切入GPT第四范式还想上市

大模型领域又迎来新玩家。4月26日，人工智能企业第四范式展示了其大模型产品“式说3.0”，并提出了以生成式AI重构企业软件的“AIGS战略”。对第四范式而言，于C端产品中另辟蹊径，瞄准B端用户，可能不仅是追逐AIGC浪潮的差异化打法，更关联着企业的未来——大模型产品面世的两天前，第四范式刚刚开启了对IPO的第四次冲击，大模型正是招股书中更新出来的关键内容。

不做C端做B端

在ChatGPT掀起的这股大模型热潮里，但凡与科技沾边的企业，谁都不想掉队，更何况第四范式本身就专注于AI领域。4月26日，第四范式首次向公众展示了其大模型产品“式说3.0”。

面向B端也成了第四范式强调的重点。“C端产品已经逼近用户体验的上限，而B端的企业级软件往往是个十分复杂的执行系统，堆砌十几层菜单和成千上万功能也不算多。”戴文渊说。

在他看来，过去很难通过自然语言的方式去调用企业软件的功能，现在当有更强的语义理解和生成能力，再加上GPT任务翻译、任务分发和推理的能力，就可以通过更好的对话框式交互方式实现功能的调用，不再需要找到某个位于十几级的菜单目录之下的功能。

基于这样的判断，第四范式首次提出AIGS战略，即基于“式说”大模型背后的Copilot+COT能力，把企业软件改造成新型的交互范式，并在新型交互上不断地学习软件的使用过程，形成领域软件的“思维链”。

据钛媒体报道，戴文渊表示，目前“式说”大模型参数量并不固定，最高达到千亿个，产品已经有十多家企业内测合作。

第四次IPO

选择面向B端的大模型路线，源于第四范式的业务基因。公开资料显示，第四范式成立于2014年，主要为企业端服务，聚焦于决策型AI领域，提供以平台为中心的AI解决方案，目前第四范式解决方案已应用于金融、零售、制造、能源电力、电信及医疗等行业。

而“式说”大模型的面世，也与第四范式的发展有着千丝万缕的联系。4月24日，港交所更新出了第四范式的上市申请书，而这也成为第四范式面向IPO发起的第四次冲击。

第四范式第一次冲击港交所IPO的时间在2021年8月13日，此后于2022年2月23日再次递交申请。第四范式上一次申请上市是在2022年9月，由于6个月内未通过聆讯，今年3月初申请转为失效。

在折戟第三次IPO的一个多月后，第四范式重整旗鼓，上市申请书中透露了关键的更新。相比去年9月的内容，在历史、发展及公司架构部分，多出了2023年的一条线索:公司于3月推出了SageGPT，一个专为业务场景设计的企业级生成式人工智能产品，具有多模态互动能力及企业级人工智能工具特性。

大模型可能承载着第四范式成功上市的希望。深度科技研究院院长张孝荣对北京商报记者分析称，该企业需要加强信息披露，着重展示自身开发大模型的技术能力，公布企业准备投入到资金规模，披露大模型相关是否完全基于自身知识产权而自主可控。否则，恐怕很难通过IPO质询。

数据显示，2020年、2021年以及2022年，第四范式分别实现营收9.42亿元、20.18亿元、30.83亿元，同比增速分别为105%、114.2%、52.7%，逐年下降。同期亏损净额分别为7.5亿元、18.02亿元以及16.53亿元，三年累计亏损净额达42.05亿元。对于大模型的具体情况及业绩情况等问题，北京商报记者联系了第四范式，但截至发稿未收到回复。

出道即巅峰

AI号称“吞金兽”，亏损几乎是AI技术行业的通病。以云从科技为例，其年报显示，2022年该公司实现营业收入5.26亿元，同比下滑51.06%；归属于上市公司股东的净利润为-8.69亿元，较上年同期的-6.32亿元亏损进一步扩大。

张孝荣认为，造成这种情况的原因是AI行业投入较大而产出少，企业存在巨大商业化压力，现在，产品和技术找不到更多的应用场景来应对日益低迷的市场环境，压力就会越来越大。

“大模型是今年刚刚兴起的热点，吸引了全球关注，但大模型存在致命性缺点，出道即是巅峰，难以成为行业大规模开发的技术，更不适合创业公司。中小型企业布局大模型，风险极大。”张孝荣总结称。

但企业显然更乐观一些。对于“式说”大模型，戴文渊表示，早年谷歌的自然语言处理框架BERT出来时，范式研究院就已经开始关注并投入在这个技术领域，GPT3出来以后更加明确了要朝这个方向。ChatGPT热潮对该公司最大的帮助，就是整个市场的信心一下从0调满，确定性的投入更大了，再往后就是推动产品和商业化。

上市申请书显示，大模型之前，第四范式更多聚焦在决策类人工智能应用方面。灼识咨询报告提到，以2022年收入计，该公司在中国以平台为中心的决策类人工智能市场占据最大市场份额。

据了解，中国人工智能行业可以按照应用范畴分为四大领域，除决策类人工智能外，还包括视觉人工智能、语音及语义人工智能和人工智能机器人。灼识咨询资料显示，未来人工智能技术将不会是由通用人工智能模型主导，而是可能更加多样化，当中类似于LLM的通用人工智能模型，和决策类人工智能模型背后的专业人工智能系统，会就不同的目的而共存。

全联并购公会信用管理委员会专家安光勇也对北京商报记者分析称，当前国内已出炉的大模型可以简单地分为通用大模型和专业大模型两类。通用大模型是指能够处理多种任务和领域的模型，例如文本生成、图像识别、语音识别等，具有广泛的适用性；而专业大模型则针对某一特定领域或任务进行了优化和定制，例如医疗、金融、自动驾驶等。

安光勇认为，通用大模型在应对多样化任务时具有竞争力，而专业大模型在特定领域有深厚的技术积累和应用优势。

免责声明：该文章系本站转载，旨在为读者提供更多信息资讯。所涉内容不构成投资、消费建议，仅供读者参考。