LLM热度不减，吸引全球眼光和绝大部分资本，继续给予第四范式良好的发展空间和时间。只有少数顶级智囊机构 如麦肯锡，MIT 发布警告， 调查得出LLM的应用没有给客户带来资本回报。
AutoML是人工智能的基石技术， 是各种机器学习技术的统称，其中最复杂的机器学习模型是应用于LLM的深度神经网络，通常被视为“黑盒”，其决策过程难以解释，期望以一个模型解决所有问题，虽然适用范围广，但带来了正确性和高成本问题。
第四范式从2014年创立开始就把AutoML技术作为基石技术（早期公司公众号奖项可以看到其技术在全球的领先地位），但是走的是朴素路线，就是用AutoML技术一个一个解决客户的实际业务问题，早期需要业务领域专家和人工智能专家深度协作。领域专家准确界定问题并确定合适的预测目标，人工智能专家不断优化AutoML算法。实际应用中数据往往存在质量问题，如缺失值、噪声、分布不均衡等。AutoML需要具备强大的数据预处理能力，公司开发出基于AutoML的各种自动识别和修复工具，同时适应不同类型的结构化、非结构化数据（如文本、图像、时序数据等），数据的多样性和动态性。机器学习形成闭环，不断在实际运作中反馈进化。不同种场景用不同算法，不同公司微调算法。脏活累活在用了AutoML后就变轻松了，把解决的这些问题， 形成共性解决能力平台化，knowhow是体现在算法里面，不容易扩散，就形成壁垒。
近期的Agent ML， EngineX 等，无一列外的使用AutoML， 这是他用来解决问题的万能钥匙，全球没有看到其他把AutoML实际应用于每一个角落的公司（Google也只用于搜索和推荐）。 LLM的Transformer架构解决不了这些问题。

19年，第四范式在一级市场爆火，引起了大厂的关注， 华为，阿里，腾讯也模仿开发了类似Sage Aios 的平台，但光有骨架子没用， 里面需要有血有肉，而且还是LLM单一算法的骨架，喊了5年要进军B端市场， 结果还是弄了个免费送平台的云，本质上就是卖算力，不要总以为大厂是万能的。

传统软件是同质化，没有效果上差异，Ai效果上的差异会带来回报的差异（同在一个公司同样的工作，销冠和普通销售收入差10倍也不足为奇）。不能用传统To-B软件市场来推测Ai To-B市场

市场资金总有一天会反应过来，最蠢的资金看到收入增速逐季提高也会来。