“我们的大模型能力不仅限于解决一段文字、一张图片或者一个视频的问题，而是直接作用于企业核心效率的提升。”近日，在第四范式（6682.HK）第一季度业绩沟通会上，第四范式CEO戴文渊向《中国经营报》等媒体记者如是表示。

　　财报显示，在2024年前三个月，第四范式总收入为8.3亿元，毛利润为3.4亿元，分别实现同比28.5%、21.1%的增长。该公司作为核心业务的先知AI平台表现亮眼，贡献收入5亿元，同比增幅达到了84.8%，在总收入中的占比为60.6%。

　　针对大模型领域近期发生的“价格战”，戴文渊回应道：“并不需要去关注价格战本身，因为价格战本质上来自同质化的竞争。”他指出，当下的价格战参与者主要是通用大语言模型厂商，而第四范式专注于行业大模型，在行业大模型方面，第四范式是具有核心优势与竞争壁垒的。

　　行业大模型贡献六成收入

　　先知AI平台业务，是第四范式的核心业务，最早于2015年推出，到2024年3月底升级到5.0版本。在今年一季度实现5亿元的收入，在总收入中的贡献比例超过六成，这表明行业大模型增长动力强劲。

　　第四范式副总裁兼董事长秘书郭清媛表示，先知AI平台在近十年时间里历经了五次迭代，每次迭代都着力于解决当下每个时期里企业的核心痛点，也是AI产品及服务落地的痛点。最新的先知AI平台5.0通过全模态数据规模化构建行业大模型，能够打破大语言模型的应用局限，让大模型贯通企业经营环节的方方面面。

　　戴文渊在接受记者采访时也提到，先知AI平台5.0的目标是要“打造成一个垂类的生成AI大模型平台”，持续地在算力端、软件、硬件等方面优化成本，从而不断降低企业使用AI技术、获得大模型的门槛。

　　根据第四范式一季报，截至今年3月底，该公司总用户数达到124个，标杆用户（指全球财富500强企业或上市公司）数为54个，标杆用户群平均营收贡献890万元，同比增长64.0%。自2020年1月1日至2024年3月31日，第四范式累积服务总用户数为1058个。

　　从行业分布来看，郭清媛告诉本报记者，第四范式的整体行业拓展策略坚持标杆客户策略，目前服务的前五大行业分别是能源、交通运输、电信运营商、金融、信息技术，从各个行业的市场引导者入手，标杆客户是AI技术的早期使用者，这一策略保障了第四范式近两年的稳定增长。今年则会更加深入地拓展行业，如医疗、智能制造、教育、零售等。

　　据介绍，基于最新的先知平台5.0，第四范式联合用户及合作伙伴打造了一批行业大模型应用案例，涉及智能制造、医疗健康，以及灾情预防等领域。例如，在智能制造行业里，大模型推进工厂产效提升了11.4%；在慢病管理场景，大模型对心脑血管、脑卒中等5种慢病的预测准确率提升了3倍；此外，防汛大模型提前部署防汛工作以应对即将到来的夏季汛期。这些不仅大幅提升企业核心业务效率，也有助于社会经济可持续发展。

据公告内容，主要违法事实的经过是在2024年03月12日02时03分,宁波市北仑区交通运输局行政执法人员在招宝山大桥北侧连接线兴中路K1+400检查时发现宁波俊驰供应链管理有限公司存在交通运输行政违法行为。经调查，宁波俊驰供应链管理有限公司违法超限运输。

据了解，上海润运机电设备有限公司违法行为是货运车辆1年内违法超限运输超过3次，影响了公路安全。

　　除了先知AI平台业务，第四范式的SHIFT智能解决方案，是先知AI平台在解决方案端的延伸，其一季度收入2.5亿元，在总收入中的占比为30.1%。而为先知AI平台提供高效开发工具和服务的式说AIGS（AI生成服务）业务，在一季度里则贡献收入0.8亿元，占比9.3%。

　　回应价格战问题称优质数据稀缺

　　在5月中下旬，包括字节跳动、阿里云、腾讯云、百度智能云、智谱AI、讯飞等多家大模型厂商纷纷对大模型产品进行大幅降价，掀起了国产大模型的“价格战”。针对这种现象，戴文渊在业绩沟通会上也作出了正面回应。

　　戴文渊表示，价格战主要源于产品的同质化竞争，这对于通用大语言模型尤其明显。市面上绝大多数通用大模型，并不解决企业的核心问题。他举例解释道，一家金融公司的核心问题是要做好风控、营销等经营，而大语言模型目前帮助企业解决的往往是客服问题，客服对企业来说并不是没有价值，但只能算是“边缘性的价值”。同样，一家零售企业的核心问题是供应链，但大语言模型主要应用的客服问题同样处在一个边缘位置。与大多数大模型不同，第四范式专注于行业大模型，在AI+行业落地应用方面具有核心优势和竞争壁垒，因此并不需要关注价格战本身。

　　关于业界提到大模型训练推理中普遍面临的优质数据稀缺问题，戴文渊在接受记者采访时坦言，无论是构建通用大语言模型，还是做垂直的行业大模型，都会遇到数据问题。需要注意的是，数据并不是越多越好股票配资门户平台，实际上很多时候构建大语言模型，“要做的是减法，而不是加法”，即把一些劣质的数据从数据集中拿掉，模型性能可能会表现更好。在解决企业场景中也是如此。“我们经常与企业用户交流时，会引导用户想清楚某一个业务场景中的优质数据是什么，去掉那些质量差的，做减法反而会更有助于优质大模型的产出。”