来源：雪球App，作者： 左庶子，（https://xueqiu.com/1143179207/311470774）
第四范式最近股价涨势喜人，于是各种传闻出来的，那么它究竟是一家什么样的AI公司？这里从三个维度来解析这家公司。
一，先从技术说起
技术上与商汤/格林深瞳/云从科技没有本质区别，底层都是基于神经网络的AI技术，但第四范式的技术特点在于如下几点：
=> 创始人戴文渊的技术方向是迁移学习，这是一种基于小样本（小数据集）的AI训练方法。该领域的顶级科学家就是杨强和周志华。迁移学习的AI场景最大优势场景就是决策分析等领域。像早期的视觉识别这类需要依赖海量数据来训练。这是第四范式与早期AI四小龙的根本区别，像商汤科技早期依靠汤晓鸥教授的人脸识别（大数据训练）场景获得商业机会。
=> 第四范式引入了第二个技术栈：AutoML。它相当于AI模型的自动化流水线，从数据特征，模型训练，模型管理及模型部署等。提供了一套完整的体系架构与方法。它的优势在于能够快速生成AI模型。这个技术百度/华为等基本都用上了，并不稀缺。但第四范式属于比较早引入该技术栈，每个行业都能产生数百个AI模型，这样公司能高效的产出模型。
=>第四范式引入了第三个技术栈：MLOps。这套框架能够实现快速的部署到客户现场，熟悉Devops理念的朋友或许能理解这个概念，它是一套从研发环境到客户现场的规范体系。公司服务于千行百业，如何快速部署及运维管理这些模型，至关重要。并且根据IDC调研，公司的MLOps获国内厂商排名第一。
二，再说它的业务特点
第四范式的AI模型可以先举几个例子：数字人视频合成，5G视频营销，AI质检系统，三维扫描建模。你们看到这些，是不是觉得很熟悉，并不那么遥远。确实如此，公司目标就是为各行各业实现AI赋能。
公司面向的行业客户是基于B端。包括包括交通运输，数据中心，金融，能源电力，运营商，信息技术，智能制造，零售等行业等。下面是第四范式/商汤科技/云从科技的业务结构及营收对比图。
=> 第四范式的业务聚焦在2B业务，一方面免受疫情带来的2G财政支出的下滑带来的业务压力。更重要的是，AI需求的有效性2B要远强于2G，这有利AI场景的沉淀及产品化提炼。对比商汤科技，2G业务前三年急剧萎缩，云从科技也能看到同样的趋势。核心原因是政策环境导致的业务风险。
=> 第四范式基于ChatGPT热潮仅引入了AIGS（代码生成服务），并没有切入到AIGC的文生图/视频等业务中，笔者认为这个选择是务实的。对于2B软件企业面临着大量的定制代码工作，并且实际业务构建中大量的是重复代码。公司切中这个领域，切实在解决企业问题。
=> 第四范式2B业务最终服务于企业运营效率的改善上，这个理念是非常正确的，从访谈能感受到创始人的这个追求。笔者一直认为企业服务是一个极大市场，需要将公司方方面面业务模块都衔接起来，形成以净利为中心的企业智能化运营理念。典型代表就是国外的Saleforce，Hubspot，Shopify。国内真正在从事于企业服务这块的包括：钉钉，泛微，迈富时，第四范式等。
三，公司的担忧-来自财报的数据
A1：公司超过40%的应收账款占比，23年应收账款达到18亿之多。
通常大部分的2G业务的应收账款会占比高达30%以上，公司服务的客户有相当一部分是大央企，这是回款慢的关键原因？
A2：公司超过25%的应付账款占比，23年应付账款达到10亿之多。
一般而言，应付账款表明了公司占款能力强，也就是议价能力强，这是强势的表现。对于一个软件服务为主的公司，占款这么多的款项是什么？我个人推测有相当部分是外包服务费，面向大B端的定制化项目会比较高。所谓的AI服务必定包括大量的定制服务。
下面是笔者作的一个简要对比：
从应收账款占比来看，业务类型更接近超图这类2G的业务属性，这可能是大央企回款慢的原因。从人效来看，第四范式更接近泛微网络这样的2B产品化公司，如果把应付部分理解为外包服务，那么人效也会急剧下降。
A3：公司何时能实现收支平衡？
即便是一个非AI公司，面向大B端的软件公司要想做到收支平衡，并非易事。第四范式每年超过40%的研发投入，何时能盈利？
总结：第四范式与众多AI公司在技术上并无显著差异，创始人的迁移学习的技术特征将公司的业务方向引入到企业服务领域，并且持续耕耘该领域。由于需要服务于千行百业，通过AutoML/MLOps技术栈提升了公司AI模型生成及运维部署的效率。面向大央企回款慢及AI高投入问题，公司在财技上应收账款居高不下，经营持续亏损中。
