雷递网 雷建平 8月16日
第四范式(股份代号:6682)昨日发布财报。财报显示,第四范式2024年上半年营收为18.67亿元,较上年同期的14.68亿元增长27.1%。
第四范式2024年上半年期内亏损为1.69亿元,较上年同期的运营亏损4.78亿元收窄64.7%;经调整净亏损为1.69亿元,较上年同期的经调整净亏损1.76亿元收窄4%。
随后,第四范式CEO戴文渊、代理CFO郭清媛与媒体展开交流。戴文渊一向注重AI的实用性和经济性,他在电话会议中表示,绝大多数行业的核心场景和大语言模型和视频模型都没有关系。
当前,阿里还投资了月之暗面、百川智能、零一万物、智谱AI、MiniMax等国产大模型公司,这些大模型企业也在向企业板块发展。
对此,戴文渊并不担心,他说,"我们一直跟行业客户强调大模型不是大语言模型,或者大模型不完全等于大语言模型。任意的场景,任意的模态数据,都可以成为大语言模型。"
“AI落地过程中,价值和经济都很重要。去年绝大多数的大模型的落地经济账算不回来,但随着创新过了一定的阶段,逐渐的是要回归到商业本质。”
戴文渊指出,越来越多的行业客户开始回归到理性,开始思考商业逻辑本质的这些问题了。
“如果一个模型能解决很多问题,这个模型就非常大,应用它的成本也非常非常高。而对于企业来说,核心场景只需要解决少数的几个问题,同时要求的是一个好的投入产出。”
以下是第四范式代理CFO郭清媛主要介绍:
郭清媛:2024年上半年,第四范式核心业务高速增长,公司整体业绩是稳健增长的,总收入18.67亿,同比增长27.1%,毛利润是7.9亿,同比增长12.1%。报告期内我们的经调整净亏损额持续收窄,净亏损率从12%同比收窄到9%,总体上来讲盈利节奏清晰,报告期内实现了持续减亏。
公司核心业务第四范式先知AI平台,在报告期内保持了强势增长的一个态势,收入12.5亿元,同比增长65.4%。主要是因为我们上半年在该业务板块上实现了规模化应用和产品生态力拓展的双引擎驱动。现在我们这个业务已经支持第四范式行业大模型在14个行业进行了规模化应用。同时,我们也创新式的将人工智能技术通过产品化方式为各行各业输出了超过30款产品。
我们人工智能产品化的方式累计渗透到20个行业不同领域。这些都是因为我们持续保持一个高水准的运营水平,我们保证了比较高的研发投入,研发费用是8.5亿元,费用率是45.5%,整个上半年在我们坚持研发,创新式的通过比较创新的模式拓展业务基础上,我们在保证收入增长,毛利增长的同时,我们的客户群体不断的多元化。
我们现有客户数字化转型体验和用户黏性也持续提高,总用户数是185个,标杆用户86个,其中标杆用户平均收入1148万元,同比增长26.9%,我们在交通运输、能源电力、金融、运营商等行业的领先地位不断巩固。总体来讲覆盖了14大行业,行业大模型规模效应非常有成效。
同时我重点介绍一下先知AI平台这部分的主要业务,行业大模型规模化和人工智能产品化的运营逻辑,先知AI是第四范式所有业务的内核,发展十年完成了1.0到5.0版本的进化,在保持高增长的同时,先知AI平台占总收入的比例达到了67%。
今年3月份先知AI平台5.0进行了更进一步的更新,更新到了5.1阶段,定位行业大模型开发和管理平台。其重点是服务于企业的高价值的场景,提升企业核心竞争力。在支持接入企业各类模态的数据基础上我们提供大模型训练,经调等低门槛的建模工具,科学家创新服务体系,北极星策略管理平台,大模型管理平台等。实现了端到端的行业大模型的构建部署和管理服务。
上半年第四范式先知AI平台5.0高效构建了学术翻译、健康管理、水电管理、水利3D辅助设计、供应链等很多领域的也大模型。
同时,非常值得一提的是上半年我们创新式的通过了把先知AI平台的能力,作为引擎结合不同行业的场景需求打造出智能化的产品或解决方案,这也是我们的先知Inside模式。它将先知平台的基础能力进行了一个产品化的输出,构建出的产品矩阵可以形成以人工智能产品为核心的第四范式的人工智能产品形态,帮助合作伙伴的产品和服务都实现质量和效果的双重增长。
其他两个非常具有业务支撑价值的,第一个是SHIFT智能解决方案。上半年服务的收入是4.53亿元,占集团收入的24.3%。整个上半年战略重点支持先知AI平台业务增长为重点,SHIFT智能解决方案是在先知AI平台技术和能力基础上,针对不不同行业场景打造的标准化解决方案。这些标准化方案在赋能企业转型同时,也会跟更多的生态伙伴协同发展,进一步拓展我们的生态版图。现在我们也已经推出了搜广推一体化管理平台。
最后提一下式说AIGS服务,本季度的收入是1.63亿,占集团收入8.7%,它是在先知AI平台业务的基础上提供的基于生成式AI的高效开发工具和服务,总体而言AIGS服务和SHIFT智能化解决方案等于是先知核心业务的一体两翼,都是支撑核心业务高效增长的动力之一。
以下是电话沟通提问环节:
提问:第四范式上半年公司实现27%的正增长,原因是什么?第二个问题是关于利润,收窄主要原因有哪些?
郭清媛:对于我们营收增长而言,最核心的原因是先知平台收入快速的驱动,增长率65%,先知平台的收入增长主要是为企业客户提供了比较稳定充足的平台和大模型供给。
同时,我们上半年的创新主要是先知Inside的模式,覆盖了人工智能的全流程。推动了 AI场景落地的速度和深度,给企业智能化转型的速度和效率有大幅度提升。同时,也是基于我们业务上的质量和效率双重创新,上半年客户贡献收入的用户数一共有185个,其中标杆用户的平均收入已经超过了一千万。所以,用户加上业务的互相作用,它整体支撑了业绩的增长。
从行业维度看,我们已经有的优势行业,比如说能源、交通、金融都贡献了不错的涨幅。同时,我们也通过创新式的产品,把平台的技术和能力,在我们已有的优势行业之外,做了无限的延伸。
初步来看,我们在各行各业的用户多维场景里做的事情,是通过我们的产品方式的创新,得到了一个无限价值的延伸。所以,对于我们未来在各行各业渗透的潜力,还是非常有信心的。
在盈利上来讲,公司从上市至今减亏的趋势非常稳定,从减亏到盈利的节奏是非常非常清晰且稳定的。主要原因是因为公司的规模在不断扩大,规模扩大带来收入的增长、毛利润增长,所以它会逐步形成减亏的趋势。
我们的运营方式和运营原则是在保证研发投入所带来的产品交付水平和产品质量的基础上,不断的拓展公司的客户规模,营收规模、毛利润规模。
减亏有一个原因,是因为上市之后公司更加注重经营水平,在提效增收的同时,更注重我们自身的经营效率,我们的费用水平率也有一些优化,总体也支撑了我们整个减亏,我们未来也会保证高研发,稳步提升营收规模,同时提升业务运营水平来实现稳健的盈利趋势。
提问:当前大模型工具从研发来讲,落地应用的情况如何?国内很多公司上线了AI生视频模型,您如何看待?
戴文渊:现在对于AI赋能产业,可能会有两方面的一些意见,不同的意见。可能一方面会觉得AI落地的价值是不同的,另一方面也看到了不断出现的AI新技术,觉得未来空间可期。
这两方面都有各自的道理,就前者而言,你可能会发现在大语言模型,在各个行业落地的时候,在很多的行业,可能大语言模型不是解决行业内的核心问题。比如说大语言模型通常落地的客服、知识管理等方向,在很多的行业其实不是一个核心场景。
比如在金融行业、零售行业、能源行业这些都不是核心问题。所以,这带来了大语言模型的价值不同的一些反思。实际上AI或者大模型落地产业端,我们不一定要局限于大语言模型。对金融机构来说,风控模型同样可以变成大模型,只不过它不一定是大语言模型。对于零售企业来说,供应链同样也是大模型。
如果我们对企业高价值付费,用大模型技术落地,我们可以看到巨大的价值。3月份我们所发布的先知AIOS5.0,我们强调的不是大语言模型统治一切。我们强调的是大模型,叫做对于任意X模态的大模型,怎么用大模型技术去构建并且解决企业的核心问题。
具体而言,以我们所覆盖的一些核心的行业为例的话。比如说金融行业,它可能预测的不是下一个字,要预测的是您下一份信用报告。对于一个健康管理来说,不是预测下一个字或者下一帧画面,需要预测的是你的下一份体检报告,这可以用大模型技术解决,不要局限于大语言模型。
在这一点上,我们在垂直的大模型,或者说人工智能+,我们也深耕了十年的时间。我们有丰富的积累,并且知道如何用AI的技术帮助行业解决核心问题,同时解决核心问题的时候,我们也非常关注降低门槛、降低成本,帮助企业在大模型落地的过程中,实现一个越来越好的投入产出比,这是回答您的第一个问题。
您说的像视频这些模型,实际上是同样的问题,视频的模型代表的是一个AI的生产力,或者AI的能力。随着AI能力越来越强,我们可以生成越来越好的视频,甚至越来越好的多模态的大模型。
同样,这个能力应用于产业端的时候,我们也需要去关注生成视频是否是产业端的核心问题,其实不是说生成视频不够厉害,而是说生成视频对于不同的产业价值不一样。比如说对于一个零售企业,可能不一定生成视频是最核心的问题,但也可能是核心问题。
我们现在看到的一段是人工智能的技术越来越厉害,另外一端是怎么把这些技术和产业的核心价值去匹配,这是我们一直致力于去优化的。
提问:阿里投资了很多大模型企业,这些企业募集了很多资金,也聚集到行业TOB板块,是否对第四范式产生影响?目前做AI的企业这么多,未来在这个行业是否出现洗牌?第四范式怎么应对现在的竞争?
戴文渊:我们并不担心大厂投的这些企业,他们通常投的是大语言公司,或者是视频、多模态的公司,绝大多数不是垂直在行业的AI公司。具体到行业问题的时候,实际上绝大多数行业的核心场景和大语言模型和视频模型都没有关系。
如果要知道客户下一份信用报告,没有一个大语言模型或者视频模型可以解决。如果知道你下一个月的体检报告,没有一个大语言模型可以解决。我们一直跟我们的行业客户去强调大模型不是大语言模型,或者大模型不完全等于大语言模型。任意的场景,任意的模态数据,都可以成为大语言模型。
比如说健康管理,可能要做的是体检报告的大模型,对金融来说要的是信用报告大模型,而不是语言的大模型。所以,这些企业现在互相之间的竞争越来越趋于白热化,但暂时不是我们所涉及的领域。
提问:戴总强调AI的实用性和经济性,目前,怎么解决行业大模型落地应用?
戴文渊:首先是AI落地过程中,价值和经济都很重要。但任何一个新技术出来,随着早期狂热的势头,一开始都有可能会有一个阶段不强调经济。就像去年绝大多数的大模型的落地经济账算不回来,那个时候没有关系,是创新,创新不一定要完全看投入产出。
但随着创新过了一定的阶段,逐渐的是要回归到商业本质,任何一个业务最后一定是投入小于等于产出的。AI大模型逐渐在回归到商业逻辑本质。这个时候,企业就会关注我需要不需要那么大的模型,那么大的模型可能带来的成本是很高的,我多投入的这些成本是否带来了足够产出,选择什么样的模型对我来说是最有价值的。是不是落地的真的是大语言模型?
我们现在看到越来越多的行业客户开始回归到理性,开始思考商业逻辑本质的这些问题了。
我们一直关注的不是说一定要做一个模型去帮助企业解决所有问题,这种时候最后的结果先不说有没有一个模型能解决所有问题,如果一个模型能解决很多问题,这个模型就非常大,应用它的成本也非常非常高。
对于企业来说,核心场景只需要解决少数的几个问题,不需要解决特别多的问题,同时它要求的是一个好的投入产出。
这恰恰是第四范式所擅长的,我们并不是说从今天开始做垂直大模型或者AI+,我们创业第一天就和客户强调我们要做核心应用场景,提升企业的核心竞争力,我们当时称之为是高维模型,现在是大模型。
我们在这个领域深耕十年时间,并且从2018年在垂直AI的赛道,根据IDC的分析,我们一直处在的是市场份额的第一。所以,其实我们占据了不错的生态位,我们也希望能够持续维持好自己的领先的优势,同时给客户和行业输出核心的价值。
———————————————
雷递由媒体人雷建平创办,若转载请写明来源。
精彩评论