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

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（4ParadigmSage）：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（4ParadigmSHIFT）：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（4ParadigmAIGS）：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ToB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GeoffreyHinton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AI1.0走向AI2.0阶段，即以生成式AI为代表新一轮AI浪潮：AI1.0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AI2.0阶段：2017年谷歌在论文《AttentionIsAllYouNeed》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AIAgent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、BabyAGI、AgentGPT、MicrosoftJarvis、ChaosGPT等，但AIAgent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、AIpin等智能终端展示信息及接受指令。在物理世界：为AIAgent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AIAgent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AI3.1.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AutomatedMachineLearning，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GoogleAutoML，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SageAIOS，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。SageAIOS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SageStudio系列在操作系统SageAIOS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SageStudio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；SageStudio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SageAIOS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SageAIOS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SageStudio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SageAIOS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AIOS5.0。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-GeneratedSoftware），即以生成式AI重构企业软件。2024年3月底，公司发布先知AIOS5.0，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AIOS5.0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