2024年第四范式研究报告：客户基础扎实，有望升级为AI2.0时代企业软件服务龙头

1.机器学习市场份额第一，营收持续高增长

1.1.平台+方案+服务三大业务矩阵，机器学习市场份额第一

第四范式成立于 2014 年 9 月 17 日，于 2023 年 9 月 28 日在港交所上市。第四范式聚焦于企 业服务领域，专注于提供以平台为中心的人工智能软件，主要产品涵盖算力基础设施、操作 系统、开发工具及应用等多个层级，能够有效满足不同体量及不同需求的客户，目前公司的 产品体系包括平台+方案+服务的三大业务矩阵： 1） 第四范式先知 AI 平台（4Paradigm Sage）：AI 底座平台，为开发 AI 模型提供了坚实的基 础，能够处理超过万亿参数的模型训练、毫秒级实时推理和模型自学，支持企业用 户轻松进行模型训练、推理、部署等； 2） SHIFT 智能解决方案（4Paradigm SHIFT）：基于先知平台的底层基座及行业经验，为沉淀 出一系列标准化的 AI 产品，在金融、能源电力等领域得到广泛认可； 3） 第四范式 AIGS 服务（4Paradigm AIGS）：基于式说大模型打造的生成式 AI 软件开发平 台，专注于利用生成式 AI 技术赋能软件开发过程。 公 司的产品在行业内处于领先地位。根据国际权威研究机构 IDC 的调研，先知 AI 平 台自 2018 年起连续五年稳居中国机器学习平台市场份额第一，在全球机器学习操作 平台(MLOps)厂商评估排名中国区第一。式说大模型已经通过国家《生成式人工智能 服务管理暂行办法》备案，入选北京市首批 7 家大模型合作伙伴。

1.2.管理团队专业素质突出，重视研发投入

戴文渊博士为公司实控人，红杉中国为持股比例最高的外部机构股东。公司实际控制人为戴 文渊博士，全球发售完成后，戴文渊博士直接持股 22.88%，通过北京新智间接持有 15.96%， 累计持股为 38.84%，持股比例具有绝对优势，对公司经营具有较强的话语权，保证了公司经 营及战略的稳定性。公司自 2015 年至今共进行了共 11 次融资，合计融资额约合人民币 68 亿 元，参与其融资的股东包括红杉资本、河南国新启迪、创新工场等，IPO 后红杉中国持股约 为 6.95%，是持股比例最高的机构股东。

核心管理层专业背景突出。公司高管都具有丰富的人工智能技术经验，创始人戴文渊曾获 ACM 国际大学生程序设计竞赛世界冠军，率先提出了迁移学习通用框架理念，而且曾在担任百度 首席研发架构师期间设计了中国最早的人工智能系统之一；总裁胡时伟与首席研究科学家陈 雨强均毕业于上海交通大学，且均为资深工程师，技术能力较为扎实。三位核心管理层均系 技术出身，对前沿技术具有更强的感知力，有利于帮助公司把握正确的技术路径。

高度重视研发投入，已具备强大研发人员团队与多项注册专利。公司高度重视研发人员的招 募与培训，每年有针对性地从备受瞩目的编程比赛中对参赛者进行招聘，目前已储备了庞大 的技术团队，截至 2023 年 3 月 31 日研发人员共 1442 人，占全体雇员的 75.74%。目前公司 有超过 300 项已向中国国家知识产权局注册的专利以及超过 580 份待审批的专利申请，也有 一项海外注册专利。此外，公司于 2021 年 4 月打破了两项图学习标准任务的世界纪录，亦在 2019 年 Kaggle 架构数据和图像分类竞赛名列前 1%。

借助 IPO 募集资金将进一步强化基础研究，并拓展产品体系。公司 IPO 的发行价为 55.6 港 元，对应募集资金净额为 8.355 亿港元，本次 IPO 募集资金将用于加强基础研究、扩展产品、 寻找战略投资和收购机会，三项资金用途分别占比为 60%、20%、10%。得益于 IPO 资金的助 力，公司将拥有更充足的现金流用于研发及业务体系的迭代，有利于获得一定的竞争优势。

1.3.营收保持高增长，费用率逐步下降

营收高增速，成长性突出。公司 2023 年收入为 42.04 亿，同比增长 36.38%，主要是由于受 益于整体 AI 市场需求增长及公司大模型及生成式 AI 能力对产品的赋能，先知 AI 平台 收入实现强劲增长。从同业对比来看，由于公司聚焦于 To B 客户，客户预算更稳定且具有 持续性，使得公司业务始终保持较高的增速，2018-2023 年收入复合增速为 101.12%。

先知 AI 平台收入贡献过半，是收入增长的主要驱动力。公司基于客户需求不同提供不同的 产品模式，具体定价方式分为算力消耗定价、软件的使用许可费或者硬件数量部署、运营和 维护的服务费综合考虑。分业务来看，2023 年先知平台、SHIFT 智能解决方案、AIGS 服务收 入分别为 25.05 亿、12.83 亿、4.15 亿，依次占比为 59.6%、30.5%、9.9%，先知平台为第一 大收入来源。从变化的趋势来看，早期公司收入来源主要依赖于定制化应用开发及其他服务， 随着 2019 年先知平台商业化，公司提供标准化服务能力提升，特别是来自于 AI 平台一体机 SageOne 的收入贡献实现了快速增长，推动了先知平台的收入占比持续提升。2022 年底至今， 生成式 AI 得到快速发展及应用，公司积极把握机遇推出式说大模型，也实现了 AIGS 服务的 收入快速增长。

综合毛利率整体稳中有升。公司不同业务模式对应不同的毛利率水平，参考招股说明书拆分 业务口径，2022 年软件使用许可毛利率为 94.80%；SageOne 解决方案通常涉及部分硬件设备 采购，毛利率水平较低，2022 年毛利率为 25.80%；应用开发及其他服务主要成本为人力成 本，2022 年毛利率为 43.40%。各项业务毛利率相对稳定，公司综合毛利率与三项业务结构有 关。2018-2023 年综合毛利率依次为 42.7%、43.5%、45.6%、47.2%、48.2%、47.1%，综合毛 利率整体稳中有升，主要是由于规模效应逐步显现摊薄研发成本。2023 年毛利率略有下降， 主要系业务渗透到新领域及新用户案例增加导致硬件和技术服务费占收入的百分比上 升。

高研发投入是亏损的主要原因，三项费用率稳步下降。由于人工智能行业需要高技术背景支 撑，公司始终保持比较高研发投入以保证产品的更新能力，2023 年公司的研发开支为 17.69 亿，同比增长 7.21%，高水平的研发投入是造成公司亏损的主要原因。但从趋势上来看，得 益于收入的增长的规模效应及较高的用户黏性，公司的三项费用率呈现逐年下降趋势，2021- 2023 年公司销售费用率分别为 22.54%、13.37%、10.07%；管理费用率分别为 26.84%、17.12%、 8.13%；研发费用率分别为 61.90%、53.53%、42.08%。

2022 年员工激励计划产生费用占收入比重为 14.06%。公司上市前曾在 2016 年、2018 年、 2022 年 3 次实施员工激励计划，分别针对联合创始人及员工，并成立了相应的股权激励平 台，与之相关的费用根据员工归属划分至对应的费用科目中。2022 年计入销售费用、管理费 用、研发开支的以股份支付为基础的薪酬分别为 876 万、2.79 亿、1.46 亿，合计为 4.33 亿， 占收入的比重为 14.06%。2022 年公司的三项费用率合计为剔除股份开支影响，三项费用率 将下降至 69.96%。

公司仍处于亏损状态，但亏损幅度有所收窄。2020-2023 年公司实现归母净利润分别为-7.50 亿、-18.02 亿、-16.53 亿、-9.06 亿元，亏损的主要原因在于高额的研发投入及由于以股份 为基础的薪酬开支产生的费用项。剔除以股份为基础的薪酬开支及上市费用外，2020-2023 年 经调整后的净亏损为-3.90 亿、-5.59 亿、-5.04 亿、-4.15 亿元，2023 年相较于 2022 年亏 损幅度进一步收窄。

2.人工智能蓬勃发展，企业客户亟待开拓

2.1.生成式 AI 日新月异，AI 落地进入 2.0 阶段

数据、算力、算法是人工智能的三大核心要素，在过去取得了长足的进步： 1）移动互联网时代的发展为算法的训练提供充足的数据资源。根据灼识咨询的资料，2020 年全球范围内创造、获取、复制及消耗了超过 64ZB 的数据，在过去十年间增长了近 30 倍， 且预计在 2025 年将进一步增长至 181ZB。在这样的背景之下，数据的积累促进了人工智能应 用。 2）算力定制化成为趋势，芯片发展遵循摩尔定律。算力与芯片的发展迭代密切相关源于算力 需求的驱动，芯片的创新正在快速演进。近年来，科技巨头纷纷在为人工智能算法定制的 ASIC 芯片上发力，由于未来人工智能场景不断增长，定制化的 ASIC 芯片或许将成为主流。 与此同时，芯片的算力也在飞速提升，根据灼识咨询报告，大型芯片厂商新一代人工智能芯 片的算力较上一代同系列产品最高可提升十倍。 3）算法实力大幅提升，新算法不断涌现。2006 年 Geoffrey Hinton 等人提出深度学习算法， 与过去传统的人工智能算法相比，深度学习算法能够训练更大规模的神经网络，从而解决更 复杂的问题，而且随着数据规模的提升，规模越大的神经网络的深度学习算法表现出的效果 越显著。

得益于数据、算力滋养，神经网络模型能力逐步显现，行业主流模型从 CNN、RNN 走向 Transformer，也推动人工智能行业从 AI 1.0 走向 AI 2.0 阶段，即以生成式 AI 为代表新一 轮 AI 浪潮：

AI 1.0 阶段：2006 年提出深度学习算法后，神经网络结构经历了 RNN、CNN 等几代的进 化，在视觉领域取得了非常显著的突破，2014 年 3 月，香港中文大学多媒体实验室自主 研发的 DeepID 系列面部识别算法准确率达到 98.52%，在全球范围内首次超过人眼识别 准确率，突破工业应用的红线。2016 年 AlphaGo 打败世界围棋冠军李世石，进一步引爆 了人工智能的浪潮，推动人工智能应用在金融、安防等场景的渗透率提升及全球人工智 能创业热潮。这一阶段是决策式 AI 阶段，AI 主要用于判别样本属于目标的概率，需要 针对不同场景重新标注数据对模型进行训练，人工标注成本较高，而且主要为小模型， 模型泛化能力较差，导致拓展项目边际成本较高而收入增长速度缓慢。

生成式 AI 2.0 阶段：2017 年谷歌在论文《Attention Is All You Need》中提出了 Transformer 架构，Transformer 架构基于自注意力机制通过赋予权重能够并行化处理 序列间关联关系，在自然语言处理领域中得到了广泛的应用。OpenAI 在 Transformer 架 构的基础上又进一步提出 GPT 模型，其突破在于训练时采用“预训练-微调”的模式，先 采用大量无标注的语料预训练语言模型，然后对预训练好的语言模型进行微调，将其迁 移到有监督学习的任务上。GPT-3 模型参数达到 1750 亿，开始体现出涌现能力，即不仅 体现出训练成本的规模效应，还带来模型能力的增加，进入了生成式 AI 阶段。典型如 ChatGPT，通过对大量数据的联合概率进行学习，对已有的数据和知识进行归纳总结， 同时结合深度学习技术，自动生成新的内容，而新生成的内容可以是文字、图片甚至是 视频等多模态内容。

根据陆奇对于人工智能进化路径的理解，人作为最成熟的通用智能体，在处理外部环境时依 次用到了“信息”系统、“模型”系统、“行动”系统，分别获取数据信息、分析处理信息并 做出决策、基于决策目标做出行动。机器如果想要发展成为像人一样的通用智能体，则也需 要有这三个系统，其演进的过程可以简单的概括为机器感知世界、理解世界、参与世界。而 前沿科技研究转化为生产力有一定的过程，引发生产力大变革的拐点在于当应用这项技术的 边际成本转化为某些特定公司固定成本时，产业浪潮出现。（资料来源：奇绩创坛）我们认为 这背后原因是当应用技术的边际成本转化为固定成本的时候，行业可以发挥规模效应分摊技 术成本，且减少了重复资源浪费。

回溯机器智能的进化史进行梳理，互联网时代推动“信息”系统成熟化，使得今天信息获取 的成本极低；“模型”系统正走过拐点，大模型所带来的泛化能力使模型生产的边际成本下 降，转化为特定大公司如 OpenAI 背后的算力、人才、数据成本；仍有待突破、充满挑战的 是“行动”系统的智能化。 我们按照执行操作的场景不同，将其分解为物理世界与数字世界两条路径，推演出 AI 的终 极形态或为 AI Agent 及具身智能：

在数字世界：体现为机器基于特定目标，自主完成任务并且自我迭代，对应于当前研究 热度较高人工智能代理 Agent，目前已经出现的产品包括 Auto-GPT、Baby AGI、Agent GPT、Microsoft Jarvis、ChaosGPT 等，但 AI Agent 并直接在物理世界执行，更多是作 为人类的助理，因此需要与人进行交互，需要配合手机、MR、AI pin 等智能终端展示信 息及接受指令。

在物理世界：为 AI Agent 加上执行机构，由其与物理世界直接交互，由此引出具身智 能的概念。具身智能指智能体（可以是生物或机械），通过与环境产生交互后，通过自身 的学习，产生对于客观世界的理解和改造能力，自动驾驶、智能机器人等即为典型的智 能硬件产品。其与传统机器人的区别在于，传统机器人是基于固定坐标系进行特定执行 操作的机器人，并不具备实时感知能力，而人形机器人这一类智能硬件将形成感知-决 策规划及执行的闭环，从而达到真正的 AGI。

2.2.AI2.0 时代赋能场景更多元，行业渗透率持续提升

中国人工智能应用场景空间广阔，行业渗透率不断提升。在政策的扶持和需求的拉动下，人 工智能被广泛应用于各行各业，尤其在政府、金融、互联网、交通等行业的渗透率较高。计 算机视觉为目前人工智能产业最大的细分市场，在安防影像分析和各类身份认证场景下应用 广泛。而语音及语义人工智能也在日常办公、学习中得到大量使用，包括语音转写、语音助 手、自动回复等。

政府城市治理与运营项目占比接近一半，B 端场景仍有待充分挖掘。从下游场景来看，政府 城市治理与运营为最大的应用场景，项目份额接近一半（49%），互联网、金融行业的项目份 额分别为 18%、12%，排名第二、三位。由此看来，人工智能技术目前面向的主要客户依然局 限于大型的政企客户，面向千千万万企业级客户的场景还未打开，帮助企业级客户实现数字 化转型具有巨大的市场和利润空间。

就单个企业而言，84%企业处于智能化早期，升级空间巨大。根据中国信通院报告，企业智能 化成熟度具体划分为 L1 至 L5 共五个水平，包括尚处于基础信息化建设，被动数字化/智能 化尝试的 L1;局部数字化建设，探索尝试智能化应用的 L2;全面投资规划建设公司级数字底 座，为智能化做储备的 L3;智能技术全面应用，基本实现全价值链智能运营的 L4;新 IT 技术 与业务全面融合，开放赋能行业创新变革的 L5。而目前 84%的企业处于 L1-L3 的智能化阶段， 仍处于智能化早期，因此面向企业的智能化升级改造仍有极大的市场空间。

企业基于降本增效的极致追求，其智能化的升级通常经历从业务单点的智能化——打通业务 体系，由 AI 实现统一管理——进入 AI Agent 阶段，进行自我学习及进化的几个关键阶段， 在 AI 生产工具能力提升的背景下，企业经营智能化升级的过程将会加速，未来一段时间内 企业必然将更多的 IT 预算分配到以生成式 AI 为底层技术能力工具及产品体系之中，从而实 现自身经营效率的提升，以保证在竞争中处于相对领先的地位。在这样的背景下，将会催生 出一批基于生成式 AI 的企业软件公司，帮助企业从单点智能化向企业 Agent 的方向进化。

3.用户规模及黏性均显著提升，积极拥抱生成式 AI

3.1.打造全方位产品体系，以低门槛开发为特色

在机器学习领域技术能力突出，斩获多个世界竞赛冠军。第四范式是国内在 AutoML 领域研 究最早最深的公司之一，AutoML 技术全称为 Automated Machine Learning，是 2014 年以来 机器学习和深度学习领域最炙手可热的领域之一，其所针对的问题是解决机器学习中特征提 取、模型选择、调整参数等人工干预问题，AutoML 致力于解决这些步骤自动化学习，从而使 机器学习能够无须人工干预就能进行应用。围绕 AutoML 做技术能力延展，目前公司拥有自 动机器学习、迁移学习、环境学习和自动强化学习为支撑解决方案的技心技术，已经覆盖预 测、感知、决策、基础架构等多个方面， 并斩获 20 余个 AI 竞赛世界冠军，拥有 20 余个顶 级学术比赛主办权、300 多项核心专利和 400 多篇顶级学术论文。

软硬一体，开箱即用

2019 年 6 月，第四范式发布软件定义一体化解决方案 SageOne。SageOne 提供已预装先知平 台的配套软硬件服务器基础设施，打破了以往 AI 算法+CPU/GPU 硬件野蛮堆砌的方式，利用 软件定义算力，达成软件和硬件之间的协同效应最大化。在降低了使用门槛，提供强大的 AI 算力的同时，SageOne 又具有更低的长期使用成本，在相同的性能表现下，对比 Google AutoML， 采用第四范式产品的成本仅为 1/10。另外，SageOne 也具有多种型号，方便客户按需选择。

AI 操作系统连通底层基础设施与上层应用软件

2020 年 8 月，第四范式发布企业级 AI 操作系统 Sage AIOS，面向“数据治理”、“资源管理” 和“应用管理”的三方面核心能力，为应用的开发和上限提供环境支撑。Sage AIOS 的主要 组件包括数据内核（用于提升用户的数据质量和建模效率）和运行时内核（提高计算资源利 用率，优化人工智能模型及应用的开发效率），解决了 AI 应用的主要难题，帮助企业实现商 业变现。

低门槛开发套件 HyperCycle 系列和 Sage Studio 系列

在操作系统 Sage AIOS 的基础上，第四范式为企业开发人员搭载两种套件，分别为 HyperCycle 系列和 Sage Studio 系列，其中 HyperCycle 系列配备了无代码开发工具，将 AI 落地过程简 化为“行为-反馈-学习-应用”四个步骤，帮助零 AI 基础的客户进行理解和使用；Sage Studio 系列配备低代码和无代码开发工具，支持多表建模方案的真正业务可用的企业级、全流程 AutoML 产品方案。在不同系列中也将算法分类为机器学习、计算机视觉、图像文字提取等不 同套件，方便客户按照自己的能力和需求取用。 降低 AI 开发门槛，有利于提高企业部署效率，帮助公司打开用户群体。目前，企业无法实 现大规模人工智能转型的主要原因在于现有解决方案使用门槛高，而 AI 专业人员在劳动市 场上有限，例如 AI 开发人员使用最广泛的谷歌的 TensorFlow 框架，即使是有一定知识基础 的人员，学习使用也需要耗费大量的时间，另外还包括后续参数调优的工作，导致 AI 落地场 景受限，而第四范式的应用开发平台用低代码或者无代码的开发方式降低使用门槛，使任何 行业的用户均可简便且快速地实施公司的解决方案，有利于公司拓展用户群体。

整合成品应用，满足不同场景需要。 建立在 Sage AIOS 以及研发工具基础之上，公司也可以为企业客户开发定制化应用，所开发 的应用包括营销类、风险控制类等。除了自行开发应用外，得益于基础的 AI 系统能力，公司 对 Sage AIOS 系统内的数据库 OpenMLDB、运行时内核关键组件 OpenAIOS 进行开源，以吸引 用户自行开发应用，并支持用户上传发布。与之相配合，公司于 2021 年 6 月推出企业级人工智能应用商店，汇聚了公司自主开发的即用型人工智能应用和合作伙伴在公司的 AI 操作系 统中开发的应用，为服务客户提供了更丰富的应用选择，同时也进一步提高了用户的使用黏 性。 与单点解决方案不同，公司以平台为核心的低代码研发方案更易投入和管理。基于上述介绍， 公司的产品涵盖了底层操作系统、应用开发工具、成熟的应用产品及一体化的解决方案，可 以根据客户的需求进行选用。与单点解决方案不同，除了人工智能应用和基本计算基础设施 外，公司以平台为中心的人工智能解决方案，为用户提供统一的开发标准并具有高兼容性， 使人工智能平台更易于投入使用和管理。

3.2.赋能 B 端企业转型，用户规模及黏性不断提升

基于逐渐完善的产品矩阵与有效的市场进入战略，推动客户规模持续提升。公司拥有体系化 的人工智能解决方案，已经形成一定的产品竞争力，所服务客户数量不断增加，2018-2023 年 公司分别拥有 38 名、79 名、156 名、245 名、409、445 名用户，其中包括 18 名、32 名、47 名、75 名、104、139 名标杆用户（财富世界 500 强企业及公众上市公司）。

金融、能源电力为重点领域，涉猎领域逐步走向多元化。第四范式最初进入的是金融行业， 随后逐步拓展至零售、制造、能源电力、电信及医疗等领域。目前能源电力、金融行业收入 贡献度仍较高，2022 年能源电力、金融的收入占比分别为 20.3%、16.9%，两大收入占比合计 为 37.2%，相较于 2021 年下降 13.3pct，公司收入的行业分布更加平均，表明公司业务领域 更加多元化。

此外，公司通过收购进一步夯实在重点领域的竞争壁垒。公司 2021 年 9 月以 1.9798 亿元对 价收购广州建新 66%的股权，其为国内领先的能源电力行业数字化及智能化平台服务供应商； 收购伊飒海 100%的股权，对价 2 亿，通过其持有理想科技股权，而理想科技是一家为金融行 业的客户提供一站式运维自动化解决方案的领先软件开发商。基于两项收购，公司在能源电 力、金融领域的业务能力得到进一步强化，同时也获得更多客户资源，帮助公司构建更深厚 的竞争壁垒。（资料来源：招股说明书）

以金融等领域为例，公司主要提供的服务包括：

聚焦金融服务，优化营销、运营与风控

根据灼识咨询的资料，以客户为中心的成本优化和风险控制策略在金融行业变得愈发重要。 先知平台作为一个通用型平台，首先聚焦于金融行业，已服务商业银行、证券、保险等众多 金融机构，获得了巨大的成功。面向金融行业的 AI 服务主要包括反欺诈、反洗钱、精准营销 以及一些运营上的智能化管理，提高效率的同时降低了金融机构的成本。比如利用 Sage Studio 提取交易记录、历史欺诈交易、账户信息等数据中的特征，在自动机器学习技术的支 持下，训练反欺诈模型以自动识别和防止具有人工智能能力的欺诈交易。

向零售、能源、医疗领域拓展，实现 AI 普惠化

除金融领域外，第四范式已涉足零售、能源、医疗、制造等多个领域，与标杆客户合作，实 现许多成功案例。如在零售方面，来伊份借助 AI 操作系统、线上智能运营系统以及 SageOne 等全方位 AI 能力，实现在供应链管理、线上运营、门店选址等多个业务场景的智能化升级； 在医疗方面，瑞金医院携手第四范式，共同发布糖尿病及并发症管理产品“瑞宁知糖”；在制 造方面，宁德时代基于 Sage AIOS 平台的全生命周期 AI 应用，将 AI 决策能力注入生产制造 的各环节中。

与单点解决方案不同，公司致力于提供咨询式的数字化转型建设和服务，并提出“北极星指 标”体系。2022 年 8 月，公司提出企业转型平台及服务，帮助企业设定符合自己核心竞争力 的北极星指标体系与转型方案，即将计算机引入到企业管理中，把企业的战略目标转化为 “北 极星指标”，把组织划分为推动战略目标实现的多个实验小组，积累从量变到质变的力量。这 种模式不同于单点解决方案模式，企业的转型升级是由总经理等高管牵头，因此企业的智能 化升级体系也能够从更高维度的平台级进行建设，统筹能力更强。对于像第四范式这类服务 商而言，一旦获得某个标杆客户，将带来更高的用户黏性。

得益于领先市场策略思维，标杆客户较高的用户黏性。公司服务的标杆客户包括来伊份、交 通银行、永辉彩食鲜等，基于公司所提供的优质服务及平台化的服务模式，公司的标杆客户 具有较高的用户黏性：1）标杆客户具有较高的留存率，如 2021 年公司具有 75 位标杆客户， 至 2022 年仅有 7 名客户流失，客户留存率为 90.67%，且 2020-2021 年标杆客户留存率均处 于较高水平，分别是 81.25%、89.36%；2）标杆客户的平均收入持续提升，2023 年公司标杆 客户的平均收入为 1838 万，相较于 2018 年标杆客户收入为 390 万有显著提升。

3.3.积极拥抱生成式 AI，面向 Agent 方向先发优势显著

拥抱生成式 AI，发布先知 AIOS 5.0。2023 年 2 月底，第四范式就推出了一个专为业务场景 设计的企业级生成式人工智能产品 SageGPT，布局大模型 AI 产品，向生成式 AI 模型做业务 延展。2023 年 4 月，公司对外展示了式说 3.0 版本，并且提出了 AIGS 战略（AI-Generated Software），即以生成式 AI 重构企业软件。2024 年 3 月底，公司发布先知 AIOS 5.0，在模型 基座层面实现了向生成式 AI 方向的技术迭代，借助大模型的能力进一步升级预测能力，在 应用开发场景中能够有效利用企业的专有数据构建行业基座大模型，帮助企业提升使用效率 及交互体验。

关注 AIGS 战略布局，分阶段赋能企业智能升级。以 SageGPT、先知 AIOS 5.0 等为抓手，公 司将 AIGS 战略将分为三个阶段：第一个阶段是以 Copilot 的出现将企业软件改造成自然语 言的交互形式，背后是企业内部应用库、私有数据之间的“联网”；第二阶段则在这个基础上， 基于 Copilot 不停地丰富这个对话框的能力，并且积累企业用户的行为数据来形成基于企业 规则的“知识库”，这个“知识库”可以作为 AI 一次次执行复杂工作的“攻略”。第三阶段式为 Copilot 助手增强 COT（思维链）能力，即增强其决策规划能力，使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。

第四范式的 AIGS 战略本质上是在推动企业的智能化升级向 AI Agent 方向迭代。1.0 阶段式 在打通系统接口，便于后续工具的调用；2.0 阶段是从知识库中学习决策规划经验，并在学 习过程中具有长短期记忆能力，而 3.0 阶段增强决策规划能力，通过分解思维链的模式逐步 提升决策规划能力，最终指向工具使用，而由于数据来源系统接口已经对齐，则调用其进行 执行的难度会相对更低。

我们看好公司在 Agent 这一路径上的先发优势，支撑其领先 AI Agent 业务方向的核心原因 在于： 首先，公司是企业智能决策细分领域龙头，行业 Know 积累深厚。公司以机器学习出发，创 业以来始终坚持在企业服务的这一细分赛道上，赋能企业智能决策效率提升，且连续多年蝉 联市场第一，根据 IDC 中国数据，2022 年中国智能决策解决方案市场的前五大公司依次为第 四范式（15.9%）、SAS（6.9%）、邦盛科技（3.0%）、同盾科技、华为，第四范式以绝对优势领 先。这表明公司在行业中不仅积累多年，且获得客户广泛认可，因此我们认为公司理解客户 的技术诉求，能够提出更好的解决方案。

其次，重平台而非单点解决方案，技术升级的边际成本低。得益于咨询式的市场进入策略， 公司更多是在平台层切入，而非提供单点的解决方案，相对而言客户的迁移成本更高，因此 体现出了较高的用户黏性。在企业面向 AI Agent 这一智能化方向背景下，公司基于平台级 的生态卡位，能够更快的打通算力基础设施、操作系统、开发工具、应用系统多层级的完整 产品体系，帮助企业降低边际开发成本，同时加快产品开发进度。

目前公司的式说大模型已在多家企业落地，包括某航空制造企业在将自用 CAD 软件与第 四范式的式说大模型结合后，完成了对零件形状、参数和设计草图的搜索，以及在以 数学方式提取零件的三维几何特征后，实现对三维数模的聚类；此外，公司帮助工业 软件服务商艾普工华推出了基于式说大模型的 MOM（制造运营管理软件）助手“艾问”。艾问以 对话框式的界面呈现，用户使用人类自然语言即可直接调用传统工业软件的各项功能、一键 生成数据和报表、完成基于专业知识库的内容问答等。基于以上案例，我们认为企业级应用 式非常适合生成式 AI 落地的 To B 场景之一，预计会在短期内有较快的增长。

公司在企业软件市场的先发优势将有望转化为业务快速落地的关键竞争力，在推动现有标杆 客户增加付费收入的同时，也将推动公司以更低的销售费用实现新客户的获取，从而帮助公 司构建起增长飞轮，推动业绩持续提升。

（本文仅供参考，不代表我们的任何投资建议。如需使用相关信息，请参阅报告原文。）