拳打百度腳踢華為-第四范式要過四道坎

1、拳打百度腳踢華為_第四范式要過四道坎圖源：攝圖網(wǎng)作者|俊宏 來源|錦緞(ID：jinduan006)商湯ProIPO估值水平是20多倍P/S(市銷率)，上市后最高直接干到40多倍。繼商湯之后，1月27日創(chuàng)新奇智也要登陸港股，同樣其ProIPO估值水平也是20倍P/S，不知道上市了會怎么炒。但無論如何，AI賽道開始燥起來了。不同的AI公司外界往往霧里看花，其實按商用類型分4類，你能很快的明白各自的區(qū)別：視覺類AI，最重要的應(yīng)用是人臉識別和自動駕駛，典型公司有商湯-W(HK:00020)，目前市值2290億港元。語音語義AI，就是文字轉(zhuǎn)語音，典型公司有科大訊飛(SZ:002230)，目前市值112

2、6億元。決策類AI，你可以簡單的理解為“AI下棋”，典型公司有第四范式，目前ProIPO估值30億美元。人工智能機器人，波士頓動力公司的機器狗知道吧，國內(nèi)公司典型公司有大疆，目前估值1660億元。港股上的商湯和創(chuàng)新奇智我們都解讀過，今天來聊聊第四范式。從市場占有率角度觀察，2020年第四范式在決策類AI這個垂類，甚至力壓四個大廠：百度(NASDAQ:BIDU)、阿里巴巴(NYSE:BABA)、華為和騰訊控股(HK:00700)。大有“拳打百度腳踢華為”的潛力。圖：決策類AI市場份額，來源：招股書但從現(xiàn)實角度觀察，福兮禍所伏，鮮明的特點又決定它必須要邁過幾道坎才能真正的把商業(yè)模式跑通，卸下外界對

3、其“流血IPO”、“IPO保命”的質(zhì)疑。畢竟第四范式賬上的“現(xiàn)金+短期投資+理財產(chǎn)品”經(jīng)不起1年多的虧損；不像商湯和創(chuàng)新奇智，賬上的錢還能可勁兒造好幾年。01搭積木的架構(gòu)，遷移學習是法寶在總結(jié)第四范式的業(yè)務(wù)之前，我想先給出一個決策類AI的運用場景。假如一名甜點老板，上月某產(chǎn)品銷售了十萬，本月銷售了五萬。那么下個月該備多少貨呢？如果產(chǎn)品單一，有經(jīng)驗的決策者或許能夠猜得大差不差。但如今消費者對產(chǎn)品的偏好瞬息萬變，今天還追捧“臟臟包”，明天就獨寵肉松小貝了。當產(chǎn)品品類較豐富，決策者就不能流于表面的市場規(guī)律，還需應(yīng)對好市場偏好的變化。決策類AI的目的就是解決上述類似問題，它基于數(shù)據(jù)進行科學的商業(yè)決策。

4、決策類AI的邏輯支撐在于：統(tǒng)計學原理告訴我們只要建立合適的模型，就能無限逼近最真實的結(jié)果。傳統(tǒng)的數(shù)據(jù)分析軟件，建立在數(shù)據(jù)庫中不同數(shù)據(jù)被標記情況而“死硬”匯算出來的。這種方式不能靈活的生成新模型和表格，還需要一個既懂軟件又要懂行業(yè)的團隊實現(xiàn)靈活的數(shù)據(jù)匯算，要求過高了些。圖：“搭積木”，來源：招股書Sage AIOS：一個類似于Windows一樣的可視化操作系統(tǒng)，能夠提高算力使用效率，為“搭積木”提供場地。HyperCycle：內(nèi)置在先知平臺的無代碼開發(fā)工具。按照提示說明拼接AI組件就可以完成AI學習的數(shù)據(jù)閉環(huán)。使用難度約等于照著葫蘆畫個瓢。Sage Studio：可提供不同編程難度選擇的AI模型

5、編輯工具?？梢愿鶕?jù)不同業(yè)務(wù)需求編寫或創(chuàng)造AI模塊并可以組建的形式添加進原有的業(yè)務(wù)數(shù)據(jù)模型。先知應(yīng)用：先知系統(tǒng)上可以直接使用的開發(fā)好的應(yīng)用，如同手機APP。理解如何做到這些功能其實并不難，利用遷移學習使AI命令發(fā)現(xiàn)數(shù)據(jù)規(guī)律和設(shè)置數(shù)據(jù)閉環(huán)就可以達到以上效果。遷移學習是一種AI算法，同時也是第四范式創(chuàng)始人戴文淵在國際享譽盛名的法寶。遷移學習旨在把一組數(shù)據(jù)的標注規(guī)則轉(zhuǎn)移到另外一組數(shù)據(jù)上去。例如已知一筐花生米的質(zhì)量標準，如何分類另一筐芝麻的品質(zhì)優(yōu)劣？遷移算法利用已知的優(yōu)質(zhì)花生米又大又飽滿的定義套用在芝麻的形態(tài)分類上，從而得到好芝麻的分類。另一方面，在機器篩選芝麻的時候發(fā)現(xiàn)有時候大且飽滿的芝麻有可能只是個

6、空殼。通過自動加入對芝麻重量的評審規(guī)則，AI能夠做到進一步提升篩選芝麻的質(zhì)量。先知平臺的客戶能夠靈活定義數(shù)據(jù)含義和改良數(shù)據(jù)結(jié)果，這些數(shù)據(jù)運作之后給出的建議，即所謂的決策。第四范式的產(chǎn)品，核心作用就是幫數(shù)字化轉(zhuǎn)型后的企業(yè)用好數(shù)據(jù)。02框架賣給你，用好靠自己使用第四范式的先知平臺，用一句話總結(jié)：產(chǎn)品挺萬能，師傅領(lǐng)進門，修行看個人。第四范式向客戶出售三種類型產(chǎn)品：先知平臺及套件、與第三方定制的AI硬件（服務(wù)器）、定制開發(fā)服務(wù)。客戶主要是系統(tǒng)集成商，在整體解決方案中做軟件部分，不提供相對完整的數(shù)字化升級規(guī)劃，終端的企業(yè)使用平臺建模得靠自己動手。依靠先知平臺進行AI數(shù)字化建設(shè)，用得好的終端公司會開辟商業(yè)

7、生命新周期。就目前情況來看，金融業(yè)和制造業(yè)因為業(yè)務(wù)高度相似，對平臺的接受度會比較高。借著龐大的金融和制造業(yè)的基本盤，第四范式也達到了一個相對不錯的收入水平。圖：第四范式的收入，來源：WIND第四范式不直接接觸客戶數(shù)據(jù)加上平臺具有可按需搭建的特點，意味著AI的實際使用成效取決于客戶如何使用。為了與其他SaaS廠商的直接定制解決方案拉開差異，第四范式把收費標準改成了軟件授權(quán)+算力的形式讓客戶能夠按需選購。但與阿里云等直接擁有硬件平臺的公司不同，第四范式?jīng)]有集群化的數(shù)據(jù)中心，現(xiàn)階段只能向云服務(wù)廠商租賃服務(wù)器，再向客戶出售算力配額。另外，先知平臺具有高度模塊化和標準化的特點，使其比傳統(tǒng)企業(yè)級軟件部署時

8、間加速不少。但這同時意味著第四范式在部署軟件的過程中，賺不到工程師駐場服務(wù)費。那么，上游算力要向外購買，下游人工帶來的增值服務(wù)又拿不到，這使得第四范式的毛利，最終鎖定在40%左右，大幅低于頭部AI公司（商湯70%+）。圖：第四范式的毛利率，來源：招股書縱觀第四范式終端客戶/用戶的特點，就是它們都擁有不同程度的數(shù)字化，且業(yè)務(wù)產(chǎn)生的數(shù)據(jù)量巨大而難以有效整合。在海量的數(shù)據(jù)壓力之下，任何能替代人力分析或靈活整合數(shù)據(jù)的工具都將是他們的一劑良方。第四范式于2019年8月與永輝進行深度合作，經(jīng)可調(diào)整的數(shù)字模型改良過后的系統(tǒng)，可針對客戶進行個性化推薦，最終實現(xiàn)客單交易量提高，對應(yīng)營收增加數(shù)億。結(jié)果的成功不僅來

9、自于永輝積極在數(shù)字化上的改革，同樣也依賴于先知平臺耐折騰。2017年，永輝決定從推出子品牌超級物種來布局新零售業(yè)務(wù)，但兩年的努力起效不大。2019年下半年，永輝與第四范式達成合作關(guān)系，同時永輝超市推出了跟永輝生活A(yù)PP非常相似的永輝買菜APP。力圖轉(zhuǎn)型線上，做好送到家業(yè)務(wù)，但沖突的APP被外界認為公司內(nèi)部存在嚴重分歧。2020年3月，永輝買菜APP下架，兩個APP將合力發(fā)展到家業(yè)務(wù)。2020年7月，重新收回旗下數(shù)字化平臺永輝云創(chuàng)，方便公司更好的整合資源，提高線上業(yè)務(wù)的效率和服務(wù)質(zhì)量。再度回歸的永輝云創(chuàng)，與永輝超市進行融合，在管理上完成了一致性。2021年上半年，最終在零售系統(tǒng)完成整合后，永輝線

10、上銷售額達到了68.1億元，同比增長49.3%，占主營收入比重為14.1%。永輝的數(shù)字化轉(zhuǎn)型正式開始享受福利期。從事件線可以看出，第四范式于2019年與永輝合作的同時，永輝也在努力在數(shù)字化零售業(yè)務(wù)進行“自救”。數(shù)字化、智能化轉(zhuǎn)型說起來很容易，做起來卻是要涉及到各種流程和組織管理重建。第四范式的AI平臺支持各種功能，可以被各種折騰也證明先知平臺在架構(gòu)上的可靠性。但折騰數(shù)字化平臺，就意味著終端企業(yè)用戶要做行業(yè)內(nèi)“第一個吃螃蟹的人”。這種“螃蟹”既可能很好吃，也可能讓企業(yè)付出很高的代價。對于它們來說，再好的工具和建議也不如量體裁衣的一整套解決方案。AI平臺作為工具哪怕再好，又如何呢?就像藝術(shù)作品，沒

11、有人會稱贊一幅畫作好是因為畫筆的質(zhì)量高。03第四范式的四道坎在SaaS類產(chǎn)品的公司中，通常會有一個部門叫客戶成功部。這個部門的任務(wù)是幫助客戶用好產(chǎn)品獲得正向效益，從而提高產(chǎn)品的聲譽和客戶續(xù)訂率。但對第四范式這種AI公司來說，要想讓用戶獲得良好的效果，需要再跨過幾道坎。首先，標桿客戶的合作模式能否推向全行業(yè)是第一個大難題。如我們之前分析創(chuàng)新奇智時指出，AI公司的下游客戶存在一個龐大的基本盤，金融行業(yè)對于第四范式來說就是龐大基本盤里的一部分。但這一套在零售行業(yè)恐怕就行不通了。例如與永輝合作的成功轉(zhuǎn)移到便利店的運營上，前者的優(yōu)勢是能夠提供消費者長期的購買情況，從而獲取消費者畫像，進而優(yōu)化推薦和進貨算

12、法，最終降低周轉(zhuǎn)。而對于便利店來說，店鋪的選址要比提供商品類別更加重要，這導致所謂的成功案例或許在別人看來有生搬硬套之嫌，最后不得不再針對性的開發(fā)了一個智能選址的功能。第二，研發(fā)的投入或許沒有終點。先知平臺實際上是給用戶提供了一整套的工具箱，看似用戶根據(jù)想法可以自由搭建，但實際因為功能可選的問題，在一定程度上受限。這就導致為了這種假設(shè)性的滿足客戶可能的需求，就要持續(xù)不停的投入研發(fā)。原因一是因為AI算法目前仍處在一個高速更新迭代的過程中，AI算法不能像傳統(tǒng)ERP軟件一樣可以一個版本安穩(wěn)使用5-10年。如果客戶不能及時升級模型，隨著業(yè)務(wù)增長，會多使用算力和降低效率。這導致客戶在編寫模型的時候要額外

13、考慮算力分配與流程合理性的問題。圖：第四范式的研發(fā)情況，來源：錦緞第二個原因是一旦有了獨特的新需求，AI公司響應(yīng)到交付的流程與傳統(tǒng)ERP公司沒有區(qū)別，都需要定制開發(fā)。如果需求明確，那為什么一開始不找軟件公司開發(fā)呢？再退一步來講，這種需求與響應(yīng)之間產(chǎn)生的訂單，可能被第三方服務(wù)商截胡。這就導致先知平臺的功能和APP必須要不停的預(yù)判客戶的需求而開發(fā)。第三，人才管理問題。先知平臺可以讓無代碼學習經(jīng)驗的人憑借搭積木就能快速吃到AI應(yīng)用落地的福利。好的產(chǎn)品需要投入巨大的研發(fā)，但一旦研發(fā)完，人才如何留住呢？算法屬于學術(shù)資源，這意味著任何一個設(shè)計核心的開發(fā)人員在未來都有可能從第四范式走出來開設(shè)公司。對競爭對手

14、來說，代交競業(yè)協(xié)議的罰款和預(yù)備日后可能的侵權(quán)罰款，相比親自投入研發(fā)費用那簡直就像是花五毛錢買的辣條。一旦產(chǎn)品成熟落地，研發(fā)費用還沒有收回，價格很可能因為內(nèi)卷快速下降。第四范式作為模塊化平臺的領(lǐng)軍人，不得不再繼續(xù)拿出新功能才能與后來者拉開差距。第四，客戶自主開發(fā)模型的知識產(chǎn)權(quán)問題。假設(shè)第四范式與寧德時代的合作中，已知寧德時代自己具備一定的數(shù)據(jù)編程能力。那么寧德時代利用先知平臺為自己量身打造的AI模型，知識產(chǎn)權(quán)屬于誰的呢？屬于寧德時代的話，那第四范式所謂的行業(yè)標桿客戶的宣傳策略可能不成立。畢竟客戶用得好，跟產(chǎn)品廠家沒太大關(guān)系。屬于第四范式的話，那寧德時代開發(fā)的全球龍頭級別生產(chǎn)控制系統(tǒng)模型，是不是就要流向二、三線去了？那作為自主開發(fā)出模型的用戶，自然是不會情愿的?，F(xiàn)在這些問題沒暴露不是因為都有妥善的解決，只是AI進入行業(yè)還是在早期階段，未來發(fā)生的可能性需要提前預(yù)知。人工智能在國內(nèi)的市場在今天已經(jīng)臨近爆發(fā)期，但按部就班并不一定能取得最終的勝利。AI科技公司一方面對自己的虧損十分樂觀，另一方面又對于自己在研發(fā)和占據(jù)科技前沿的投入十分自豪。但這種投入真的不是被迫的嗎？產(chǎn)品理想雖好，但與落地成熟依然相距甚遠。第四范式成立已經(jīng)四年，募資用途卻只是按部就班的技術(shù)研發(fā)、加薪留人、營銷推廣、用投資