抛开股价表现，再论第四范式的商业模式第一性原理
近期阅读了多篇关于第四范式的机构研报，发现一个共性：大家对其讨论总是停留在“收费模式”这一层面，尤其是纠结它是不是按 license 收费，是不是和 SaaS 的订阅制差距太大。
我认为这种理解过于肤浅。要看懂第四范式，不能只盯着“怎么收费”，而要回到它到底在做什么：
大模型的落地逻辑是预测下一个 token（文字、像素、声音），解决的是交互和生成问题；
第四范式的先知平台逻辑是预测下一个行业事件 X（下一个风险暴露、下一个客户流失、下一个库存缺口），解决的是业务经营层面的决策问题。
一个在生成内容，一个在驱动企业 KPI。终局自然不一样。
一、先知平台和大模型，不是一个赛道
大模型的商业化，更多靠 API 调用、订阅 SaaS、嵌入式生成。看 OpenAI、Midjourney 就知道了。
而先知平台的价值，是直接接到企业的业务神经：风险、定价、供应链、运营。换句话说，它卖的不是一个“写作助手”，而是一个“利润提升器”。这就决定了它更容易进入长期合同、绑定 SLA，与企业形成深度耦合。
这点，很多研报忽视了。
二、行业空间有多大？
根据灼识咨询的数据：
2022 年中国决策类 AI 市场规模约 532 亿元，预计到 2027 年 2104 亿元；
其中，“以平台为中心的决策类 AI”从 128 亿元增长到 749 亿元，CAGR 42.3%。
这才是第四范式最直接的 TAM。
如果用 CAGR 推算，2024 年这一细分市场大概在 259 亿元左右。第四范式 2024 年先知平台收入是 36.76 亿元，对应市场份额约 14%。
别忘了，2022 年它的份额是 22.6%。份额看似下降，但要注意口径和分母的不同：行业在快速扩张，竞争者增加，分母变大，单纯份额波动并不等于它的竞争力下滑。
三、为什么说是“数十万亿市场”？
上面的“749 亿元”口径没错，但它只是 软件平台收入口径。
如果换成产业视角：
金融：风控、定价、投顾，每年几万亿资产周转，0.1% 的 AI 渗透就是数百亿；
零售电商：社会零售总额超 50 万亿，库存、供应链、定价优化的 AI 渗透就是万亿级；
能源制造：电力、石化、制造业产值几十万亿，调度预测的优化同样是万亿级。
这就是戴文渊强调的：第四范式面对的不是几百亿的软件市场，而是数十万亿的产业数字化决策支出。
所以我们可以这么理解：
狭义口径：IDC/灼识的数据，几百亿级，这是现实的收入池；
广义口径：如果决策型 AI 成为产业标配，背后对应的是 GDP × 渗透率，确实是数十万亿。
这两个口径并不矛盾，前者是近期的现金流池，后者是长期的想象力。
四、竞争优势
技术门槛：AutoML + 垂直世界模型，客户很难自研替代。
部署能力：私有化、本地化的需求，第四范式能满足，云厂商不一定能。
客户粘性：2024 年标杆客户 NDER（净收入扩张率）达到 110%，说明老客户持续加单。
产品矩阵：先知平台 + SHIFT 解决方案 + AIGS + Agent，多层次变现能力。
五、复购，是核心
不要再盯着 license 收费模式了。真正的核心是 复购率和 NDR。
标杆客户平均贡献收入约 1900 万人民币；
NDER 110%，说明老客户不仅续费，还不断扩展新用例。
这才是平台型收入能持续增长的关键。
六、商业终局的三层结构
平台订阅 + 用量（基础层）：类似云计算，算力/节点计费，长期现金流。
Agent / 世界模型付费（增长层）：新增一个行业用例，就新增一份收入。
解决方案与成功费（一次性）：打开头部客户大门的“敲门砖”。
未来理想状态：前两层占比越来越大，项目型收入占比下降，整体毛利率上升，估值逻辑更像 SaaS/平台型公司。
七、情景想象力
到 2027 年，平台化决策 AI 市场预计 749 亿元：
保守：份额 5% → 收入 37 亿元；
基准：份额 15% → 收入 112 亿元；
乐观：份额 25% → 收入 187 亿元。
这是窄口径的推算。如果放大到广义口径，数十万亿的产业数字化决策空间，想象力完全不一样。
八、风险也要看到
毛利压力：解决方案占比高会拖累毛利；
大云厂商竞争：云商若下沉到行业决策层，可能压缩空间；
应收账款：扩张快，应收高，现金流需要关注。
九、结论
很多人一看到“license 收费”就说不好，是用 SaaS 的旧框架去套第四范式。
实际上，它的终局不是“卖 license”，而是“把预测行业事件 X 的能力变成长期可复购的平台收入”。
判断投资价值，核心看三点：
行业渗透率（空间）；
市占率（竞争优势）；
客户复购和 NDR（成长性与可预测性）。
收费模式只是表象，真正的价值在于：第四范式正在从一个项目驱动的 AI 公司，变成一个产业级的决策操作系统。