技术是基础，商业模式才是王道。在科技与商业交织的历史长河中，不乏技术大咖亲自执掌企业帅印的案例。乔布斯之于苹果，David Holz之于Matterport，Sam Altman之于OpenAI，都是将理想与创造力完美融合的典范。这些技术狂人凭借非凡的洞察力，为所在企业创造了辉煌。然而，并非所有技术理想都能开花结果。当偏执的技术追求偏离决策时，即便是天才也可能跌入谷底。第四范式CEO戴文渊的遭遇，正是这一规律的生动注脚。如今提及第四范式，业内除了叹息还是叹息：4年亏损近50亿，三次IPO折戟……这个拥有红杉、腾讯、创新工厂等顶级资本加持，且技术实力强劲的行业独角兽，为何会陷入如此困境？究其根源，或许要从戴文渊选择专攻决策类AI的那一刻说起。
1选择的路径
在AI技术版图中，决策类AI的研发难度远超认知类AI。它需要处理更复杂动态的问题，涉及逻辑推理、策略选择、效果评估等多元环节，而非简单的数据识别与生成。既然如此，为何第四范式要选择这条充满挑战的”险路”？这背后与戴文渊非凡的履历密不可分。这位科学天才不仅斩获ACM国际大学生程序设计竞赛世界冠军，还师从华人首位国际AI协会院士杨强。2015年创立第四范式后，戴文渊便投身AI领域设计应用的探索。初期，他试图打造面向所有AI公司的集成工具，2015年推出的”AI Studio”产品却因市场接受度不足而黯然退场。一方面当时AI开发者群体尚小，对高级工具需求有限；另一方面，第四范式缺乏足够资源支撑产品持续迭代。
经历挫折后，戴文渊基于既有研究成果，推出号称”划时代”的学习系统——先知。该系统通过大规模分布式机器学习框架GDBT，将深度学习简化为拼积木般的操作，用户只需拼接数据与算法即可构建高性能AI应用。产品问世后，关键问题在于寻找落地场景。经过市场调研，戴文渊将目光投向决策类AI这一垂直细分领域。当时该赛道尚属蓝海，许多大型企业因业务复杂、模式多元，急需管理决策平台实现数字化转型。制造业要优化生产流程，零售商要精准预测销量制定营销策略。第四范式在AutoML、迁移学习、强化学习等领域的技术积累，恰好与决策类AI的技术路径高度契合。
凭借领先技术，第四范式在短短几年内服务了数十家大型客户，包括中石油、中石化、五大行等国企。2020年推出的SageOne软件定义一体化解决方案，更是突破传统机器学习维度限制，支持万亿维特征处理，使决策类AI能应对更复杂高维数据。然而，短暂风光后，问题逐渐浮现。
2定制化之累
决策类AI的”非通用”特性，决定了其必须与企业具体业务场景深度绑定。不同决策问题往往具有独特目标、约束、数据和环境，难以套用通用解决方案。以物流公司为例，若要优化总行驶距离和成本，必须考虑配送中心数量、货车车型、客户优先级等众多因素。这种非标准化需求，导致第四范式需为每个客户定制研发，研发成本持续攀升。2019-2022年上半年，其研发支出中技术服务费占比分别为30.7%、51.2%、67.3%和74.3%，且定制化成果难以复用，造成成本摊薄困难。
更棘手的是落地化过程。第四范式提供的决策类AI平台本质是底层技术能力，而非现成解决方案。客户需根据具体场景和数据特点进行定制开发，往往还需额外聘请技术公司协助落地。如Sage HyperCycle自动决策类机器学习平台、Sage AIOS企业级AI操作系统，本质上都是可定制适配的AI平台。用户不仅需掌握深度学习、强化学习等算法理论，还要具备数据处理和特征工程技能。若缺乏专业能力，使用门槛极高。若以购车比喻：百度、腾讯、阿里等巨头要么直接提供成品车（如腾讯大模型商店），要么提供易用造车平台（如百度飞浆），而第四范式仅提供定制化引擎，用户还需自行设计车身、底盘等，大幅增加了使用成本和落地难度。
3正确的”错路”
除了高昂的定制化研发成本和困难的落地过程，以大客户为主的业务模式也限制了第四范式的盈利灵活性。IDC数据显示，超过60%使用AI决策支持的企业是年收入超10亿美元的大型企业。大企业因数据量、变量、场景、目标等更复杂，需要更高决策效率。第四范式选择服务大企业本无可厚非，但大客户需求复杂多样，建立信任周期长达1-2年，招投标流程动辄半年，导致获客成本居高不下。2019-2021年，其营销开支占总收入比例分别为29.56%、26.32%、22.54%。此外，大企业回款流程复杂，应收账款周转率低，资金回流缓慢。
面对困境，第四范式尝试整合通用模块导入”先知”系统，但这类表层数据处理、模型训练模块，面对不同任务场景仍需大量定制化调整。如同为每个客户量身定制服装：通用模块仅是基本布料，而客户身材、喜好、场合各不相同，即使有通用材料，仍需二次设计和裁剪。
纵观第四范式的决策类AI之路，我们发现其确实走了条”正确的错路”。技术传播如同生物繁衍，唯有兼容更多环境才能实现最大延续。苹果Macintosh通过图形界面让计算机平民化，英伟达通过CUDA等软件平台成为AI基建之王。若第四范式坚持定制化服务，其臃肿的研发团队和居高不下的研发费用将难以维系。除非能开发出通用化系统取代定制化服务，否则第四范式盈利之路仍暗淡无光。
