指南 《国家工智产业合标化系建设南（2024》《生成式人工智能服务安全基本要求》等协同治理与落地指引 《人工能安治理架》《政务领域人工智能大模型部署应用指引》等资料来源：高技术司，中央网信办，麦高证券研究发展部AIAIAI70工业制造交通出行企业服务医疗健康等行业AI应用渗透率在近50及以下。图38：2021-2024中国各行业人工智能应用渗透率（）1008990899082837568726570514550526255645245474049453538453840414036302025273080706050403020100互联网 电子通信政务公务金融服务工业制造交通出行企业服务医疗健康科研教育2021 2022 2023 2024资料来源：《2025中国AI商业落地应用价值研究报告》，麦高证券研究发展部2：在各机器学习平台中具有长期领先优势2024+22.734.5IDC2025图39：2024年中国机器学习平台份额 图40：中国大模型开发平台能力象限星环科技2.6

其他22.0

第四范式34.5九章云极4.5创新奇智4.7华为云资料来源：第四范式，IDC，麦高证券研究发展部 资料来源：中国电信，IDC，麦高证券研究发展部3：服务紧扣业务痛点，千万级定制化交付客户粘性强AI紧扣企业需求：AIKPIAI升规模化落地能力与效率，提供通用化的平台与产品，并建立易用的开发工具。客户支付能力强粘性高：我国企业处于智能化应用的前中期，第四范式标杆客户以行业龙头企业为核心用户群体，高客单价系统交付的形式带来高客户粘性（20241910万元：在客户形成使用先知平台构建的行业大模型与AI应用习惯后，长期使用及新业务需求采购均对第四范式的先知平台有更高倾向。复用度提升未来或驱动利润率改善：第四范式在过往十余年的多行业定制化服务中形成行业AIAI2025910。其他两类分别为：企业软件接Copilot、Agent图41：企业智能化路径中机器学习平台更具专才特征机器学习平台机器学习平台

企业软件、、等各类提供商企业软件

互联网大厂：腾讯、百度、山引 行业世界模型行业世界模型知识库 企业智能化企业智能化资料来源：麦高证券研究发展部参考海外企业智能化服务商，Palantir借鉴美国企业智能化龙头PalantrPalantrGothamFodryApolo、AIP2021Palantir整体毛利率呈上行趋势，2025Q3毛利率已实现82.4。2022年扭亏以来净利率水平持续上升，2025Q3达40.42024年来每季度营收同比增速持续提升政府业务贡献持续增长动（2025Q3增速为54.9，商业部分20253增速显著提升（72.9。图42：Palantir季度毛利率与净利率（） 图43：Palantir政府/商业季度营收（百万美元，）()

82.4

72.954.91,400 8072.954.9806040200-20-36.2

40.4

609004040020-402021/3/31 2022/9/30 2024/3/31 2025/9/30毛利率 净利率

-1002023Q12023Q32024Q12024Q32025Q12025Q30政府 商业政府YOY（RHS） 商业YOY（RHS）麦高证券研究发展部 资料来源：Palantir公司公告，麦高证券研究发展部Palantir52025Q32950的高增速（季频数据，当期政府/商业客户数分别达169/42个。图44：Palantir政府/商业客户数（个）90080052.554.650.952.345.748.249.060507006004050024.629.03040030014.414.815.7202001005.96.5100020230331 20230930 20240331 20240930 20250331 20250930政府 商业 政府YOY（RHS） 商业YOY（RHS）资料来源：Palantir公司公告，麦高证券研究发展部Palantir20242024Q1+20.增长至20253的6.9，非美地区收入增速在202Q3有所回升（31.8。67.676.951.654.744.433.320.631.867.676.951.654.744.433.320.631.821.017.46.512.212.0 12.51,400 801,2001,000 6080040600400 202000 02023Q1 2023Q3 2024Q1 2024Q3 2025Q1 2025Q3美国 非美 美国YoY（RHS） 非美YoY（RHS）资料来源：Palantir公司公告，麦高证券研究发展部美国地区政府及商业营收增速均呈现快速增长，其中商业客户收入增速较快，20252025Q3/2025Q2/2025Q1/2024Q465.）/（92.5，6.4/（70，64.）/（63.4，72.9，可见美国地区商业客户平均入（ARPU）逐步进入加速增长通道。图46：Palantir美国地区政府/商业季度营收（百万美元，） 图47：Palantir美国地区商业客户/总商业客户数（）

140121.851.940.2121.851.940.211.710080604020

807060 50403020

53.3

54.858.9

61.4

63.2

64.5

66.9

69.5

70.1

0 2023Q12023Q32024Q12024Q32025Q12025Q3美-政府 美-商业美-政府YoY（RHS） 美-商业YoY（RHS）

10020230331 20250930资料来源：Palantir公司公告，麦高证券研究发展部 资料来源：Palantir公司公告，麦高证券研究发展部因此从Palantir的发展借鉴来