掘金人工智能上市大年，第四範式確定性的機會如何？

科技投資最難的難點，在於變化特別快。如何在瞬息萬變中，尋找不變共性？

這就必須回答三個問題：

首要的第一個問題：下一個科技趨勢在哪裏？

但正如趙曉光所言，看對了趨勢，看錯了企業是十分悲劇的。因此我們來到問題二以及問題三：什麼樣的企業能在趨勢中跑出來？什麼樣的階段的企業適合投資。

當前，正是 AIoT 大浪潮來臨。尤其 2021 年是人工智能 (AI) 上市的大年。毫無疑問，人工智能是科技投資的重要主線，但並非每一個上市的龍頭都代表了機會。

1

尋找趨勢：掘金人工智能的新階段

人工智能之所以偉大，是因為它顛覆了先前的科學世界的運算方式，因此成為確定性的科技趨勢。

在人工智能以前，科學家們需要先獲知因果關係，在此基礎上搭建數學計算模型，才能進行運算。也就是所有的運算基礎，離不開人類對事物背後關係的發現。而人工智能的算法卻非常簡單粗暴——給機器一堆數據，機器自己不再分析背後的邏輯，而是在多次 “試驗” 中尋找最優解，機器人實現對科學家的替代。

但從實操上看，實現人工智能相當不容易，需要打通算力、算法、數據三大關鍵環節。算力是軟硬件層結合的運算基礎設施；在算力基礎上，機器學習經過大量的數據訓練得到算法模型，代替科學家的探索工作。

當前人工智能已經完成了第一階段。而盤點近年已上市和正在上市進程中的人工智能公司，往往存在有三大共性：一、大多都是 AI 應用型的大龍頭，輸出看得見摸得着的產品，比如基於 AI 算法之上的安防系統、人臉識別軟件、醫療影像；二、這些公司自己都是從零開始，自主打造算力－算法－數據的人工智能垂直方案；三、這些公司行業高度集中，主要為語音識別、機器視覺、醫療影響三大領域。上市潮的來臨，反映了人工智能第一階段培育的公司已成熟。

在這一階段中，我們看到有不少 AI 龍頭都做出來精準度較高的模型，但 AI 仍未得到大規模廣泛應用，因為打造 AI 技術體系的門檻非常高，人工智能僅限於少數的龍頭公司能擁有。

而近期，“AI 平台第一股”——第四範式開啓上市進程，其招股書的資料，第四範式的定位，類似於“AI 大腦的大腦”。人工智能平台為企業直接提供研發和應用人工智能技術所需的軟硬件環境，以人機協同操作系統為代表，涵蓋算力、算法、數據等多要素，能大幅降低下游的技術門檻。人工智能不再是 “高冷” 的，而是 “飛入尋常百姓家”。

以第四範式的 Sage AIOS 平台為例，根據招股書，其具備操作系統界面友好、數據治理標準化、資源管理和調度自動化、中間軟件全面兼容等特性，類似個人計算機的 “Windows”，與 BAT 提供的 AI 中台同為主流的 AI 平台。這些平台延伸人工智能應用場景從安防視覺應用、自然語言處理等領域，到了企業經營決策層，加速滲透金融、零售、製造等傳統行業，同時碎片化輻射到媒體、智能家居等多個不同領域。

平台型公司的成熟，不僅推動 AI 進入了加速滲透企業的第二階段，更催生了更多的人工智能新需求。2020 年，中國人工智能支出為 1280 億元，預計於 2025 年將增長至 6095 億元，年均複合增長率為 36.6%。

在新的科技趨勢下，平台型公司同樣有望成為最大受益者。數字化的進程基本上都是由大規模的計算平台驅動。隨着科技革命的進程，我們經歷了 IBM 主機、PC、互聯網、移動互聯網四次計算平台的更迭，當中產生了 IBM、微軟、Google、蘋果和安卓等巨頭。目前正處於從移動互聯網向人工智能時代發展的 “分水嶺”。而在人工智能的技術革命中，中國的研發水平與世界不相上下，有望孕育出中國人工智能領域的微軟。

2

如何衡量競爭優勢？

據灼識諮詢報告統計，在中國以平台為中心的決策型 AI 市場份額中，第四範式排名第一。作為最大的即將上市的平台型人工智能公司，第四範式具備一定代表性，我們就此展開談論。

第四範式創始人及 CEO 戴文淵曾表示，過去 “AI” 是可以 “for someone”，特定企業才能擁有；未來 “AI” 終將 “for everyone”。他説 “第四範式要做的事情，是不斷降低企業使用人工智能的門檻。”

可見，平台能否降低 AI 技術的應用門檻，是平台型 AI 企業成功與否的關鍵。

1、 降低研發成本

戴文淵曾談及第四範式推出標準化管理平台 Sage AIOS 的初衷。他認為，“數據治理難、科學家稀缺、業務價值不佳以及算力成本負擔重，是企業 AI 轉型中四個最常見的阻力。這些問題歸根結底是因為缺少基於規範和標準的基礎設施。”

從即將上市的應用型公司來看，如果從零開始引入人工智能技術，需要精鋭而龐大的專家團隊、長時間的技術開發以及高昂的研發投入。僅從研發投入來看，根據艾瑞諮詢《2020 年中國 AI 基礎數據服務行業研究報告》數據顯示，中國科技企業 AI 算法研發投入規模預計超 370 億元。機器視覺領域的 AI 龍頭商湯科技投資 56 億元打造新一代人工智能計算與賦能平台重點項目 (AIDC)，第四範式在 2018-2021 年上半年，就投入了 17 億作為研發費用。對於大部分的企業而言，AI 投入產出比十分低。

第四範式選擇直接為企業提供一套以平台為中心的解決方案。根據招股書，第四範式的平台提供快速簡易建模、低代碼及無代碼的開發環境。以這樣的方案，方便用户快速地大規模部署各種定製化的人工智能應用，並縮減人工智能專家的配置。

2、 高效率及場景延展性

要讓人工智能技術真正從開發者和實驗室中走出來，就要人工智能的賦能效應進入各行各業。從 AI 技術過度到 AI 場景的落地，場景的延伸是不可迴避的問題。

但是要滿足這一點並不容易。首先，應用場景分散、多樣化，因此需求呈現高度碎片化及個性化的特徵，而不同的需求需要對應不同的硬件和特定的算法。此外，如果根據每個客户的每個需求實現高度定製化，企業的運營效率會非常低，難以實現規模效應，盈利將成為問題。

平台具備更高效的遷移效率與延展能力，基於大規模的實際場景數據，人工智能模型越訓練越智能；此外公司在碎片化的需求中尋找共性，構建人工智能的體系化能力，從而產生一定的邊際效應。

3

尋找商業化確定階段的企業

資本市場對這樣一條賽道頗為認可。第四範式其先後完成了 11 輪融資，其中，2021 年上半年的 7 億美元的 D 輪融資，是 2020 年 AI 領域的最大單筆融資。第一大機構股東為紅杉，同時也是第一家獲得五大國有銀行共同投資的 AI 公司。一般來講，科技創業公司並非五大國有銀行的財務投資範圍。由於國有銀行對數據的保密性要求非常高，這樣的持股關係，實際上是緊密合作的基礎。

事實上，第四範式的確在金融領域具有先發優勢。金融行業具備海量的結構化的數據，與 AI 的屬性不謀而合；此外，金融行業廣大的客户羣體及嚴格的風控監管要求，尋求 AI 賦能的動力充足。經過多年深耕，第四範式達成與五大行在內的龍頭金融客户的長期合作關係。

除了在同一行業中具備高度的延展能力，第四範式向多行業伸出觸角，以先進入標杆企業，再延伸至下沉市場的市場策略。在 AI+ 零售領域，第四範式的解決方案使客户 X 公司能夠對促銷活動進行實時個性化推薦，將 X 公司的每單交易量提高 2%，對應年銷售總額提升數億；對於 AI+ 能源電力領域，第四範式幫助客户 Z 公司將其異常告警的精度提高了 2 倍以上，並實現了實時告警等功能。

近期，第四範式也進入了很多大家未曾預期的領域。比如宣佈與 A 股萬億巨頭寧德時代達成合作，要將 AI 決策能力注入到寧德時代生產製造的各環節中。未來，大概率公司將保持這樣的勢頭進入更多的傳統及高科技行業中去。

筆者在前幾年從事一級市場投資的時候，曾與業內談論第四範式的商業模式。我們都紛紛認為，這是一個瘋狂的想法，整個市場還這麼稚嫩，培育難度很大，商業化困難；但一旦成功，將成為推動人工智能領域革新的重要力量。

2018 年—2020 年，第四範式的收入為 1.28 億元、4.60 億、9.42 億元，平均年複合增長率為 171.28%；2021 年上半年，收入達 7.88 億元，接近上一年的全年收入。

伴隨着營收增長，公司虧損也呈擴大之勢。根據招股書，於 2018 年、2019 年及 2020 年以及截至 2021 年 6 月 30 日止六個月，公司錄得期間虧損分別 3.72 億、7.17 億、7.5 億及 11.82 億元。

目前公司仍在虧損，以第四範式為代表的 “AI 大腦的大腦” 的商業模式還未得到驗證。但根據現有的資料來看，人工智能快速向上新階段的序幕，業已開啓。