第四范式如何构筑技术壁垒？

纵向深耕特定行业，不断创新厚筑技术壁垒。

1、专注行业大模型，避免同质化竞争

与通用大模型相比，行业大模型更具专业性。DeepSeek 等通用大模型的数据主 要依赖互联网文本、代码等公开文本，而行业大模型主要依赖行业数据闭环，如 制造业设备的故障日志、金融企业风险情况等，这些通常为非公开的企业内部数 据，不是通用大模型或企业级 AI 行业新进入者能在短期内积累的。同时，与通 用大模型大多依靠的纯数据驱动不同，行业大模型出于行业数据量和训练成本等 考虑，通常会在模型中融合行业机理，提高模型响应速度和效果，这些更需要长 期纵向深耕积累的系统性行业 know-how 作为支撑。此外，金融、医疗等行业具 有较强合规性要求，面对应用场景复杂，行业大模型更具优势，合规风险更低。

行业大模型聚焦单一行业的形式更符合 toB 的市场需求。通用大模型的训练语料 来自海量不同场景，面对用户的专业问题可能难以快速深入聚焦。而行业大模型 聚焦细分行业的多模态数据，直面行业问题，与用户的交互更有针对性，高效给 出专业的解决方案而不是简单的对话。例如依据历史数据预测制造设备的未来故 障率等，给企业直接创造实际价值，更符合 B 端产品注重性能高效的特点。 行业大模型规模更小，成本方面更优。通用大模型的部署需要巨量的数据资源， 周期也更长。与之相比，行业大模型本身以更小的参数规模满足大多数业务场景 需要，从而降低企业部署和使用模型时面临的算力与数据成本。 第四范式深耕行业大模型，发布先知 AIOS 5.0，强化规模化构建行业大模型能 力。公司自成立以来深耕行业大模型十年，积累了海量数据经验，充分了解企业 的痛点、需求和关键 KnowHow，支撑起公司搭建行业垂直模型的强大能力，避 免了与通用大模型的直接竞争。在此基础上，公司于2024 年发布了先知 AIOS 5.0 版本，规模化地帮助企业基于各行各业场景的多模态数据，构建特定行业基座大 模型。传统行业大模型只能将行业文本数据喂给大语言模型，让其回答“生成下 一个字”的问题。以健康管理领域为例，大语言模型可以理解相关的术语和指标， 但无法基于个人近三年的体检报告去预测其下一年的身体状况。而先知 AIOS 5.0 构建的行业基座大模型解决了这一痛点，它拥有不断地根据历史数据去预测未来 数据的能力。依托先知 AIOS 5.0，公司已经打造了健康管理、水电、声学等一 系列行业的基座大模型，以低门槛、低成本实现对 AI 场景规模化覆盖。

2、持续布局“范生态”，强化核心竞争力

自 2023 年发布以来，公司持续布局范生态。第四范式范生态致力于基于企业对 产业未来方向的定义，以及第四范式企业级 AI 核心技术能力，联合生态合作伙 伴，一起打造各行各业端到端的解决方案。首批公布便已有 40 余家合作伙伴加 入范生态，落地数十个行业场景。通过先知 Inside 模式，公司可以将 AI 核心技 术产品化，为构建范生态提供技术支持。截至 2024Q3，公司已基于范生态打造 超 40 余款人工智能产品，进一步扩大核心业务产品的产业应用边界及效果，拓 宽了我们的业务版图和先知 AI 平台的市场覆盖度。

范生态进一步降低研发成本，提升开发效率，以更小代价但更高专业性地拓宽企 业级 AI 应用场景。通过范生态，公司可以将建设个性化行业端到端解决方案的 任务转交由合作伙伴完成，从而在降低公司研发部署成本的同时，将研发资源聚 焦到核心 AI 技术能力强化的方面，部署和开发效率双双提高，且合作企业基于 自身经验和需求打造的解决方案更具专业性。 范生态增强客户粘性，构建 AI 生态壁垒。合规性和专业性较强的企业使用或更 换成新的企业级 AI 产品的风险较大，叠加标杆用户积累的品牌效应，第四范式 的客户粘性本身较高。通过范生态，公司在企业级 AI 领域初步构建起一个技术 兼容性高、覆盖从数据采集到 AI 应用、从硬件到软件的全链条系统，丰富了可 供参考的解决方案案例和应用，一定程度上形成产品的网络效应，进一步降低了 范生态内客户的迁移意愿。随着范生态的持续布局，公司有望构建具有强大竞争 力和行业影响力的 AI 生态壁垒。

3、AIGS 重构企业软件，聚焦用户痛点

式说 AIGS 服务将大模型“扔到一块无人地”。AIGS（AI-Generated Software） 服务就是以生成式 AI，重构企业软件。公司敏锐洞察在当前生成式 AI 在 C 端应 用已十分广泛的背景下，B 端软件仍存在交互体验极为复杂且开发效率极低等问 题，这为生成式AI留下了足够的重构和改造的空间。由此第四范式推出式说AIGS， 基于大模型能力通过自动生成代码片段、知识库应用、自动代码审查及部署等功 能，减少手动编码时间，提高开发效率。 公司将 AIGS 的路径总结为三个阶段：1.0 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，配备一个接受用户指令的指挥官。2.0 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”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。3.0 阶段，Copilot+CoT（思维链）， 具备更强的推理能力，大模型最终将学会软件系统的使用行为，形成 AI 针对这 个领域的思维链，意味着“把照片处理得更好看”这类更复杂指令，AI 也能自动 地按照步骤完成。

经历上述阶段发展，式说 AIGS 已具备四大优势。第一，多模态且支持私有化部 署，能够应对更多更复杂的场景，私有化部署在最大限度保证数据安全的同时， 剔除原本需要调用外部大模型产生的成本。第二，具备知识库，信源为企业内部 知识库，且融合知识图谱交叉验证生成内容准确、可信，最大限度避免 AI 幻觉 给实际业务造成的损失。第三，企业级 Copilot，让企业使用产品时能对模型执 行软件的进程进行更好的调控和修正。第四，具备思维链（CoT）能力，可以通 过多步推理，将复杂任务拆分成一个个子任务，形成数据飞轮。正式通过 Copilot+CoT 能力，AIGS 重塑企业软件的交互范式，并在新型交互上不断地学 习软件的使用过程，形成领域软件的“思维链”，进而提升软件开发效率变得更 高。用固定的“对话框”代替原本繁杂的单个功能或执行逻辑组成的界面，将软 件升级的开发周期从月级缩短到天级。

工具链方面，公司开发 AIGS Builder 和 AIGS CodeX，企业软件开发提效显著。 AIGS Builder 拥有 AI Agent、无代码编程、多工具调用能力，可实现智能化软件 前后端、及数据库的开发、改造和部署等全栈能力，替代了传统软件开发的复杂 页面，使不具备研发、代码基础的人员，仅通过自然语言描述进行软件开发，甚至将企业软件开发效率提升至“小时级别”。改造后的企业软件内置多模态“对 话框”作为交互，提升企业软件的用户体验。AIGS CodeX 产品除涵盖代码补全、 业务问答、代码审查等基础功能之外，还可以针对企业级客户的技术特点和编码 风格差异化打造企业私域代码仓库集成，结合 RAG 检索增强及私域模型微调， 实现业务代码生成效率和业务问答效果的双效增长。 AIGS 打通从大模型、产品化工具链到应用落地全链路。公司在生成式 AI 领域， 准确找到企业软件重构为切入点，基于式说大模型学件群底座，依托思维链 CoT、 Memory 机制学习等技术，打造第四范式 AIGS 这一生成式 AI 软件开发平台，全 面提升企业级软件的体验及开发效率。目前已与金融、零售、制造、医疗、房产、 运营商等行业近百家企业探索大模型的落地合作。公司 AIGS 服务业务营收占比 稳定增加，发展路径清晰可持续，有望驱动公司实现长期增长。