以平台为中心的企业级人工智能领域的行业先驱者与领导者。第四范式成立于2014年9月，是企业级人工智能领域的行业先驱者与领导者。公司提供以平台为中心的人工智能解决方案，并运用核心技术开发了端到端的企业级人工智能产品，致力于解决企业智能化转型中面临的效率、成本、价值问题。现已广泛应用于金融、零售、制造、能源与电力、电信及医疗保健等领域。先知AI平台是公司开发AI模型的平台，可以支持超过万亿参数的模型训练，支持毫秒级实时推理，支持模型自学习。同时，基于公司全球领先的AutoML（自动机器学习）技术，实现低门槛的AI模型构建，帮助企业低成本高效搭建模型。公司的产品多年来一直保持市场领先地位。根据国际权威研究机构IDC的调研，先知AI平台自2018年起连续五年稳居中国机器学习平台市场份额第一，在全球机器学习操作平台(MLOps)厂商评估排名中国区第一。先知AI平台以低门槛、低成本实现对AI场景规模化覆盖。公司定位人工智能时代的软件企业，致力于用人工智能技术赋能千行万业，帮助各行业发现更多规律，形成更大模型——用行业大模型，提升企业生产经营效率。作为公司所有业务的内核，先知AI平台大幅降低了AI模型构建门槛，通过强大的AI基础设施，生产标准化模型并进行高效复用，将模型构建的平均周期从半年降低至天级别，促进AI应用规模化落地。目前先知AI平台上构建的模型数超过10000个。公司先知AI平台部署方式较为灵活，支持不同客户对运行环境的不同需求，包括软件license、服务器等。同时，公司的AI模型和应用也可以大量分布于边缘端，以智能物联网AIoT形式承载。
　　平台业务快速增长，客户质量稳步提升。2023年，公司实现营收42.04亿元，同比增长36.4%；毛利19.80亿元，同比增长33.2%，毛利率为47.1%；公司重视技术投入，2023年研发费用超过17亿元，研发费用率超过40%；盈利目标清晰，全年经调整净亏损额为4.15亿，较2022年全年减亏8888万元，同比缩窄17.6%。自2021年以来形成逐年环比减亏趋势。分业务来看，2023年，先知AI平台业务实现营收25.06亿元，同比增长68.0%，占总收入比例为59.6%；SHIFT智能解决方案实现营收12.83亿元，同比增长7.4%，占总收入的30.5%；式说AIGS服务实现营收4.16亿元，同比增长4.7%。2023年，公司持续扩大客户基础，行业影响力显著提升，用人工智能技术为千行万业贡献价值，深耕金融、能源电力、运营商、交通运输等行业，并继续在制造、医疗、零售等战略领域积极布局拓展。2023年总用户数增至445个，其中标杆用户数为139个，同比增长33.7%。公司坚持为客户创造价值为中心，标杆客户平均营收为1838万元，2023年标杆用户的NDER（净收入增长率）为115%。目前公司已建立三大主要业务板块：第四范式先知AI平台(4ParadigmSage)、SHIFT智能解决方案(4ParadigmSHIFT)及第四范式式说AIGS服务(4ParadigmAIGS)。第四范式先知AI平台，是开发AI模型的底座平台，是所有业务的内核；SHIFT智能解决方案，是公司为各行业提供的智能解决方案产品；第四范式式说AIGS服务，致力于通过生成式AI技术赋能软件开发，提升开发效率。
　　先知AI平台持续迭代，先知AIOS 5.0或带动公司AI平台发展进入新时期。先知AIOS时至今日已经发展近10年，通过1.0到5.0的进化，降低AI门槛，实现对更多场景的规模化覆盖。2015年，先知AIOS 1.0版本首次发布，通过高维、实时、自学习框架提升模型精度；2017年，先知AIOS 2.0版本利用自动建模工具HyperCycle，大幅降低模型开发门槛；2020年发布的先知AIOS 3.0版本规范AI数据治理和上线投产，完成建模到落地应用“最后一公里”；2022年，先知AIOS 4.0版本引入北极星指标，最大化发挥AI应用价值，提升企业核心竞争力。2024年3月29日，公司发布了先知AIOS 5.0，一款全新的行业大模型平台。大语言模型的原理是根据历史单词去不断预测下一个单词，换一句常见的话：Predict the Next “Word”。当前对于行业大模型的普遍认知就是沿用这种逻辑，用大语言模型去fine-tune行业数据，预测下一个字。但各行各业的场景往往面对的不是简单的文字格式，行业需要的往往也不是预测下一个字，而是Predict the Next“X”，这里的“X”可能包含水文数据、健康报告、设备监测数值、设计推演等。先知AIOS 5.0进一步升级预测下一个X的能力。其核心特点是基于各行各业场景的X模态数据，构建行业基座大模型。先知AIOS 5.0解决了当前行业大模型只能将行业文本数据喂给大语言模型、生成下一个字的问题，让大模型能来到的领域更加广泛。以健康管理领域为例，如果把大量的专业医学及健康相关的语料投喂给大语言模型，大语言模型可以理解相关的术语和指标；但如果用户把自己近三年的体检报告中的某些指标发给大模型，并询问明年自己的身体状况，它并不能够预测给出答案，因为这个问题超出“语言”的范畴。如果“X”的模态从“文字Word”变成了“体检报告数据”，模型如果可以不断地根据历史体检