第四范式的戴博业绩会以及调研时多次提到公司没有竞争对手， 具体是什么东西形成了壁垒，看了所有卷商研报都没有分析，或者说错误的。跟踪了一年，以及20多年一级投资的经验，总结大致是：

1. 早期完全依靠技术， 最重要的技术就是AutoML， AutoML应用在建模的各个方面，包括数据处理，包括数据的逻辑关系化和特征化，包括用用AutoML进行数字孪生场景模拟，包括用AutoML自动建训练建知识图谱等等，不同场景需要根据经验来调整autoML的算法 等等。。。， 技术的结果是大幅提高数字处理和建模的效率，以及模型的正确率，用戴博的话讲和LLM训练出来的垂直模型效果上有鸿沟！

除了在世界排名领先的AutoML技术，还有必不可少的就是特征数据库OpenMLDB技术，国内很多自用的大厂也采用第四范式的开源该项技术，去年发布的数据工厂DATAfoundry

模型管理工具ModleHUB，把客户所有自己开发的模型以及外部接入的LLM都统一平台化管理起来，以便高效率调用。

还有就是提高GPU使用效率的算力虚拟池化技术和异构算力融合技术。为了降低投资，提高客户使用AI的ROI。

这些技术都是为了解决客户在使用AI过程中遇到的问题，里面有很多经过试错的Knowhow，一项技术可能形成壁垒比较难， 但全面的技术栈就可以形成壁垒。

2. Sage 平台正在运行的几万个各种场景的垂直模型是壁垒。客户建立Agent， 必须用到这些垂直模型，光LLM解决不了任何问题，这些模型是后面各种Agent解决方案的基础。数据是客户的，客户不可能把数据给任何Ai服务商。所以数据不可能是Ai服务商的壁垒，但已使用Sage平台的模型是壁垒。

3. 商业模式， 咨询+技术门槛很低的Sage平台，第四范式有各个行业咨询出生的行业专家，帮客户从企业战略，价值，痛点进行梳理，和Ai技术结合，用低门槛的Sage 平台帮客户解决问题，为客户创造价值。类似palantire的FDE。为客户创造价值的生意是永久的，忽悠客户做一些没价值的Ai应用是不长久的。

4. 技术路线是正确的，根据事物本身的规律做出来的世界模型是永久的未来，LLM只能解决沟通问题，用来解决其他问题，最终会被替代。