2021-2022年AI系列决策类企业级人工智能领导者报告.pptx

2021-2022年 AI系列 决策类企业级人工 智能领导者 报告 报告摘要 第四范式成立于 2014年 9月。公司于 2021年 8月向港交所递交招股书，拟于香港主板挂牌上市。第四范式致力 于以平台为中心的人工智能解决方案，帮助企业解决人工智能转型过程中所面临的效率、成本、价值等难题。 核心团队阵容强大，技术实力强悍，公司拥有 20余个 AI竞赛世界冠军， 300余项核心专利，和 400余篇顶级学 术论文 ，人才和技术储备充裕。 第四范式主要收入来自于销售先知平台及产品，以及针对特定用户提供定制化开发的 AI应用。 第四范式解决方 案 覆盖银行、证券、保险、零售、能源、医疗制造七大行业，在中国决策类人工智能市场中位居第一， 拥有中 国工商银行、中国石油、国家电网等大型客户，已提供 20余项成功案例。其中反欺诈 AI模型准确率、慢性病预 测准确率较专业医生基于临床经验标准预测均有 2-3倍提升，化工品价格预测准确率更是达到 99%。 第四范式先发优势显著， 占据 IDC中国机器学习平台市场份额第一位，在决策类人工智能市场占有率达 18.1%， 相继入围 The Forrester Wave， Gartner 十大战略新兴技术趋势， Forrester Now Tech等，成为全球领先的 AutoML代表厂商和 AI技术领先厂商。 公司用户数、标杆用户数及其客单价持续提升。 2018至 2020年，公司用户数分别为 38名， 79名和 156名，年 均复合增长率 102.6%， 2021H1用户数为 126家，同比增长 73.91%。标杆用户数同步提升，由 2018年 18名增 长至 2020年 47名，年均复合增长率 61.6%，标杆用户数为 38家，同比增长 46.15%。客单价年均复合增长率达 77.6%，于 2020年实现 1230万元， 2021H1单客户平均贡献收入 1030万元，同比增长 41.1%。 公司收入增速较快，整体毛利率较稳定。 2018年、 2019年， 2020年和 2021年上半年，第四范式的收入分别为 1.28亿元、 4.60亿元、 9.42亿元和 7.88亿元。 2019年， 2020年，及 2021年 H1，营收同比增幅分别为 259.7%、 105.0%及 166.89%。 2018、 2019、 2020年和 2021年上半年公司整体毛利率分别为 42.7%、 43.5%、 45.6%和 44.0%。 目录 公司介绍：从金融到百业，企业级人工智能领导者 行业概况：行业增速可观，决策类人工智能望实现新突破 竞争优势：客户数量持续增长，行业地位持续提高 发展战略：加强研发能力，拓展行业领域 0 2 3 0 0 4 5 财务分析：营收高速增长，毛利率相对稳定 0 01 公司介绍：从金融到百业，企业级人工智能领导者 第四范式成立于 2014年 9月，是企业级人工智能的行业领导者。 第四范式致力于以平台为中心的人工智能解决方案，帮助企业解决人工 智能转型过程中所面临的效率、成本、价值等难题。 2015年，公司入局金融领域，提供进行人工智能技术应用，后续逐渐迈入零售领域、 能源领域、制造领域，目前解决方案覆盖七大行业，在中国决策类人工智能市场中位居第一。 图 1：第四范式发展历程 入围 Gartner新兴 先知平台通过欧盟 签约招行，开始在 金融领域应用 AI 签约中石油，开始 在能源领域应用 AI 技术与趋势影响 力雷达全球代表 厂商 GDPR通用数据保 第四范式成立 护条例认证 2 014.09 2014.12 2015.08 2018.11 2019.03 2019.08 2020.02 2020.08 2020.11 2021.06 推出企业级人工智 发布首个自动机器 学习框架的商业化 产品 签约百盛中国，开 始在零售领域应用 AI IDC MarketSpace 中国机器学习平台 市场份额第一 发布企业级 AI操作 系统 Sage AIOS 能应用商店，推出 开 源 数 据 库 OpenMLDB 资料来源：第四范式招股书、公司官网、经济研究所整理 公司介绍：股权结构集中，法人合计控股超 40% 公司股权结构较为集中。 截至招股书发行，戴文渊直接持股及透过其妻子吴茗女士、北京新智、范式投资、范式隐元、范式出奇及范式 天琴合计控制公司 41.18%的股份。其中范式投资为第四范式员工激励平台，其他主要股东包括红杉中国、博裕景泰、国新启迪等。 图 2：第四范式股权架构 戴文渊 吴茗 99% 1% 北京新智 24.25% 普通合伙人 普通合伙人 范式出奇 北京天琴 有限合伙 人 37.92% 有限合伙人 59.59% 普通合伙人 普通合伙人 Sequoia Capital China Venture YSC Investment China UAE Investment 范式投资 范式隐元 博裕景泰 国新启迪 信和一号 朴瑞天津 其他投资者 14.61% 2.31% 7.37% 3.23% 2.77% 2.76% 2.58% 2.25% 1.94% 35.93% 第四范式 100% 100% 100% 第四范式科技 上海式说 第四范式北京 资料来源：第四范式招股书、经济研究所整理 公司介绍：核心团队技术背景浓厚，平均从业超 10年 公司核心团队多来自百度，包括戴文渊、陈雨强、胡时伟等，具有资深技术背景。 创始人兼 CEO戴文渊博士在人工智能技术行业拥有 约 12年经验，且与郑曌均曾获得 ACM国际大学生程序设计大赛全球总决赛冠军。 图 3：第四范式团队介绍 姓名 职务 介绍 香港科技大学博士，人工智能知名学者，论文多次被 NIPS、 ICML、 AAAI及 KDD等国际顶级学术 会议收录，获 ACM国际大学生程序设计竞赛全球总决赛冠军。曾任百度在线网络技术（北京）有 限公司主任研发架构师，华为诺亚方舟实验室主任科学家， 2015年创立本公司，现任董事会主席、 执行董事、首席执行官兼总经理。 董事会主席、 执行董事、 首席 执行官兼总经理 戴文渊 陈雨强 上海交通大学硕士。曾任百度在线网络技术（北京）有限公司资深工程师，字节跳动网络技术有限 公司架构师。 2015年加入本公司，现任执行董事兼首席研究科学家。 执行董事兼首席研究科学家 执行董事、首席财务官兼副总 裁 剑桥大学、芝加哥大学硕士。曾任职于麦格理投资顾问（北京）有限公司，美银美林香港分行投资 于中灏 裴濔思 胡时伟 银行部，建银国际资产管理公司。 2018年加入本公司，现任执行董事、首席财务官兼副总裁。 总裁 天津师范大学硕士。曾任 SAP中国区副总裁。 2019年加入本公司，现任总裁。 上海交通大学硕士。曾任百度时代网络技术（北京）有限公司资深研发工程师，北京链家房地产经 纪有限公司互联网研发部门主管。 2015年加入本公司，现任首席架构师。 首席架构师 上海交通大学学士。曾获 ACM国际大学生程序设计竞赛全球总决赛冠军，曾任职于谷歌公司，缤 趣公司软件工程师。 2018年加入本公司，现任副总裁。 郑曌 副总裁 资料来源：第四范式招股书、经济研究所整理 商业模式：以先知平台为支柱，提供针对性解决方案 第四范式主要收入来自于销售先知平台及产品，以及针对特定用户提供定制化开发的 AI应用。先知平台主要由人工智能操作系统 Sage AIOS；及 包括 HyperCycle及 Sage Studio的人工智能开发人员套件组成，先知平台与可选配套基础设施相配合，提供具有针对性的先知应用解决方案。 先知平台及产品主要通过以下方式提供： (i)在终端用户服务器上本地部署的软件使用许可；及 (ii)预装了先知软件的一体化 (AIO)解决方 案。两者均使得我们的用户可以利用先知平台开发他们自身的人工智能应用。当我们的用户利用先知平台就新应用场景开发更多人工智能 应用时，他们将需向我们购买额外使用许可以获得更多算力，从而使我们能够持续获得更多收入。 应用开发及其他服务： 按个体项目向他们收费，项目定价主要基于提供相关服务的人力消耗而定。当我们的用户对人工智能应用的需求随 着业务扩展而增加，他们将继续采购我们的应用开发服务，使我们能够持续收取更多服务费。 图 4：第四范式产品矩阵 资料来源：第四范式招股书、经济研究所整理 产品架构：双核驱动， Sage AIOS助力企业 AI部署 核心 AI操作系统 Sage AIOS： Sage AIOS的功能类似 Windows系统在个人电脑上的功能，连通底层 IT基础设施与各种人工智能应用，帮助企业 解决智能化转型过程中需应对数据质量、建模效率、算力管理等问题，在数据内核和运行时内核的驱动下，实现企业 AI规模化部署。 Sage AIOS 所具备的自动化大规模分布式异构计算资源调度能力可使机器整体利用率提升 50%。 数据内核：面向人工智能的数据平台，核心组件为开源数据库 OpenMLDB。 数据内核主要具备三项功能：定义适用数据标准和数据格式，提升 数据质量和建模效率；对在线数据和离线数据进行统一处理，确保数据准确性和有效性；提供数据源、存储及处理的集中管理功能。 运行时内核：借助在研的容器冻结和迁移技术，自动调度和管理异构资源，实现高利用率、高效率的多级计算、存储和通信的集中管理。 该运行 内核计算框架性能较行业平均水平高 500%，数据处理引擎总成本较行业平均水平低 90%， GPU利用率较主流调度框架提高 10倍。 图 5： Sage AIOS产品界面 资料来源：第四范式招股书、公司官网、经济研究所整理 产品架构：无代码开发工具实现高效建模，提升用户便捷性 第四范式为企业提供底层 AI开发套件，主要包括无代码开发工具 HyperCycle平台和低代码及无代码开发工具 Sage Studio平台。 HyperCycle是一个人工智能开发平台，可以在开发过程中，实现闭环数据的机器学习模型的自动构建、应用及更新。 员工无需具备人工智 能知识，只需要通过可视化用户界面进行简单操作，从而帮助企业快速设计、开发、使用人工智能应用。公司基于用户想要开发的人工智 能应用类型，提供 HyperCycle ML、 HyperCycle CV、 HyperCycle OCR及 HyperCycle KB选择。 HyperCycle ML是用于决策类人工智能应用 的自动机器学习平台。 HyperCycle CV专为计算机视觉算法而设计，支持图像分类、目标检测及其他用途。 HyperCycle OCR是一个光学 字符识别平台，具备人工智能技术的手写文本、卡证及票据识别功能。 HyberCycle KB旨在开发与知识库相关的应用。 Sage Studio是一个端对端的人工智能应用开发平台。 Sage Studio的关键模组包括 (i)模型探索、 (ii)模型管理、 (iii)应用开发及 (iv)应用管 理。 类似于 HyperCycle， Sage Studio为用户提供 API，用户可通过这些 API将 Sage Studio连接到他们的业务和操作系统。覆盖数据、模 型、应用、人工智能应用部署和上线的全开发过程，同时提供可选的代码开发工具、低代码开发工具和免代码开发工具，用户可以根据自 身代码开发能力进行选用，并实现全场景、海量数据下的高性能建模。 图 6： HyperCycle产品界面 图 7： Sage Studio产品界面 资料来源：第四范式招股书、经济研究所整理 资料来源：第四范式招股书、经济研究所整理 核心技术：围绕 AntoML，深化全栈算法布局 第四范式以 ” AutoML“ 为核心，建立了以整体决策水平为核心，包含预测技术、感知技术、决策技术在内的全栈 AutoML算法布局。 AutoCV、 AutoNLP、 AutoSpecch等感知类 AutoML算法可以全面支持图像、文本、语音等主流多模态数据处理，通过挖掘各类数据。 公司四大核心技术实现算法的自动化、可扩展性和高效性。 自动机器学习和自动强化学习实现机器学习和强化学习的自动化，解决传统 AI感知类 模型搭建门槛高、运行效率低等问题；迁移学习则为长尾场景训练提供了可能性，增强全业务场景的感知能力。 图 8：公司技术能力 图 9：公司四大核心技术 核心技术 介绍 通过机器学习流程自动化，使得算法自动发掘数据新规律和新数据 自动机器学习 模式，涵盖分布式多表时空特征挖掘算法、时间自适应的自动机器 学习解决方案、自动深度稀疏网络和神经网络架构搜索。 自动迁移学习，即将某个行业或场景中进行的分析和发掘的规律迁 移到另一个类似的行业或场景，从而使人工智能应用能够扩展到数 迁移学习 据敏感或数据稀缺的行业，并解决人工智能应用领域敏感数据的隐 私问题。 通过仿真环境中训练模型来降低模型训练的成本并确保安全，包括 环境学习 知识驱动离散环境学习、知识驱动连续环境学习、数据驱动基于 ML的环境学习以及数据驱动基于因果的环境学习。 强化学习过程自动化，提供端到端的自动化工具套件，帮助用户在 无需具备深入知识背景的条件下开发强化学习算法，训练机器学习 自动强化学习 模型以在动态、不确定、潜在复杂的环境中作出一系列决策。 包含 自动神经网络结构生成、自动离线强化学习、自动算法选择与动态 调参、自动表示学习和样本高效强化学习。 资料来源：第四范式招股书、公司官网、经济研究所整理 资料来源：第四范式招股书、经济研究所整理 核心技术：认知类算法布局完善，助力精准判断 认知模型需基于历史数据进行筛选和训练，其中数据、特征、模型三大要素存在关键难点。 第四范式认知类算法布局覆盖了三大要素的关键技术 难点。 在数据上， 注重数据质与量齐升，加强关联信息挖掘，以提升数据利用率； 针对有效特征， 则开发算法提升特征提取范围和提取精度，并通过自动特征组合和自动图表征学习以实现自动、高效的特征选择； 模型方面， 实现低代价全面模型调优和高效配置参数，同时降低深度学习门槛，从而构建更为极致的业务模型。 图 10：第四范式认知类算法布局 认知类算法布局 模型 数据 提升数据利用率 特征 构建极致业务模型 挖掘海量有效特征 低代价全面模型调优 TSE（自动迁移拓展学习） DFO Engine（自动无导数调优） 提升特征提取范围及颗粒度 FeatureZero（自动跨表时空特征 高效配置参数 增加可用数据量 Hybrid-HyperOpt（自动混合超参 数优化） AutoMPL（自动多方学习） AutoWSL（自动弱监督学习） 提取） 提升特征提取精度 TemporalGo（自动单表时序特征 AutoTuner（自动参数框架） Shrink PBT（基于群体的自动高效 调参） 提升数据质量 AutoClean（自动数据清洗） 提取） AutoEnrichment（自动数据增强） 自动高效特征选择 TemporalGo（自动特征组合） AutoGraph（自动图表征学习） 降低深度学习门槛 挖掘数据关联信息 AutoDSN（自动深度稀疏网络构建） NASP（自动神经网络架构搜索） AutoOPT（自动神经网络优化） Sadam（自动强凸函数优化） AutoKGE（自动知识图谱嵌入） 资料来源：第四范式招股书、公司官网、经济研究所整理 应用场景：七大应用场景，助力企业降本增效 公司产品应用场景广泛。 当前覆盖银行、保险、证券、零售、能源、医疗、制造七大行业，提供适配行业特点的场景解决方案，并取得 较为显著的业务效果，助力企业降本增效。 图 11：第四范式产品应用场景 资料来源：第四范式招股书、公司官网、经济研究所整理 金融行业应用案例：证券公司基金产品推荐 第四范式服务某全国性大型综合类证券公司，基于海量非结构化数据，针对 APP页面上智能推荐的 3只最契合基金（人找产品），和最符合基金目 标群众的排名前列的人发短信（产品找人）这两种公司实际场景，在离线场景下模拟验证模型预测结果，并进行推荐模型效果验证。 第四范式帮 助客户实现理财产品的精准推荐，推荐准确率较原来提升 4.5倍。 图 12：助力证券公司基金产品推荐 最终场景 客户分析、投资分析、产品推荐 某大型证券公司 第四范式 人 找 产 品 ： 自 然 购 买 准 确 率 0 0 买率）为 66.65%，满足基金 Top3 召回率 40%， Top准确率 /自然 购买率 3的要求 .011%，智能化后购买准确率 .05%，召回率（准确率 /自然购 客户资源众多 金融产品丰富 人工智能平台基于交易量 Top 20 基金和全量客户样本，从人找产 品和产品找人两个场景进行提效。 产品找人： 机器学习模型 Rank 1、 Rank 2、 Rank 3的 Top 1%召回 率 分 别 为 24.29% 、 26.40% 、 海量非结构化数据 2 6.55% ， 满 足 Top1% 召 回 率 20%，准确率 /自然购买率 3的 要求 资料来源：第四范式官网、经济研究所整理 零售行业应用案例：来伊股份智慧零售 第四范式服务中国休闲食品连锁行业先行者来伊股份，采用企业级 AI操作系统 AIOS、线上智能运营系统天枢以及 AI算力平台 SageOne等全方位 AI能力，支持来伊股份线上线下的全场景智能化转型。 公司主要帮助客户在供应链管理、线上运营、门店选址等多个业务场景上进行智能化升级， 推动人工智能与零售业务的有效融合，从流量思维向精准思维转变。 图 13：助力来伊股份智慧零售 最终场景 全域数据打通与线上运营，重构 供应链体系 来伊股份 第四范式 线上运营： 借助第四范式天枢平 台实现 “ 千人千面 ” 智能推荐、 高价值用户的精准识别，提升线 上的用户留存与转化 超 2800家门店及 3000万会员 供应链： 借助智慧供应链系统实 现对商品的精细化管理，提高门 店补货以及采购下单的及时性与 准确性，降低库存压力、盘活企 业现金流 算法、算力等最新的 AI技术 企业级 AI平台及算力 打通来伊份 APP、天猫、京东、 苏宁等多平台合作 覆盖到店、到家、 1小时速达、社 区团等多重消费场景 互联网领域沉淀的经验 门店选址： 基于 AI分析多维度数 据，精细化到每个社区门店的智 能选址，大幅度提升开店成功率 资料来源：第四范式官网、经济研究所整理 医疗行业应用案例：瑞金医院 AI慢性病管理 第四范式与瑞金医院达成合作，针对我国对慢性病筛查准确度低、针对性干预难度大、健康管理工具缺失的现状，共同推动 AI+医疗产品在健康 领域的广泛应用，提升国家慢性病管理水平。 其合作研发的全国首款基于 AI实现的糖尿病及并发症管理产品 “ 瑞宁知糖 ” 可以预判人们未来 3年 罹患糖尿病及糖尿病心血管并发症等代谢疾病的潜在风险、提供专业评估报告及个性化干预方案。用户只需输入基础指标，即可得出准确的患病 风险评估结果和从单一病症到并发症管理的个性化健康管理方案。 图 14：助力瑞金医院 AI慢性病管理 瑞金医院 第四范式 最终场景 用户输入基础指标，享受慢性病 精准筛查、危险因素分析、个性 化干预方案推荐和健康管理 糖尿病预测规则远超传统临床金 标准规则数量 国家代谢病临床研究中心、卫生 部重点实验室 完善的慢性病建模方案、高维机 器学习技术、迁移学习技术、半 监督学习、可解释机器学习技术 等全球领先算法应用 糖尿病预测准确率比基于临床金 标准的预测提升 2-3倍 全国最大代谢性疾病样本库，深 入分析慢性病患者致病因素、治 疗管理 基于 AUC评估效果在绝对值上远 超现行 ADA、芬兰标准和 CDS标 准 5 0万条预测新规则，构建模拟代 谢模型，结合高维机器学习技术 目录 公司介绍：从金融到百业，企业级人工智能领导者 行业概况：行业增速可观，决策类人工智能望实现新突破 竞争优势：客户数量持续增长，行业地位持续提高 发展战略：加强研发能力，拓展行业领域 0 1 3 0 0 4 5 财务分析：营收高速增长，毛利率相对稳定 0 行业概况：政策助力，为行业发展保驾护航 国务院、科技部、深化改革委员会等部门相继发布相关政策，大力推动人工智能技术发展壮大，加速升级迭代。 图 15：人工智能相关政策 颁布时间 颁布单位 政策 内容 依托互联网平台提供人工智能公共创新服务，加快人工智能核心技术突破，促进人工智能在智能家 居、智能终端、智能汽车、机器人等领域的推广应用，培育若干引领全球人工智能发展的骨干企业 和创新团队，形成创新活跃、开放合作、协同发展的产业生态。 关于积极推进 “ 互联网 ” 行动的指 2 015-07 国务院 导意见 提出三步走战略目标。第一步，到 2020年人工智能总体技术和应用与世界先进水平同步；第二步， 到 2025年人工智能基础理论实现重大突破，部分技术与应用达到世界领先水平；第三步，到 2030 年人工智能理论、技术与应用总体达到世界领先水平，成为世界主要人工智能创新中心。 2 017-07 国务院 新一代人工智能发展规划 加快建设制造强国，加快发展先进制造业，推动互联网、大数据、人工智能和实体经济深度融合， 在中高端消费、创新引领、绿色低碳、共享经济、现代供应链、人力资本服务等领域培育新增长点、 形成新动能。 做大做强新兴产业集群，实施大数据发展行动，加强新一代人工智能研发应用，在医疗、养老、教 育、文化、体育等多领域推进 “ 互联网 +” 。 2 2 017-10 018-03 中央委员会 国务院 十九大报告 2018年政府工作报告 要把握新一代人工智能发展的特点，坚持以市场需求为导向，以产业应用为目标，深化改革创新， 优化制度环境，激发企业创新活力和内生动力，结合不同行业、不同区域特点，探索创新成果应用 转化的路径和方法，构建数据驱动、人机协同、跨界融合、共创分享的智能经济形态。 促进新兴产业加快发展。深化大数据、人工智能等研发应用，培育新一代信息技术、高端装备、生 物医药、新能源汽车、新材料等新兴产业集群，壮大数字经济。 关于促进人工智能和实体经济深度 2 2 019-03 019-03 中央全面深化改革委员会 国务院 融合的指导意见 2019年政府工作报告 以人工智能重大应用需求方向为牵引，依托开放创新平台推动人工智能相关基础理论、关键核心技 术、软硬件支撑体系及产品应用开发，形成具有国际影响力和广泛覆盖面的人工智能创新成果。 鼓励人工智能细分领域领军企业搭建开源、开放平台，面向公众开放人工智能技术研发资源，向社 会输出人工智能技术服务能力，推动人工智能技术的行业应用，培育行业领军企业，助力中小微企 业成长。 国家新一代人工智能开放创新平台 2 2 019-08 020-08 科学技术部 建设工作指引 国家标准化管理委员会、中央网 信办、国家发展改革委、科技部、 工业和信息化部 指南 国家新一代人工智能标准体系建设 聚焦高端芯片、操作系统、人工智能关键算法、传感器等关键领域，应加快推进技术研发并实现基 础理论、基础算法、装备材料的突破。 中华人民共和国国民经济和社会发 聚焦高端芯片、操作系统、人工智能关键算法、传感器等关键领域，加快推进基础理论、基础算法、 装备材料等研发突破与迭代应用。培育壮大人工智能、大数据、区块链、云计算、网络安全等新兴 数字产业，提升通信设备、核心电子元器件、关键软件等产业水平。 2 2 021-03 021-08 全国人民代表大会常务委员会 国务院 展第十四个五年规划和 2035年远景 目标纲要 “ 十四五 ” 就业促进规划 加大数字人才培育力度，适应人工智能等技术发展需要，建立多层次、多类型的数字人才培养机制。 资料来源：第四范式招股书、政府官网、经济研究所整理 行业概况： AI产业链主要包括底层硬件、通用 AI技术及平台、应用层 图 16：人工智能产业链 资料来源：易观、经济研究所整理 行业概况：行业增速可观，决策类人工智能望实现新突破 中国人工智能行业市场规模增长迅猛。 2016-2020年实现 69.7%年均复合增长率，预计未来将由 2020年 1280亿元市场规模扩大至 2025年 6095亿元市 场规模，年均复合增长率约 36.6%。 其中决策类人工智能有望成为增速最快的类别。 截至 2020年，决策类人工智能市场规模达 268亿元，近 4年年均复合增长率实现 83.5%，预计 2020- 2 025年将保持 47.1%的年均复合增长率，并在 2025年突破 1847亿元。 图 17：中国人工智能行业市场规模（十亿元） 图 18：中国决策类人工智能市场规模（十亿 元） 7 6 5 4 3 2 1 00 00 00 00 00 00 00 0 200 1 84.7 1 80 60 6 09.5 64.9 1 475.9 1 35.6 97.6 140 55.5 1 20 00 80 1 31.2 362.5 79.3 9 8.4 1 46.3 2 72.9 262.3 9 9.5 63.5 6 8.8 1 96.3 37.6 205.5 6 0 74.5 49.2 1 28.0 46.0 2 9.4 6.3 154.2 9 3.6 3 40 53.7 5 9.3 117.3 22.3 3 1.8 23.3 37.0 184.7 53.5 1 6.3 9.4 84.5 1 5.4 2 0 1 135.6 3 6.1 3 4 5 .8 .3 .0 6.6 8.3 11.6 55.6 21.8 98.4 13.3 23.4 10.9 39.1 18.8 23.9 68.8 16.2 9.9 1.0 15.1 11.4 5.5 46.0 26.8 2.6 9.0 2.4 5.0 0 2 016 2017 决策类人工智能 资料来源：第四范式招股书、经济研究所整理 2018 2019 2020 2021E 2022E 2023E 2024E 2025E 2 018 2019 2020 2021E 2022E 2025E 2023E 2024E 视觉人工智能 语音及语义人工智能 人工智能机器人 以平台为中心的决策类人工智能市场 资料来源：第四范式招股书、经济研究所整理 以非平台为中心的决策类人工智能市场 行业概况：处于行业领先地位，竞争者多为综合型互联网厂商 公司在市场竞争中处于领先地位。 IDC和灼识咨询报告显示，第四范式在 2019年机器学习开发平台市场和 2020年中国决策类人工智能市场中市场 占有率均位居首位，达到 20%左右市占率，行业地位领先。 公司主要竞争者为综合型互联网公司。 根据灼识咨询报告，按 2020年相关收入计，在以平台为中心的 AI决策市场上，前五大参与者合计占约 50.3% 的市场份额，第四范式为首，市场份额为 18.1%，第二大选手百度的市场份额为 10.7%，阿里、华为、腾讯等互联网企业市场份额紧随其后。与互 联网厂商而言，人工智能解决方案多为其广泛业务范围的一部分。 图 19： 2020年中国决策类人工智能市场竞争格局 图 20： 2019年机器学习开发平台市场格局 其他： 阿里云 腾讯云 百度 金山云 华为云 SAS 氪信科技 瀚海星云 同盾 1 8.10% 21% 49.70% 10.70% 11% 8 .60% 62% 6 .60% 明略 6% 百分点 6 .30% 第四范式 百度 阿里 华为 腾讯 其他 第四范式 美林数据 九章云极 其他 资料来源：第四范式招股书、灼识咨询、经济研究所整理 资料来源： IDC、经济研究所整理 目录 公司介绍：从金融到百业，企业级人工智能领导者 行业概况：行业增速可观，决策类人工智能望实现新突破 竞争优势：客户数量持续增长，行业地位持续提高 发展战略：加强研发能力，拓展行业领域 0 0 1 2 0 4 5 财务分析：营收高速增长，毛利率相对稳定 0 竞争优势：先发优势显著，处于行业领导者象限 第四范式先发优势显著，在行业中具有领先地位。 2019年以来，公司相继入围 The Forrester Wave 2020，并位居领导者位置；入围 Gartner 2020 十 大战略新兴技术趋势，成为全球 AutoML代表厂商；入围 Forrester （中国机器学习） Now Tech，成唯一 AutoML专注类大型厂商；入围 Gartner中国 AI创业企业市场竞争报告，成中国五大 AI代表厂商之一；入围 Gartner 2021新兴技术与趋势影响力雷达 可组合 AI技术与 AI中台全球代表厂商。 与此同时，公司在 2019年 IDC中国机器学习平台市场份额第一，在 2020（上半年） IDC中国机器学习平台市场份额第一。 图 21： 2020预测性分析及机器学习平台厂商格局 图 22： Gartner新兴技术与趋势影响力雷达 资料来源： Gartner、经济研究所整理 资料来源： The Forrester Wave、经济研究所整理 竞争优势：产品灵活可拓展，拥有全栈 AI产品矩阵 相较于主要竞争产品优势明显。 人工智能解决方案以决策类人工智能平台和单点解决方案两类为主，通过对比可见，决策类人工智能平台在灵活 性及可扩展性、数据兼容性及人工智能应用、人工智能应用管理三个方面显著优于单点解决方案。 拥有完整产品矩阵。 第四范式已经涵盖了 Sage AIOS、配备无代码开发工具的 HyperCycle系列、以及配备低代码及无代码开发工具的 Sage Studio系 列等，具备从算力、操作系统、生产平台到业务系统的全栈 AI产品矩阵。 图 23：决策类人工智能平台 v.s. 单点解决方案 指标 决策类人工智能平台 单点解决方案 灵活因应需求开发人工智能模型 模组和应用可转移及复制至相似情景 大多数单点解决方案为固定的一次性交付品 难以满足需要在原有解决方案上进行扩展的额外定制化需求 灵活性及可扩展性 每个特定工作流程由不同供应商提供并只包含用户整个数据 集的一部分，可能会产生数据孤岛 需进行连接以互相操作，且应用可能在基本框架、数据标准、 处理规则等方面有所不同 可于平台上整合不同数据来源并统一定义，以消 除数据不一致和信息孤岛 数据兼容性及人工智能应用 人工智能应用管理 应用可以兼容开发环境及规则 预先提供可实现快速、方便的人工智能应用管理 的功能 预先内置一套为所有数据集和应用而设的统一安 全模型 需要额外的人工智能应用管理功能 额外部署一套可在各个独立应用中有效运作的安全模型可能 需要更高成本 资料来源：第四范式招股书、灼识咨询报告、经济研究所整理 竞争优势：客户数量持续增长，客单价稳步提升 公司用户数、标杆用户数及其客单价持续提升。 2018至 2020年，公司用户数分别为 38名， 79名和 156名，年均复合增长率 102.6%， 2021H1用户数 为 126家，同比增长 73.91%。标杆用户数同步提升，由 2018年 18名增长至 2020年 47名，年均复合增长率 61.6%。标杆用户数为 38家，同比增长 4 平均贡献收入 1030万元，同比增长 41.1%。 6.15%（标杆用户指财富世界 500强或上市公司的先知平台终端用户）。客单价年均复合增长率达 77.6%，于 2020年实现 1230万元， 2021H1单客户 公司客户以解决方案合作伙伴客户为主。 过去三年，公司直接购买解决方案的直签客户占比维持在 20%左右，剩余 80%为解决方案合作伙伴客户， 2 021H1直签客户占比有所上升，达到 29%。据招股书显示，公司一般给予直签客户 3至 6个月不等的账期。 图 24：第四范式用户数量及客单价 图 25：第四范式客户分布 1 1 1 1 1 80 60 40 20 00 14 1 20% 00% 156 1 2.3 1 1 8 6 4 2 0 2 1 126 1 0.3 0 8 0% 8 .3 7 1% 79 60% 40% 81% 79% 8 5% 80 60 40 20 0 47 3 .9 38 38 32 2 0% 18 29% 21% 19% 15% 0 % 2018 2019 标杆用户数 2020 2021H1 2018 2019 2020 2021H1 用户数 标杆用户平均收入（百万元） 直签客户 解决方案合作伙伴客户 资料来源：第四范式招股书、经济研究所整理 资料来源：第四范式招股书、经济研究所整理 竞争优势： AI人才充足，核心专利与顶刊论文显现技术储备 第四范式生态系统中包含超过 100家公司和数千名人工智能科学家和开发人员。 同时，管理团队中还包含平均各行业拥有 10年管理及业 务经验的专业人士。目前，公司队伍还在不断扩大。技术方面，公司拥有 20余个 AI竞赛全球赛事冠军， 20余个顶级学术比赛主办权， 3 00余个核心专利，以及 400余篇顶级学术论文。公司合作院校涵盖斯坦福大学、南洋理工大学、清华大学、北京大学、香港科技大学等 国内外顶尖院校，其专家顾问团队由 7名国内外知名学者、教授组成，包括南洋理工大学计算机科学与工程学院教务长讲席副教授 Sinno Jialin Pan，香港科技大学计算系教授郭天佑，南京大学人工智能学院教授詹德川等。 图 26：第四范式专利及技术情况 项目 数量 20+ AI竞赛世界冠军 顶级学术比赛主办权 核心专利 20+ 300+ 400+ 顶级学术论文 资料来源：第四范式招股书、公司官网、经济研究所整理 目录 公司介绍：从金融到百业，企业级人工智能领导者 行业概况：行业增速可观，决策类人工智能望实现新突破 竞争优势：客户数量持续增长，行业地位持续提高 发展战略：加强研发能力，拓展行业领域 0 0 1 2 0 3 0 4 5 财务分析：营收高速增长，毛利率相对稳定 0 发展战略：研发为基石，提升商业化能力，拓展不同行业客户 第四范式未来将着重在三个方向寻求发展： 加强研发： 计划将创新产品服务、优化底层核心技术能力作为发展驱动力，探索新的人工智能技术，拓展、升级原有框架，并逐步扩充公司人 才储备，以巩固当前的行业领先地位 ; 梳理行业标杆： 公司发展战略为先抓住特定行业龙头企业，摸索该领域企业人工智能实施的标准，使影响力扩大至该行业的其他用户。 2020 年 6月底，第四范式已与宁德时代达成合作，未来也将不断拓展合作边界 ; 提升商业化能力： 第四范式计划在扩大销售团队、提高方案渗透率、战略投资与收购三个方面进行商业化能力的提升。继 2021年以来，公司 相继收购广州健新、上海伊飒海科技有限公司，增资理想科技，以分别加快公司在能源电力行业、以及 IT运维管理行业的布局。 图 27：第四范式拓展行业领域相关举措 树立行业标准，在现有垂直行业及新垂直 行业中吸引新客户 继续投资加强研发能力，巩固行业内领导 地位 继续投资加强研发能力，巩固行业内 领导地位 进 一 加 强 合 作 与生态系统中的市场领先企业和合作伙伴 合作并为其赋能，凭借此类最佳行业实践， 开发最佳的行业垂直解决方案 进 一 步 加 强 研 发 能 力 专注联邦学习技术等其他前沿人工智能 技术研发 步 加 强 研 发 能 力 专注联邦学习技术等其他前沿人工智 能技术研发 加强与解决方案合作伙伴的关系，维护及 扩大在各个行业的用户群 拓 展 领 域 配合开发简易用解决方案，增加解决方案 特性与功能以丰富预制应用货架 配合开发简易用解决方案，增加解决 方案特性与功能以丰富预制应用货架 与硬件供应商合作生产行业定制化的集成 解决方案，增加用户黏性 继续投资生态系统建设，增加使用公司解 决方案的场景，提高用户对公司解决方案 的认知，提升用户净收入扩张率，以及拓 宽公司在垂直市场和水平市场的分销能力 继续扩大数据科学家、人工智能工程师及 垂直行业资深人士的人才储备，设计更多 解决方案 继续扩大数据科学家、人工智能工程 师及垂直行业资深人士的人才储备， 设计更多解决方案 资料来源：第四范式招股书、经济研究所整理 目录 公司介绍：从金融到百业，企业级人工智能领导者 行业概况：行业增速可观，决策类人工智能望实现新突破 竞争优势：客户数量持续增长，行业地位持续提高 发展战略：加强研发能力，拓展行业领域 0 0 1 2 0 3 0 4 5 财务分析：营收高速增