大有“拳打百度脚踢华为”潜力的第四范式，要过四道坎

本文系基于公开资料撰写，仅作为信息交流之用，不构成任何投资建议。

商汤ProIPO估值水平是20多倍P／S（市销率），上市后最高直接干到40多倍。继商汤之后，1月27日创新奇智也要登陆港股，同样其ProIPO估值水平也是20倍P／S，不知道上市了会怎么炒。但无论如何，AI赛道开始燥起来了。

不同的AI公司外界往往雾里看花，其实按商用类型分4类，你能很快的明白各自的区别：

视觉类AI，最重要的应用是人脸识别和自动驾驶，典型公司有商汤－W（HK：00020），目前市值2290亿港元。

语音语义AI，就是文字转语音，典型公司有科大讯飞（SZ：002230），目前市值1126亿元。

决策类AI，你可以简单的理解为“AI下棋”，典型公司有第四范式，目前ProIPO估值30亿美元。

人工智能机器人，波士顿动力公司的机器狗知道吧，国内公司典型公司有大疆，目前估值1660亿元。

港股上的商汤和创新奇智我们都解读过，今天来聊聊第四范式。 从市场占有率角度观察，2020年第四范式在决策类AI这个垂类，甚至力压四个大厂：百度（NASDAQ：BIDU）、阿里巴巴（NYSE：BABA）、华为和腾讯控股（HK：00700）。大有“拳打百度脚踢华为”的潜力。

图：决策类AI市场份额，来源：招股书 

但从现实角度观察，福兮祸所伏，鲜明的特点又决定它必须要迈过几道坎才能真正的把商业模式跑通，卸下外界对其“流血IPO”、“IPO保命”的质疑。毕竟第四范式账上的“现金＋短期投资＋理财产品”经不起1年多的亏损；不像商汤和创新奇智，账上的钱还能可劲儿造好几年。

01搭积木的架构，迁移学习是法宝

在总结第四范式的业务之前，我想先给出一个决策类AI的运用场景。假如一名甜点老板，上月某产品销售了十万，本月销售了五万。那么下个月该备多少货呢？如果产品单一，有经验的决策者或许能够猜得大差不差。 但如今消费者对产品的偏好瞬息万变，今天还追捧“脏脏包”，明天就独宠肉松小贝了。当产品品类较丰富，决策者就不能流于表面的市场规律，还需应对好市场偏好的变化。 决策类AI的目的就是解决上述类似问题，它基于数据进行科学的商业决策。

决策类AI的逻辑支撑在于：统计学原理告诉我们只要建立合适的模型，就能无限逼近最真实的结果。

传统的数据分析软件，建立在数据库中不同数据被标记情况而“死硬”汇算出来的。这种方式不能灵活的生成新模型和表格，还需要一个既懂软件又要懂行业的团队实现灵活的数据汇算，要求过高了些。 第四范式提供一个简单操作且灵活搭建的数据平台，从而满足客户在不同场景的需要。其不同之处在于，它不是试图向用户提供一个分析工具，而是向用户提供一个各项功能都可以任意搭配的“积木”。  

图：“搭积木”，来源：招股书

·Sage AIOS：一个类似于Windows一样的可视化操作系统，能够提高算力使用效率，为“搭积木”提供场地。

·HyperCycle：内置在先知平台的无代码开发工具。按照提示说明拼接AI组件就可以完成AI学习的数据闭环。使用难度约等于照着葫芦画个瓢。

·Sage Studio：可提供不同编程难度选择的AI模型编辑工具。可以根据不同业务需求编写或创造AI模块并可以组建的形式添加进原有的业务数据模型。

·先知应用：先知系统上可以直接使用的开发好的应用，如同手机APP。 理解如何做到这些功能其实并不难，利用迁移学习使AI命令发现数据规律和设置数据闭环就可以达到以上效果。迁移学习是一种AI算法，同时也是第四范式创始人戴文渊在国际享誉盛名的法宝。 迁移学习旨在把一组数据的标注规则转移到另外一组数据上去。例如已知一筐花生米的质量标准，如何分类另一筐芝麻的品质优劣？迁移算法利用已知的优质花生米又大又饱满的定义套用在芝麻的形态分类上，从而得到好芝麻的分类。

另一方面，在机器筛选芝麻的时候发现有时候大且饱满的芝麻有可能只是个空壳。通过自动加入对芝麻重量的评审规则，AI能够做到进一步提升筛选芝麻的质量。

先知平台的客户能够灵活定义数据含义和改良数据结果，这些数据运作之后给出的建议，即所谓的决策。第四范式的产品，核心作用就是帮数字化转型后的企业用好数据。