文章核心观点 - AI正在改变软件的价值交付方式，从标准化订阅功能转向深度嵌入客户关键决策流程的模式，这导致资本市场重新评估像Palantir和第四范式这类“重交付”公司的价值 [1][5][6] AI时代软件价值交付模式的转变 - 全球AI软件领域出现分化：标准化SaaS巨头（如Salesforce）收入增速放缓，而定制化、重交付公司（如Palantir）实现收入加速与股价重估 [1] - AI的价值体现在介入关键决策和改变业务结果，而非仅提供标准化功能，这要求软件深度嵌入客户的真实运作体系 [5][6] - 决定AI应用成败的关键因素包括数据可用性、模型与业务的贴合度、结果可解释性及责任界定，这些因素高度依赖企业自身流程，难以标准化 [6] - 深度嵌入客户体系的模式虽增长非线性，但一旦成功便拥有极强的长期黏性和高迁移成本，因此资本市场愿意给予溢价 [6] Palantir的业务模式与市场表现 - Palantir核心产品是整合数据、模型和业务流程的“决策操作系统”，早期服务于政府、军方和情报机构，后推广至医疗、制造、能源等行业 [3] - 公司接连获得大型长期合同，如与美国陆军达成的未来十年上限约100亿美元的协议，以及面向海军供应链和核潜艇项目的数亿美元合同 [3] - 在民营部门，其Foundry平台通过整合数据流、排班、库存、预测等系统，为客户带来可量化的经营改善，如提升资源利用率和提前识别瓶颈 [3] - 公司招聘策略独特，直接招聘高中毕业生并支付17万美元年薪，看重解决真实问题的能力而非传统学历或奖项 [6] 第四范式的业务定位与发展路径 - 第四范式是一家中国人工智能公司，成立于2014年，长期服务于银行、能源、制造、零售等大型组织，将AI模型用于金融风控、设备故障预测、供应链优化等垂直场景 [7] - 公司早期以项目制为主，为大型客户交付完整AI系统，后逐渐将方法论沉淀，形成名为“先知”的AI平台，作为模型与决策能力的“底座” [7][8] - 面对中国市场信创背景和客户预算集中于硬件采购的现实，公司采取“软硬一体”交付方式，以解决国产GPU和服务器“怎么用起来”的难题，硬件本身几乎不贡献利润，旨在为平台创造落地入口 [9] - 公司早期业务高度依赖人力，项目间难以复制，后通过总结“北极星指标”方法论，将AI落地路径产品化，形成“先知平台”，实现数据接入、特征工程、模型训练等步骤的标准化和自动化 [10][11] - 交付方式从端到端项目转向“平台能力+合作伙伴实施”的组合，与熟悉客户业务的软件公司或系统集成商合作，提高了交付效率和覆盖面 [11] 第四范式在中国软件产业中的独特性 - 与金蝶、用友等企业管理软件公司相比，第四范式聚焦于“决策密度最高”的环节，而非广泛的通用管理场景 [15] - 与金山办公等订阅制SaaS相比，公司不追求用户规模，而是追求在少数大型客户中深度嵌入 [15] - 与中软国际、软通动力等IT外包与系统集成公司相比，公司不以人力交付为核心，而是试图通过平台化将模型与决策能力标准化、规模化 [15] - 公司处在相对稀缺的位置，更接近“组织级AI基础设施提供商”，其目标与Palantir类似，旨在让AI成为大型组织运转的一部分而非可选工具 [15] 中国AI应用公司的发展路径关键 - 中国AI应用公司必须接受“早期不轻”的现实，在算力、数据和流程未高度标准化的阶段，深度嵌入意味着更重的交付和更长的周期 [17] - 平台化与合作伙伴体系是规模化的唯一出路，通过合作伙伴承接需求理解和系统集成，自身聚焦于模型与决策能力，是降低边际成本、释放规模效应的关键 [17] - 真正的护城河不在于算法模型，而在于系统在客户业务中承担的关键角色程度，一旦AI成为不可替代的决策节点，商业模式和估值逻辑将随之改变 [17] - 第四范式所代表的探索方向，是中国在AI应用层面形成长期竞争力的关键一环，其路径虽重，但若走通将构建长期竞争力 [18]