$第四范式(06682)$
第四范式 2025 半年报问答
（有些听一半没整理，将就看吧）
长江问：怎么理解客户的需求？
答：我们面对的是各行各业的 ai 需求，企业如何提高自己的核心竞争力，我们是寻找能提升他们核心竞争力的 ai 应用，提高他们的效能，企业是愿意付出源源不断的资源来提升，这是我们需要去发力的。
问：对今年和未来几年的经营指引？
答：今年增速不低于去年的增速。上半年的增速会快一些，一般下半年会慢一些，季节性因素。全年上调到 30% 以上，今年实现盈亏平衡。未来的话，过去几年没有追求收入增速最大化，因为过去形势比较复杂，今年我们看到实现盈亏平衡基础很牢，未来几年我们追求收入的高速增长，2029 年收入提升到 200 亿的目标，公司这个时期也会追求不错的利润水平。8-10% 左右。短期收入有限，到一定规模追求利润。
中信问：详细展开下 ai➕x？解释下销售费用增长较多的原因？
戴答：ai➕x 指的是消费电子，能源行业是我们过去的收入第一方向，稳定币未来的市场很大，链上的银行，我们在这个领域积累了10 年的时间，有丰富的经验，如何去做好更多的监管是我们过去在金融机构积累到非常多的经验和能力，可以去服务好这些稳定币机构。还有更多 ai➕x 在未来推出。
三费费率一直在下降，上半年销售上的投入会多一些，全年还是在一个比较谨慎的水平。今年利润打平有信心，整体费用水平还是比较好的状态。研发费用比例不大，额还是增加了不少，规模效应体现了。
中信建投问：展望下 phancy 单个价值量？具身智能方面的拓展？
戴：我们不是自己做自己的品牌，是想做一个平台，让消费电子品牌方，去利用我们做好他们的产品，端侧和云端的能力是我们的核心。下半年可以看到收入占到我们比较小的比例。phancy 可以类比安卓来看，他是一个样板，解决方案的样板。我们希望把消费电子变成消费品。未来我们希望去赋能更多的品牌变成消费电子品牌。
具身智能可以关注我们，已经有相关的工作在开展，后面会提升这方面的能力，应用到产业端。
华泰问：后续发展趋势的问题，和美股 palantir 类比很像，今年扭亏之后公司战略发展态势？
戴答：我们和他们更多相似的地方是大家都是在应用解决企业核心问题，在行业里面产生价值，最后一定会得到收入的增长，最后还是要回归到价值本身，最后一定会得到长远的发展。
华泰问：我们如何平衡过去行业客户和新的行业客户？
答：我们先看到这个行业有没有巨大的空间和价值，未来几年我们要获得持续高速的增长，实际上还是要针对行业的价值去发力。
进入新的行业并不一定会影响到利润，维护旧的和开发新的并不矛盾和对立。
华创问：行业端，b 端 ai 行业渗透情况如何？公司标杆客户的软件可复用度的比例有多少？
戴答：很难说哪个行业 ai 渗透更多，今天没有哪个行业不在积极拥抱 ai，现在很难找到一家成规模的企业说和 ai 没关系。行业大小的话，金融，能源，运营商是大的。
整个 ai 系统落地是一个产业链，有标准化也有非标的部分，先知平台的收入占比过去几年再增加，因为过去我们的业务在逐步标准化，未来非标的比例越来越少。
财通问：毛利率下滑问题？未来毛利指引？
答：综合毛利率同比下滑，先知平台的收入增速比较快导致的。先知平台产品力很强。现阶段毛利率是我们大致的水平，到年底应该和现在差不多，相对稳定。
问：在其他行业拓展的案例？对我们有多大正向的影响？
答：我们现在有 20 多个行业，其实一直都有在做。
申万问：下游行业收入的分布？有增速特别快的下游？消费电子有毛利率的指引？
答：目前体量不是某个行业快速增长来驱动的，是各行各业的需求增长，某个会计区间可能某个行业占比较高，但最大的原因还是客户对 ai 投入的决心。客户的关注度提高了，但离把大量资源投入还有很大空间。
消费电子毛利率和出货量会有比较相关，要等下半年才能看到。
问：消费电子也是软硬一起交付？
答：是，客户只需要做一个外壳，我们做全链条。当然也取决客户的能力，他们可以多做一点我们少做一点。
开源问：毛利率问题，二季度单季度只有 30% 多，现在离硬件偏离度很高，未来有提升空间？我们实现多个行业较好拓展的商业模式，战略有什么原因？
答：我们主要是做软件，做软硬一体交付会更容易做销售驱动。捆绑在硬件上的软件价值才是核心。今年的毛利率预计和目前水平差不多，后面我们也会提升规模效应，提高一下毛利率。我们预期未来毛利率还是比较稳定。
我们和 palantir 一样，为了长期提升企业的核心价值。
问：机器学习和生成式在我们占比多少
答：我们走的是 agent➕世界模型，去构建各种垂直的世界模型，这两个不可区分。
问：我们的竞争优势？
答：基于开源大语言模型去生成行业模型，并不是一个真实的世界模型，只能说是一个大语言模型，比如银行不可能用他去做风控，我们都是基于海量的行业数据去生成，而不是基于很多语料。不是大模型不能解决问题，而是很多人在用错误的模型，数据很重要。我们需要使用正确的 ai 去解决问题。