作者：吕倩 责编：国子昂
AI生成 免责声明
企业软件赛道每个时代都会诞生巨头企业，信息化时代的Oracle、SAP，互联网时代的Salesforce，大数据时代的Palantir。而如今，伴随大模型的热潮，人工智能再次席卷而来，第四范式要做的就是当下时代新的代表。
3月20日，人工智能企业第四范式（06682.HK）公布上市后首份年度业绩，公司营收继续保持稳定增长，2023营收人民币42.0亿元，同比增长36.4%。自2019年以来，公司年收入复合增长率高达73.9%。毛利人民币19.8亿元，同比增长33.2%，毛利率为47.1%。
财报电话会上，第四范式董事会主席兼CEO戴文渊表示，第四范式的定位是一家用人工智能改造的企业软件公司，目标是要用AI赋能千行万业。企业软件公司恰恰是致力于把一代代新的技术带给企业，赋能企业的定位。
目前公司负向经营现金流的扩张程度远远小于公司营收规模的扩张程度，整体整体现金流情况好转，盈利前景明朗。
本次财报的一大亮点在于打破沉疴多年的人工智能难以商业化变现问题，凸显盈利前景。财报显示，第四范式2023年研发投入超人民币17亿元，研发费用率超40%。经调净亏自2021年连续环比减亏，2023年减亏人民币8888万元同比大幅收窄17.6%。经调净亏率仅9.9%。
一方面，成立于2014年的第四范式积累多年的客户资源与行业经验，截至目前，第四范式服务于金融、能源电力、运营商、交通运输、制造、医疗、零售等重要行业，用AI赋能千行百业数字化转型。2023年，公司为445个企业用户提供AI服务，其中标杆用户数139个（标杆用户：全球财富500强企业或上市公司），同比增长33.7%，平均每个标杆用户收入达人民币1838万。
行业服务的背后是第四范式三大业务支撑，具体包括第四范式先知AI平台（4ParadigmSage）、SHIFT智能解决方案（4Paradigm SHIFT）、第四范式式说AIGS服务（4Paradigm AIGS）。
其中第四范式先知AI平台业务规模效应显著，是所有业务的内核，该业务收入占比近60%，是开发AI模型的底座平台，支持企业各阶段AI应用的高效落地；SHIFT智能解决方案，为各行业提供智能解决方案产品，进一步扩大公司商业版图；式说AIGS服务，致力于通过生成式AI技术赋能软件开发，大幅度提升开发效率。
财务表现方面，财报显示，第四范式先知AI平台2023年25.1亿元，同比增长68%，具体占集团总业务比例59.6%。第四范式先知AI平台以低门槛、低成本实现对AI场景规模化的覆盖。
财报电话会中，第四范式董事会秘书郭清媛表示，在人工智能发展和应用的演进中，第四范式核心产品的设计理念一直坚持为用户解决落地中各个阶段的痛点，所以先知AI平台经历了1.0到4.0的一个演进。2015年推出先知1.0版本，通过高维实时的自学习框架大幅度提升模型的精度，解决了早期模型效果不好的问题。2.0版本通过自动建模工具HyperCycle大幅降低了模型开发的门槛，让千万级的程序员群体可以用先知直接开发AI模型，解决了之前所说的人工智能科学家成本高，且人才比较稀缺的问题。AI3.0版本解决了从搭建模型到真正落地应用的最后一公里问题。AI4.0版本引入了北极星方法论，即真正落地到企业的核心竞争力问题，将人工智能应用落地的业务价值最大化。
另外，SHIFT智能解决方案业务在2023年有两方面的突破：通过SHIFT峰会引领行业数字化转型发展的方向，同时在2023年10月发布了范生态体系，面向北极星指标联合合作伙伴提供端到端的解决方案。
最后一个业务式说AIGS服务目前收入四点亿多元，但从长远来看，其对整个业务开发软件的提升效率未来非常值得期待，经历了2023年2月自研行业大模型产品式说1.0、2.0，2022年4月发布的3.0版本，公司也随之提出AIGS战略，用生成式AI软件开发平台助推我们整体的人工智能业务能力。
目前式说已迭代至4.0版本，升级了模型能力和插件能力、推理能力、中文理解能力和数据查询等能力，相关大模型业务也已经在金融、制造、医疗、零售、能源等行业广泛落地。经过测算，式说大模型已为整个软件开发效率提升了超过30%。
成立于2014年的第四范式距今已成长恰好十年，作为一家人工智能技术与服务提供商，跨越了信息化时代、互联网时代、大数据时代，也从所谓的AI1.0时代迈入2.0，踏着大模型技术浪潮，迎来新的发展机遇。
对于所谓AI2.0时代问题，戴文渊对第一财经记者表示，他实际上并不认为存在非常清晰的1.0与2.0的区分，更严谨的说法应是人工智能从幕后走到了台前。“其实无论是所有的1.0时代还是2.0时代，我们追求的都是把模型越做越大，一个领域里找到越来越多的规律。以大语言模型为例，其实它也是要发现越来越多的下一个字的规律，模型越来越大，写文章的能力就越来越强了。”戴文渊称。
AI2.0相较而言带来的更大希望，在于冲刷1.0时代迷雾般的盈利前景，攻克持续多年的商业化落地难题。戴文渊对记者表示，第四范式更关注的是各行各业要解决的问题，而这些待解决的问题，从根本逻辑上来说，与大语言模型或视频模型没有本质区别。简单来说即一个人每天看文章，逐渐也便会写文章，每天看体检报告逐渐也就会解读体检报告，让一个人每天设计汽车，逐渐也就会设计汽车了，即所谓的“学什么就擅长什么”。
具体解决方式通过什么渠道来做？当下行业暂时将大模型解决方案分为通用型大模型与垂直行业大模型。一般意义上，外界粗略地认为前者参数规模更大、能力更强，随之也带来更高的成本压力。后者参数规模小、算力成本低，对创业公司而言性价比更强，也是更为合适的选项。
对此，戴文渊对记者表示，各行各业的客户、各个业务场景所需要解决的问题是不一样的，也便因此需要AI去学习不同的东西。对于AGI（通用人工智能）来说，如果可以无限地将模型做大，填充无限多的数据，最后确实可能达到一个AGI的状态，但从实际来看，企业需要在每个垂直领域与垂直应用方面平衡好各自的能力与代价，就好像企业用人，不可能事事都找什么都会的人，什么都会也便意味着成本更高。