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(huì)怎么炒,。但無(wú)論如何，AI賽道開始燥起來(lái)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(jué)類AI,，最重要的應(yīng)用是人臉識(shí)別和自動(dòng)駕駛,，典型公司有商湯－W（HK：00020）,，目前市值2290億港元。

語(yǔ)音語(yǔ)義AI,，就是文字轉(zhuǎn)語(yǔ)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(jiǎn)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(dòng)力公司的機(jī)器狗知道吧,，國(guó)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(guò),，今天來(lái)聊聊第四范式。 從市場(chǎng)占有率角度觀察,，2020年第四范式在決策類AI這個(gè)垂類,，甚至力壓四個(gè)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(chǎng)份額,，來(lái)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(guò)幾道坎才能真正的把商業(yè)模式跑通,，卸下外界對(duì)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(gè)決策類AI的運(yùn)用場(chǎng)景。假如一名甜點(diǎn)老板,，上月某產(chǎn)品銷售了十萬(wàn),，本月銷售了五萬(wàn)。那么下個(gè)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(duì)產(chǎn)品的偏好瞬息萬(wàn)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(chǎng)規(guī)律,，還需應(yīng)對(duì)好市場(chǎng)偏好的變化,。 決策類AI的目的就是解決上述類似問(wèn)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(wú)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(kù)中不同數(shù)據(jù)被標(biāo)記情況而“死硬”匯算出來(lái)的,。這種方式不能靈活的生成新模型和表格，還需要一個(gè)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(guò)高了些,。 第四范式提供一個(gè)簡(jiǎn)單操作且靈活搭建的數(shù)據(jù)平臺(tái)，從而滿足客戶在不同場(chǎng)景的需要,。其不同之處在于,，它不是試圖向用戶提供一個(gè)分析工具，而是向用戶提供一個(gè)各項(xiàng)功能都可以任意搭配的“積木”,。  

圖：“搭積木”,，來(lái)源：招股書

·Sage AIOS：一個(gè)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(chǎng)地,。

·HyperCycle：內(nèi)置在先知平臺(tái)的無(wú)代碼開發(fā)工具。按照提示說(shuō)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(gè)瓢,。

·Sage Studio：可提供不同編程難度選擇的AI模型編輯工具?？梢愿鶕?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(shí)也是第四范式創(chuàng)始人戴文淵在國(guó)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(shí)候發(fā)現(xiàn)有時(shí)候大且飽滿的芝麻有可能只是個(gè)空殼,。通過(guò)自動(dòng)加入對(duì)芝麻重量的評(píng)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(tái)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(tái),，用一句話總結(jié)：產(chǎn)品挺萬(wàn)能，師傅領(lǐng)進(jìn)門,，修行看個(gè)人。

第四范式向客戶出售三種類型產(chǎn)品：先知平臺(tái)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(duì)完整的數(shù)字化升級(jí)規(guī)劃,，終端的企業(yè)使用平臺(tái)建模得靠自己動(dòng)手,。 依靠先知平臺(tái)進(jìn)行AI數(shù)字化建設(shè)，用得好的終端公司會(huì)開辟商業(yè)生命新周期,。就目前情況來(lái)看,，金融業(yè)和制造業(yè)因?yàn)闃I(yè)務(wù)高度相似，對(duì)平臺(tái)的接受度會(huì)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(gè)相對(duì)不錯(cuò)的收入水平。  

第四范式不直接接觸客戶數(shù)據(jù)加上平臺(tái)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(gòu),。但與阿里云等直接擁有硬件平臺(tái)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(tái)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(jí)軟件部署時(shí)間加速不少,。但這同時(shí)意味著第四范式在部署軟件的過(guò)程中,，賺不到工程師駐場(chǎng)服務(wù)費(fèi)。 那么,，上游算力要向外購(gòu)買,，下游人工帶來(lái)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(guò)后的系統(tǒng),，可針對(duì)客戶進(jìn)行個(gè)性化推薦,，最終實(shí)現(xiàn)客單交易量提高，對(duì)應(yīng)營(yíng)收增加數(shù)億,。

結(jié)果的成功不僅來(lái)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(tái)耐折騰。

2017年,，永輝決定從推出子品牌超級(jí)物種來(lái)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(shí)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(gè)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(tái)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(zhǎng)49．3％,，占主營(yíng)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(shí),，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(shuō)起來(lái)很容易,，做起來(lái)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(tái)支持各種功能,，可以被各種折騰也證明先知平臺(tái)在架構(gòu)上的可靠性,。 但折騰數(shù)字化平臺(tái)，就意味著終端企業(yè)用戶要做行業(yè)內(nèi)“第一個(gè)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(jià)。對(duì)于它們來(lái)說(shuō),，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(tái)作為工具哪怕再好,，又如何呢,？就像藝術(shù)作品，沒(méi)有人會(huì)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(huì)有一個(gè)部門叫客戶成功部。這個(gè)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(duì)第四范式這種AI公司來(lái)說(shuō)，要想讓用戶獲得良好的效果,，需要再跨過(guò)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(gè)大難題,。

如我們之前分析創(chuàng)新奇智時(shí)指出，AI公司的下游客戶存在一個(gè)龐大的基本盤，金融行業(yè)對(duì)于第四范式來(lái)說(shuō)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(yíng)上，前者的優(yōu)勢(shì)是能夠提供消費(fèi)者長(zhǎng)期的購(gòu)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(duì)于便利店來(lái)說(shuō),，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(lái)有生搬硬套之嫌,，最后不得不再針對(duì)性的開發(fā)了一個(gè)智能選址的功能,。

第二，研發(fā)的投入或許沒(méi)有終點(diǎn),。

先知平臺(tái)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(wèn)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(gè)高速更新迭代的過(guò)程中,，AI算法不能像傳統(tǒng)ERP軟件一樣可以一個(gè)版本安穩(wěn)使用5－10年。如果客戶不能及時(shí)升級(jí)模型,，隨著業(yè)務(wù)增長(zhǎng),，會(huì)多使用算力和降低效率。這導(dǎo)致客戶在編寫模型的時(shí)候要額外考慮算力分配與流程合理性的問(wèn)題,。  

第二個(gè)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(méi)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(lái)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(tái)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(wèn)題。

先知平臺(tái)可以讓無(wú)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(gè)設(shè)計(jì)核心的開發(fā)人員在未來(lái)都有可能從第四范式走出來(lái)開設(shè)公司,。對(duì)競(jìng)爭(zhēng)對(duì)手來(lái)說(shuō)，代交競(jìng)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(jiǎn)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(méi)有收回,，價(jià)格很可能因?yàn)閮?nèi)卷快速下降,。 第四范式作為模塊化平臺(tái)的領(lǐng)軍人，不得不再繼續(xù)拿出新功能才能與后來(lái)者拉開差距,。

第四,，客戶自主開發(fā)模型的知識(shí)產(chǎn)權(quán)問(wèn)題。

假設(shè)第四范式與寧德時(shí)代的合作中,，已知寧德時(shí)代自己具備一定的數(shù)據(jù)編程能力,。那么寧德時(shí)代利用先知平臺(tái)為自己量身打造的AI模型，知識(shí)產(chǎn)權(quán)屬于誰(shuí)的呢,？ 屬于寧德時(shí)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(méi)太大關(guān)系,。

屬于第四范式的話，那寧德時(shí)代開發(fā)的全球龍頭級(jí)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(huì)情愿的,。 現(xiàn)在這些問(wèn)題沒(méi)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(lái)發(fā)生的可能性需要提前預(yù)知。

人工智能在國(guó)內(nèi)的市場(chǎng)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(duì)自己的虧損十分樂(lè)觀，另一方面又對(duì)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(yíng)銷推廣,、用投資和并購(gòu)的方式打入目標(biāo)行業(yè),。看似十分正常的選擇,，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(yíng)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(lái)提高利潤(rùn)率和產(chǎn)品附加值。

第四范式的AI先知平臺(tái),，是好產(chǎn)品,，但維持優(yōu)勢(shì)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,？