来源：雪球App，作者： 莫麦，（https://xueqiu.com/2411528136/313005078）
主要是开始不知道这个股票，本身不是专门投资股票，每天还要努力搬砖，希望买到的股票会涨，能帮补贴一下生活费用。昨天写了一个小短篇，居然上了雪球热帖，今天就详细分析一下这个股票，股票千万个，买卖自由，选择自己喜欢的就好，对人工智能赛道的有怀疑的，有犹豫的，也有坚定的，很正常，不仅仅是股票圈是这样，在现实中和不同的人沟通，他们对AI的看法，理解，应用都是各不相同。
第一，第四范式的缺点
先讲第四范式的缺点吧，第一眼看第四范式，最不好的地方是研发费用，居然高达8.5亿元，比上年6.6亿高，这个是不正常的，为啥，正常AI能力越先进，研发人员是应该下降的，BAT大厂不断裁员，很多是研发部门的，包括国外巨头也裁员，很多时候就是低端工程师的位置被AI取代了，新的项目可以更多采用AI方式来开发，所以整体研发成本减低才对，对比医渡科技就好多了，销售没有下降，研发减低了，主要就是AI公司本身是应该最擅长用AI工具来将本增效，现在美国投资人都不会投超过20人的AI团队，主要就是初创公司应该会利用各种AI工具降本增效，我自己企业里面要求每个员工必须掌握2-3个AI工具来完成工作，不然哪里来的降维打击能力。
年报里面解析，是因为算力成本增加了，加上毛利率上涨，这个可以勉强接受，如果服务很多大企业需要很多数据出来，GPU的需求是大涨，英伟达的股票就是给他们买起来的。但长期还要观察是不是本身员工能够充分利用好AI的能力为自己企业降本增效。
第二，第四范式的合作客户
这个是最吸引我的，我也为客户服务，但远没有他们国企和行业头部那么大，但屁事不少，很多成本不少研发成本，看看第四范式的销售成本，7亿多涨到10亿，就是大客户营销还是不能用AI降本增效的，这点我倒是认同，最快速度开疆辟土。先占个坑，这个是互联网思维。
这个很重要，我要解析一下为啥，AI服务就是企业的根服务，要把客户数据进行采集，数据预处理，数据分类，数据存储，和导入AI能力，不仅仅是一个合作关系，是一个共生关系。
图片里面就是数据分析的一个基本逻辑和原理。实际中更复杂，更多面。特别是数据清洗和预处理模块，特别费劲，从数据源角度，是医渡科技领先，为啥，医生的药方，患者的特征，药物的状态，根本就是多种数据结构，关系型，非关系型，数据库就几个，还要结合向量特征分析，没有一定沉淀，要摸索很久。
金融领域的数据特点是数量大，拿银行来说，每天的数据节点特别多，那么多的银行交易数据，属于动态数据，数据还不能出错，不然账对不上。但逻辑关系比较简单，基本数学就能解决。
投资领域的数据特点就是噪音大，很多消息就是数据会有真有假。还要教育数据，电商数据，医疗数据是最复杂之一，也有些简单的，例如一些生产制造的数据，其实数据量不大，即使是头部，买个4090都能处理了，基本上每一个赛道的数据特点都不一太样。
这里面反而说明如果和客户一旦建立合作关系，不会是一次性服务，是长期服务，另外就是分期，一般是第一期完成多少任务，确定交付，二期完成什么，更重要还可以复制，如果合作企业确定了AI能力能够大幅度降本增加，客户就想把公司所有部门都给你降本增加，还会考虑和你合作服务好他们的上下游关系，这个很非常有想象空间的，等于是汇量科技，如果能够帮助一个传统的广告公司变成汇量客户，产生的效应不是增长30%还是80%的问题，很可能就变成有AI的公司和没有AI的公司，未来没有融合AI能力的公司基本很难存在。
另外就是客户分类，已经有14个行业了，基本就是有了14个行业大模型。又要科普一下知识，什么叫行业大模型，什么叫知识图谱，这个华为做的最好，没有之一，但华为死贵。我先说一下行业大模型，其实就是把整个行业的前世今生，行业的各个玩家，生态特点数据都采集过来，进行训练，这里的数据分为互联网的数据，这个头部互联网公司都可以采集，例如百度的文心一言，360，豆包，智谱，国外的openai都是这样，采集全球互联网的数据，就可以给出不错的答案，但很多资料是没有在互联网上沉淀的，在哪里去了？在书籍上沉淀，在企业的私密数据库里面，行业大模型就是把非互联网书籍收集下来训练，变成了一个行业大模型，这里还分知识图谱，就是行业的知识很多，包括新闻状态类的，有这个行业的研究发明类的，用运营类的，有用户画像类的，专门做行业模型还要结合企业的应用场景才能发挥最好作用，就出来针对性的这个企业需要的知识图谱。定制的行业大模型要用知识图谱去区分不同岗位的人不同权限使用，不然导致信息泄露。
附图一个企业知识图谱吧
做了行业大模型后有什么好处呢，
1，数据的不断沉淀，数据越多，AI能力越强，数据分静态数据和动态数据，数据沉淀到一定程度，智能程度就会大幅度提升，我们看看中远海控，很优秀的地方就是数据化+AI，他们利润越来越高不是工资发少了，是利用AI能力赋能数据。数据赋能运营。
2，数据分类越来越精细化，数据分类越准，质量越高，效果越好。数据质量会随着AI能力提高得到更好的处理
3，更重要是可以复制，我做了一个企业后，有了大模型，就可以找这个行业的前20名都谈一次，要不加入，要不被时代抛弃，而且多语言能力转换已经很普通，从国内走向国外并不是那么难，关键是行业模型的基座能力是否优秀，一旦做好，拓展可以飞快，做N个汇量科技，这个是最恐怖的能力。
第三，第四范式的产品类型
从目前来说，第四范式已经成分成两类，一种是平台性，服务小B类型的，他们并没有对C端，有些人会吐槽第四范式没有亮点，也对，也不对。
对比BAT，360来说，第四范式功能是还不如他们，因为第四范式没有自己超大GPU集群。整个中国在AI爆发时候，有1万张英伟达GPU的就5家，都是有很久沉淀的大厂。包括百度，阿里，商汤。但这个不影响第四范式服务B端，因为B端不需要都做一个轮子，我用开源的就可以了，很多上市公司说自己的的AI模型其实都是用开源的，国内用阿里的qwen, 智谱的CLM最多，还有就是李开复的零一，和王小川的百川。这个不太构成冲突，因为他们是服务C的，所以说不对就是你不能用toC 的产品形态去对比服务toB 的企业。
他们的产品设计是对的，有智能解决方案，也有平台，也有私人定制，坦白说，也是我自己想做的思路。
第四，医渡科技的优缺点
简单说一下吧，这个数据复杂程度是整个医疗同行里面最高的，所以他们获得智慧医疗第一名，超过了阿里健康，平安好医生。数据源，数据关系，逻辑层次，一环扣一环，不然不会那么烧钱，融资都近百亿了，还不盈利，但是大模型的出现，可以把原来沉淀了很多的药方，诊断报告，打通了，所以看到医渡的业绩报告亮点是亏损收窄，当然也和反腐有点关系。单独拿药物研发方面数据看，不然专门做研发的分子研究AI平台，但有个好处就是，药物特征与用药量，病症，患者，医院连贯起来，这个是无人能敌，从垂直领域看，目前没有对手，毕竟再拿去烧用户的情况已经不会再有。但缺点其实我们还不知道那些能打通，那些还在验证，很多AI应用还是不断验证过程。
第四，映射关系，整个社会就是由一串一串数据组成，企业的运转规律，人类的生存繁殖都可以看做一堆堆数据，数据关系可以映射事物，可以映射个人，感情要素就可以映射人的情感决定，企业运营数据能够判断企业的将来，物理世界的规律越来越被AI掌握就是数据与物理世界的映射关系越来越清晰和匹配的过程。openai的CEO就说到了2026-2027年通用人工智能就会到来，大部分人类的人生体验，技能技巧都会没有价值。这个就是我很关心AI股票的原因，但社会上绝大部分人还没有意识到，我分享一个观点，AI技术发展是指数级别，人类大脑的神经元接受学习能力是线性的，决定了AI发展速度会远远超出人类的应用能力。 不仅仅是个人，更包括企业和国家
所以就会有人觉得AI只是一个工具而已，是一个风口，过了就到下一个，而我的观点是，世界已经没有下一个风口了，未来自有不同程度的AI企业，传统龙头+AI还要非常大机会。大家可以留言找一下。
第五，解答一下群友们的问题
关于盈利，盈利其实很简单的，下点功夫，用AI写代码，裁员，就可以盈利了，AI企业等于互联网初创的时候，要的不是盈利，要的是成为行业头部，当平台型的企业开始要求从盈利和分红来判断是不合适的
关于商业模式。有些球友觉得没有盈利，收入模式都不知道，其实很清楚了，是三层，特别是B端，第一，服务费用，第二，服务运维费用，第三，共建企业收入。
关于短线，短线我也把握不好，今天就买了就被埋了。但相信AI，才会选择。
关于会不会操作一波就会没有下文，有可能的，但是不会很久，企业应用AI未来会越来越强，2024是元年。
关于其他AI股票，数据量大，认同和实际应用AI的企业都大有机会。
写文章有真实AI经验或需求的同行交流 。
球友当作经验分享，投资自己决定。
码字不易，有收获的点个赞或收藏，破200才有更多动力更新，
$第四范式(06682)$ $医渡科技(02158)$ $汇量科技(01860)$ #人工智能# #万物皆可人工智能？# #创新ETF领涨先锋# @今日话题
