1.1 先知 AI 平台版本持续迭代升级，Phancy 布局 C 端消费 电子业务板块
公司核心产品先知 AI 平台持续迭代，2025 年成立“范式集团”布局 AI Agent 及消费电子全新业务板块。公司前身“北京第四范式智能技术”于 2014 年 9 月创 立，旨在为企业提供以平台为中心的人工智能解决方案，同年 12 月发布核心产品 “先知 AI 平台 1.0 版”并在后续年度持续更新迭代，助力企业实现 AI 规模化转型 并提升企业决策能力。2025 年 3 月，创始人戴文渊宣布成立“范式集团”，原先企 业服务业务（4Paradigm）成为集团核心子业务，同时发布全新业务板块——消费电 子业务（Phancy），为 C 端客户提供基于 AI Agent 的软硬件一体解决方案，通过模 组在消费电子产品中实现 AI Agent 能力，助力消费电子公司以低门槛、低成本生产 AI 产品。
第四范式提供全栈产品服务，AI 提升企业核心竞争力。第四范式主要业务可分 为先知 AI 平台（4ParadigmSage）、SHIFT 智能解决方案（4Paradigm SHIFT）、式 说 AIGS 服务（4Paradigm AIGS）。先知 AI 平台作为公司所有业务内核，致力于降 低 AI 门槛，实现对更多场景的规模化覆盖；SHIFT 智能解决方案是基于先知 AI 平 台，针对不同行业业务场景打造的标准化解决方案，使得技术、能力进一步深入更 广泛行业及场景，推动行业数字化智能化转型；式说 AIGS 服务为先知 AI 平台提供 基于生成式 AI 的高效开发工具和服务。 “平台+方案+生成式服务”构建第四范式业务全链路体系。根据第四范式产品 服务架构，先知 AIOS 5.0 平台作为核心层，底层具备以自然语言交互方式（企业级 AI Agent）辅助业务人员构建行业大模型能力，包括物理大模型、科学计算大模型、 新一代 SageGPT 大模型、企业级模型纳管平台 Model Hub 等，基于此构建企业需 求的垂直世界大模型，例如风险管理大模型、水电设备大模型、水务大模型等。在先 知 AIOS 5.0 平台基础上提供智能解决方案 SHIFT 和生成式服务式说 AIGS，作为先知平台业务延伸，有助于为客户提供全链路一体化智能决策服务，形成“平台+方案 +生成式服务”业务架构。
1.先知 AI 平台：公司业务内核，降低 AI 门槛实现规模化覆盖
先知 AI 平台十余年间持续迭代升级，构建公司业务内核。2014 年至今，先知 AI 平台已经历十余年更新与发展。2024 年 3 月发布全新先知 AIOS 5.0 行业大模型 平台，实现算力层、平台层、模型层、应用层等端到端能力供给，能够基于各行各业 场景 X 模态数据构建行业基座大模型，“X 模态”数据不仅包括纯文字，还包括水文 数据、健康报告、设备监测数值、设计推演等，先知 AIOS 5.0 能够根据历史数据构 建垂类行业大模型；2024 年 7 月发布先知 AIOS 5.1 版本，新增 GPU 资源池化能 力（vGPU），实现对硬件集群平台化管理、算力资源按需分配和快速调度，最多节 省 80%硬件成本提高 GPU 综合利用率 5-10 倍；2024 年 8 月发布先知 AIOS 5.2 版 本，新增 Model Hub 平台对模型统一纳管，集成多模态、视觉、NLP、语音等全球 先进大模型并持续更新，为企业大模型应用提供更优质多元选择。
先知 AI平台实现端到端企业级人工智能解决方案。先知 AI平台包括Sage AIOS 操作系统和两种人工智能开发人员套件，套件包括无代码开发工具的 HyperCycle 系 列以及低代码和无代码开发工具的 Sage Studio 系列，用户可根据自身编码能力选 择合适的套件。 Sage AIOS 是企业级人工智能操作系统，类似 Windows 在个人电脑上的功能， 连通底层 IT 基础设施与各种人工智能应用，帮助各类人工智能应用开发与上线，Sage AIOS 提供人性化界面和视觉化人工智能应用的开发和管理，简单友好的用户 界面是其亮点所在，用户可以轻松快速构建及操作众多人工智能应用，实现人工智 能规模化部署。 HyperCycle 无代码特性降低企业在各种业务运营环节中部署人工智能的门槛， 降低 AI 技术迅速大规模应用的门槛，赋能企业快速进行智能化转型；Sage Studio 可根据用户选择提供标准、低代码和免代码的人工智能开发工具，能够覆盖从数据 到模型、应用，以及 AI 应用部署和上线的全开发流程，覆盖领域包括机器学习、计 算机视觉、自然语言处理和语音等。
先知应用涵盖销售及营销、风险管理、运营效率。第四范式在先知平台上提供 大量不断增长且适用于特定场景的 AI 应用，用户可轻松安装部署，企业级人工智能 应用商店为用户提供选择，整合并兼容算法和标准以及在 Sage AIOS 上开发的一组 AI 应用，满足用户在不同场景下对智能操作的需要。先知应用类别可分为 1）销售 及营销：应用包括数字运营平台、精准营销、销售预测；2）风险管理：应用包括反 欺诈平台、反洗钱解决方案、异常预测；3）运营效率：应用包括智慧供应链、智能 客服、智能生产规划。
2. SHIFT 智能解决方案：对不同行业业务场景打造标准化解决方案
标准化解决方案助力行业数字化智能化转型。SHIFT 智能解决方案是在先知 AI 平台基础上，针对不同行业业务场景打造的标准化解决方案，使技术、能力深入更 广泛的行业及场景，解决传统企业关键业务问题并推动行业数字化智能化转型。2024 年公司推出多款面向不同应用场景的解决方案，持续更新迭代原有解决方案的功能 和效果，达到不同垂直场景下对准确率、可靠性、实时性等企业特性要求，目前已应 用于金融、能源电力、医疗、零售、运营商、交通运输、学术翻译等重要行业。
3. 式说 AIGS 服务：生成式 AI 赋能软件开发，提升开发效率
AIGS Builder 降低开发门槛，AIGS CodeX 实现代码提效。式说 AIGS 服务是 基于第四范式式说大模型能力打造的生成式 AI 软件开发平台，通过自动生成代码片 段、知识库应用、自动代码审查及部署等功能，减少手动编码时间，提高开发效率。 公司持续迭代并优化以下两种产品： 1）AIGS Builder：拥有 AI Agent、无代码编程、多工具调用能力，可实现智能 化软件前后端及数据库的开发、改造和部署等全栈能力，帮助无代码基础人员进行 软件开发，企业软件开发效率从“月级别”变为“日级别”甚至“小时级别”，改造 后的企业软件内置新型多模态“对话框”交互形式，改变传统软件交互复杂且效率 低的问题，提升企业软件用户体验； 2）AIGS CodeX：涵盖代码补全、业务问答、代码审查、单元测试、代码解释 等基础功能，并且针对企业级客户技术特点和编码风格，AIGS CodeX 能够差异化 打造企业私域代码仓库集成，结合 RAG 检索增强及私域模型微调，实现业务代码生 成效率、业务问答效果双效增长。
SageGPT 重新定义终端用户雇员与业务系统互动模式。SageGPT 具有多模态 互动能力及企业级人工智能工具特性，能够连接终端用户现有业务系统、人工智能 应用及内部数据库。交付方式上：1）通过在终端用户的服务器上本地部署软件使用 许可；2）销售预装了 SageGPT 软件的服务器及其他相关硬件交付。SageGPT 与 用户现有业务系统、人工智能应用及内部数据库兼容，且无需购买其他产品或服务。 SageGPT 主要优势包括安全数据、可信内容、成本效益三个方面。1）安全数据： SageGPT 可在本地部署，无需大型外部模型，终端用户数据会在本地保留及处理； 2）可信内容：SageGPT 处理来自可信来源的数据，包括终端用户现有人工智能应 用、业务系统及内部数据库，支持知识图谱交叉验证以确保生成内容的可靠性和准 确性，并识别原始来源以作核实；3）成本效益：简化了 SageGPT 人工智能模型和 生成流程，需要较少算力，无需终端用户在算力和硬件方面大量成本和投资。 新品牌 Phancy 开拓 C 端消费电子业务，赋能消费电子公司低门槛、低成本生 产 AI 产品。2025 年 3 月 18 日，第四范式创始人、董事长戴文渊宣布成立“范式集 团”，原第四范式业务成为范式集团核心 ToB 企业端子业务，同时推出全新品牌 Phancy 布局 ToC 端消费电子业务。Phancy 市场定位是为消费电子产品提供基于 AI Agent 的软硬件一体的解决方案，通过智能体模组在消费电子产品（端侧）实现 AI Agent 能力，相关合作公司包括宏碁、康佳、联想、喜马拉雅、中科蓝讯等，目前 Phancy 相关模组已与联想合作出货超 10 万款智能手表产品。Phancy 新业务板块 的设立助力范式集团实现 B、C 两端客户覆盖，在发挥 B 端核心优势同时，通过 Phancy 能力输出赋能消费电子公司生产低门槛、低成本 AI 产品。 目前 Phancy 业务板块主要产品及解决方案包括端侧 AI Agent 模组、AI 耳机 解决方案、AI 手表解决方案。端侧 AI Agent 模组致力于传统设备成为智能助手；AI 耳机解决方案用智能听觉重塑交互体验；AI 手表解决方案实现腕间数据决策智能。
1.2 深耕 AI 创新技术，推动 AI 从“技术”演变为“基础设 施”实现 AI 普惠化
第四范式 AI 技术实力雄厚，以“AutoML”为核心打造企业数字化转型“新质 生产力”。公司作为人工智能技术创新者，以“AutoML”为核心围绕多技术领域持续 投入并深入探索，目前已有多项人工智能技术研究及应用成果落地，推动 AI 普惠化 进程。公司核心技术层涵盖预测技术、感知技术、决策技术、AI 基础架构和其他领 域技术。其中预测技术中包含自动机器学习技术（AutoML）：1）自动特征工程：提 供分布式多表时空特征挖掘算法，提高效率全面挖掘相关特征，提供时间自适应的 自动机器学习解决方案，让数据根据时间变化自动适应，保证机器学习效果；2）自 动模型搜索：自动深度稀疏网络减少不必要的连接，让网络运行更快的同时节省资 源，神经网络架构搜索能够自动探索和寻找最优的神经网络结构。
第四范式致力于 AI 技术创新，推动 AI 从“技术”演变为“基础设施”，有效降 低门槛实现 AI 普惠化。第四范式核心 AI 技术包括自动机器学习、迁移学习、环境 学习、自动强化学习。公司引领 AI 技术领域前沿研究方向，四类核心技术应用于商 业解决方案。1）自动机器学习实现机器学习流程自动化，有利于降低人工参与成本； 2）迁移学习实现人工智能应用扩展至数据敏感、数据稀缺行业，解决隐私问题；3） 环境学习降低模型成本并确保安全；4）自动强化学习实现自动化训练机器模型在动 态、不确定、潜在困难环境中作出一系列决策。
第四范式与国际顶尖高校、研究机构深度合作，完善产学研体系。公司在进行 技术研发的同时与国内外顶尖高等院校及研究机构建立深度合作关系，形成深厚的 人工智能学术积累和完善的人才培养机制，合作成果显著，核心专家顾问团队覆盖 AI 研究众多领域，包括 AI 计算和存储基础架构研究、自然语言处理、自动迁移学习 和自动弱标记、智慧医疗、大规模分布式优化算法、自动化鲁棒学习、语音和自动图 学习与小样本学习。目前公司已获得超过 20 个 AI 竞赛世界冠军、超过 20 次顶级学 术比赛主办权、300 多份核心专利以及发表 400 多份顶级学术论文，产学研体系完 善验证公司技术实力。
1.3 股权结构集中，管理层经验丰富
第四范式股权结构集中，戴文渊博士为第一大股东及实际控制人。公司股权穿 透图显示戴文渊为第一大股东及实际控制人，股份占比 22.79%，范式（天津）管理 咨询合伙企业（有限合伙）为第二大股东，股份占比 12.44%；公司 100%控股 5 家 公司：式数字科技（武汉）有限公司、范式数字科技（广州）有限公司、上海式说智 能科技有限公司、北京范式医药有限公司、第四范式（北京）技术有限公司，45%控 股深圳微克科技有限公司。
公司管理层经验丰富，戴文渊博士为公司董事会主席、执行董事、首席执行官 兼总经理。戴文渊博士主要负责公司整体战略规划、业务及技术方向以及运营管理， 戴博士在学术研究方面成就显著，在 NIPS、ICML、AAAI 及 KDD 等领先机构的学 术会议上成功发表论文，2005年4月获得ACM国际大学生程序设计竞赛世界冠军； 陈宇强先生担任公司执行董事兼首席研究科学家，主要负责技术与产品研发的整体 管理；于中灏先生担任公司执行董事、副董事长兼高级副总裁，主要负责投资及融 资、财务、法律及投资后相关事宜的整体管理；胡时伟先生担任公司总裁兼首席架 构师，主要负责整体战略规划、管理业务及销售、客户成功、整体技术管理以及产品 架构及设计；郑曌先生担任公司副总裁，主要负责领导人工智能技术架构规划以及 相关产品及技术研究；刘楠先生担任公司首席财务官、董事会秘书，主要负责集团 财务战略规划决策，投资者关系和董事会相关工作。
1.4 营业收入高速增长，经调整净亏损持续收窄迎来利润释放
收入端：先知 AI 平台业务收入驱动营业收入高速增长。公司营业收入自 2020 年 9.42 亿元增长至 2024 年 52.61 亿元，CAGR 达 53.73%，2024 年收入增长主要 原因是“AI Agent+垂类世界模型”战略迅速渗透和生态产品加速落地，第四范式先 知 AI 平台业务收入大幅增长驱动总收入增长，同时公司扩大客户基础，提升客户服 务深度和用户粘性，深耕能源电力、金融、运营商、交通运输等行业，并继续在制 造、医疗、零售、水利等战略领域积极布局拓展，实现行业纵深覆盖；2025 年中期 营业收入 26.26 亿元，同比增长 40.73%，主要由于公司深入推进“AI Agent+世界 模型”落地及应用，企业客户高价值场景下 AI 转型需求，核心业务先知 AI 平台收 入大幅增长驱动营业总收入上升。 利润端：经调整净亏损逐渐收窄预计将迎来利润释放。公司经调整净利润 2020 年达-3.90 亿元，亏损率为 41.4%，2021 年亏损增加至 5.59 亿元，由于营收高速增 长亏损率下降至 27.7%，2022 年起亏损逐渐收窄且亏损率逐渐下降，2024 经调整 净利润为-2.92 亿元，亏损率收窄至 5.55%，2025 年中期经调整净利润-0.51 亿元， 亏损率继续收窄至 1.94%，预计未来年度将迎来利润释放。
营业收入构成：AI 市场需求、AI 大模型和生成式 AI 赋能产品驱动先知 AI 平台 收入增长。分部收入来看，2020-2022 年公司按先知平台及产品、应用开发及其他 服务口径拆分，2023-2025H1 进一步细分为先知 AI 平台、SHIFT 智能解决方案、 式说 AIGS 服务三类业务。
先知平台业务作为公司核心业务板块是驱动营业收入增长的主要因素：先知平 台业务收入从 2020 年 6.19 亿元增长至 2024 年 36.76 亿元，CAGR 达 56.1% 呈高速增长趋势，2024 年先知 AI 平台收入 36.76 亿元相比 2023 年 25.06 亿 元同比增长 46.7%，收入占比从 59.6%增加至 69.9%，收入增长主要原因是整 体 AI 市场需求增加以及公司大模型和生成式 AI 能力对产品赋能，驱动先知 AI 收入增长；2025 年中期先知平台实现收入 21.49 亿元，同比增长 71.9%，收入 占比上升至 81.8%，成为驱动营业收入增长核心动力，期间内先知 AI 平台全面 升级，底层算力平台、提供企业级特性的 AIOS 操作系统到顶层全套软件 SageSuite，提供全方位、高效率及高性价比的 AI 数字化转型基础设施和全流 程模型及软件开发工具链。
SHIFT 智能解决方案 2024 年收入达 10.22 亿元，同比下降 20.3%，主要原因 是该部分业务开拓和发展均为支持先知 AI 平台业务增长，受业务拓展策略影响 有所下降；2025 中期收入 3.71 亿元，占比 14.1%，公司调整业务定位，未来 更加聚焦于重点行业及战略客户的前沿应用场景。
式说 AIGS 服务 2024 年收入达 5.63 亿元，同比增长 35.3%，主要原因是公司 在期间内持续迭代和优化企业级软件重构助手 AIGS Builder、企业级编程助手 AIGS CodeX 等产品，实现降低开发门槛、提高代码开发效率目标；2025 中期 收入 1.06 亿元，占比 4.1%，将继续为先知 AI 平台业务提供高效开发工具和服 务。
营业收入分行业：金融行业、能源与电力行业企业客户为公司主要营业收入来 源。收入分行业来看，2020-2022 年金融行业和能源与电力行业收入占比较高，是 公 司 营 业 收 入 主 要 来 源 ， 2020/2021/2022 年 金 融 行 业 营 业 收 入 分 别 为 2.92/5.77/5.20 亿元，占比 31.0%/28.6%/16.9%，能源与电力行业营业收入分别为 1.38/4.42/6.27 亿元，占比 14.6%/21.9%/20.3%，公司官网披露对应行业领先企业 客户包括中国石油、国家电网、中国工商银行、交通银行等；2022 年新增运输行业 收入达 4.05 亿元，占比 13.1%，电信、科技、教育、制造、零售、医疗保健等行业 收入普遍上升。公司深耕金融行业（银行、证券、保险）、能源与电力、运营商、交 通运输行业同时，持续开拓制造、零售、医疗保健行业新市场实现营业收入增长。
标杆用户数量及平均收入：标杆用户量价齐升驱动收入增长，客户粘度及付费 意愿良好。标杆用户数量从 2020 年 47 个增加至 2024 年 161 个，CAGR 达 36.0%， 标杆用户平均收入从 2020 年 12.3 百万元增加至 2024 年 19.1 百万元，CAGR 达 11.6%，公司不断扩大客户基础，实现更大范围行业纵深覆盖，加速渗透标杆用户市 场，实现标杆用户量价齐升有力驱动营业收入增长；净收入增长率（NEDR）保持较 高水平，体现公司客户粘度及付费意愿良好，客户留存率及客户满意度高，有利于 未来收入持续性增长；2025 年中期标杆用户数量达 90 个，相比去年同期增加 4 个， 标杆用户平均收入达 17.9 百万元，同比增长 56.6%，体现第四范式先知 AI 平台正 成为企业 AI 生产力基础设施。
费用端：高研发投入打造先知 AI 平台核心竞争力，研发费用率趋于稳定，销售 费用、管理费用及费用率持续回落，费用结构逐渐优化。 研发费用：公司保持高研发费用投入，持续投资于解决方案及技术的开发及提 升，研发费用自 2020 年 5.66 亿元增长至 2024 年 21.70 亿元，CAGR 达 39.9%呈 高速增长趋势，2024 年研发费用同比增长 22.7%，主要原因是与研发相关的云服务 及相关技术服务费增加，由于营收高速增长研发费用率逐渐回稳，从 2020 年 60.1% 回落至 2024 年 41.3%，有利于优化费用结构；2025 年中期研发费用 8.93 亿元，同 比增加 5.1%，聚焦提升行业场景落地能力、产品性能、AI 生成式软件开发技术以及 开源机器学习等关键前沿技术，研发费用率进一步回落至 34.0%，费用结构优化。 销售费用：销售费用从 2020 年 2.48 亿元增长至 2021 年 4.55 亿元，同比增长 83.6%，主要原因是公司在这一期间持续提升品牌知名度并投资现有客户及吸引新 客户，提高销售人员薪酬并增加广告投放支出，2022 年起销售费用逐渐回落，2024 年回落至 1.93 亿元，主要原因是公司优化品牌推广策略，满足品牌需求同时适当控 制营销及品牌活动推广开支，因此销售费用率从 2020 年 26.3%下降至 2024 年 5.1%； 2025 年中期销售费用 1.89 亿元，销售费用率 7.2%，主要由于公司加大广告投入。 管理费用：管理费用从 2020 年 2.46 亿元增长至 2021 年 5.42 亿元，同比增长 119.8%，主要原因是公司增加员工福利开支以及股份支付薪酬，2022 年起管理费用 逐渐回落，2024 年回落至 1.93 亿元，主要原因是上市费用相关开支减少，因此管 理费用率从 2020 年 26.1%下降至 2024 年 3.7%；2025 年中期管理费用 0.86 亿元， 管理费用率下降至 3.3%，管理费用进一步优化。
毛利及毛利率：毛利水平持续上升，新行业新用户布局及产品结构变化引起毛 利率回落，2024 年毛利率 42.7%，2025 年中期毛利率 37.7%。公司毛利从 2020 年 4.30 亿元增长至 2024 年 22.48 亿元，CAGR 达 51.2%，毛利率 2020-2022 年持续 上升，2022 年达 48.2%，主要原因是毛利率较高的软件许可业务收入贡献增加， 2023 年毛利率略降至 47.1%，主要原因是公司业务持续渗透进新领域及新用户案例 中，导致硬件和技术服务费占收入比例上升，2024 年毛利率回落至 42.7%，主要由 公司产品结构变化引起，2025 年中期毛利 9.90 亿元，同比增长 25.4%，毛利率下 降至 37.7%，主要由于客户需求推动硬件相关成本占比上升；分部来看，2020-2022年先知平台及产品毛利及毛利率水平高于应用开发及其他服务毛利及毛利率，期间 内两者毛利均上升，先知平台及产品毛利率从 2020 年 45.2%上升至 2022 年 53.4%， 应用开发及其他服务毛利率趋于稳定，2022 年达 43.4%。
2.1 中国人工智能行业市场分析
行业政策层面：近年来国家出台多项关于支持或规范人工智能行业建设的相关 政策。从 2021 年 9 月科技部发布《新一代人工智能伦理规范》，对人工智能各类活 动应当遵循的伦理规范进行相对系统性指引，促进人工智能行业健康发展，到 2024 年 6 月工业和信息化部等四部门发布《国家人工智能产业综合标准化体系建设指南 （2024 版）》，对 2026 年人工智能产业高质量发展标准体系提出展望，提升标准与产业科技创新的联动水平，同时新制定国家标准和行业标准 50 项以上，并参与制定 国际标准 20 项以上，助力人工智能产业全球化发展。 2025 年 8 月 26 日，国务院发布《国务院关于深入实施“人工智能+”行动的意 见》，聚焦“人工智能+”行动，推动人工智能与社会各行业各领域广泛深度融合， 以科技、产业、消费、民生、治理、全球合作等领域为重点，加快培育发展新质生 产力。计划到 2027 年率先实现人工智能与 6 大重点领域广泛深度融合，新一代智 能终端、智能体应用等普及率超 70%，到 2030 年普及率超 90%，到 2035 年全面 步入智能经济和智能社会发展新阶段。
应用领域和市场规模层面：中国人工智能市场规模高速扩张，决策类人工智能 预计未来增长最快。中国人工智能行业可按照应用领域分为四大类别，决策人工智 能、视觉人工智能、语音及语义人工智能和人工智能机器人。1）决策人工智能：识 别数据中隐藏规律，指导基于数据洞察的决策过程，并解决核心业务运营密切的问 题，应用场景包括智慧营销、风险管理、供应链管理；2）视觉人工智能：基于视觉 数据识别、追踪和测量物体，将信息转化为洞察和判断，应用场景包括智能门禁、公 共安全监控、光学字符识别；3）语音及语义人工智能：与人类识别、生成和交换语 音、文本等语言信息，在某些重复沟通场景中节省人力，应用场景包括智能客服、智 慧转录、交互式语音应答；4）人工智能机器人：代替人类执行某些重复性高或危险 的任务，应用场景包括工业机器人、自动导引车、手术机器人。 根据灼识咨询报告显示，2022 年中国人工智能支出达 2255 亿元人民币，预计 2027 年将增长至 6910 亿元人民币，CAGR 为 25.1%，其中决策人工智能有望成为 增长最快的类别，2022 年中国决策人工智能市场支出规模为 532 亿人民币，预计 2027 年增长至 2104 亿元人民币，CAGR 为 31.7%。
2.2 中国决策类人工智能市场分析
决策类人工智能平台与单点解决方案：以平台为中心的决策类人工智能解决方 案与单点解决方案有所不同，除了提供人工智能应用和基本计算基础设施外，还能 为终端用户提供人工智能开发平台，为用户提供统一开发标准、高兼容性并能根据 实际需求灵活扩展应用。
中国决策类人工智能市场规模：2018 年以平台为中心的决策类人工智能市场规 模 10 亿人民币，2022 年增长至 128 亿人民币，CAGR 达 87.7%，预计到 2027 年 市场规模达 749 亿人民币，预计 CAGR 达 42.3%；非以平台为中心的决策类人工智 能市场规模 2018 年 99 亿人民币，2022 年增长至 403 亿人民币，CAGR 达 42.2%， 预计到 2027 年市场规模达 1355 亿人民币，预计 CAGR 达 27.4%；总体来看决策 类人工智能市场规模从2022年109亿元增长至2022年532亿元，CAGR达48.6%， 预计到 2027 年市场规模达 2104 亿人民币，预计 CAGR 达 31.7%。两者区别主要 在于人工智能开发和部署以满足不断变化需求方面的潜力，包括更多人工智能应用 场景中的扩展性和兼容性。
3.1 反恐军工行业起家，目前逐步拓展到政务、国防、金融、 零售、航天等各行业
2003 年 Palantir 创立于美国科罗拉多州，起初旨在开发反恐行动软件，2010 年摩根大通成为首位商业用户，随后逐步拓展至政务、国防、金融、零售、航天等 各行业。公司创始人为 Peter Thiel，Alex Karp 以及其他毕业于斯坦福计算机系和来 自 PayPal 计算机编程人才，科研实力突出。2005 年公司获得美国中情局（CIA）风 险投资部门 In-Q-Tel 的首轮投资，CIA 成为公司唯一大客户；2008 年起，政府客户 逐渐拓展至国防部、国家安全局、联邦调查局，发布全球决策系统 Gotham；2010年，摩根大通成为 Palantir 首位商业客户，业务从军工政务拓展至商业领域；2016 年，发布现代企业操作系统 Foundry 商用平台；2018 年推出 Apollo；2020 年，纽 约证券交易所上市；2023 年推出 AIP 平台；2024 年，公司上市转移至纳斯达克。
3.2 四大旗舰平台构建大数据到 AI 产品矩阵
Palantir 聚焦开发国防安全与企业数据分析软件。目前公司已打造四大旗舰平 台：Gotham、Foundry、Apollo 以及 Palantir 人工智能平台 AIP。1）Gotham：协 助用户在海量机密与公开数据中挖掘深层模式，提升情报研判与反恐行动效率；2） Foundry：建立数据中央操作系统，重塑企业供应链、制造、金融等场景的运营流 程，强化可视化与决策支持；3）Apollo：持续推送功能升级、安全修补和配置，确 保任务关键系统全天候运转；4）AIP：让组织能在内部安全启用大型语言模型与生 成式 AI，并落实人工智能治理与合规。
（1）Gotham（军工、政府）：最初为国防和情报部门政府特工建立，目前广泛用于 政府职能，但也对商业客户提供服务，包括与欺诈有关的金融行业客户。核心能力 包括赋能 AI 杀伤链（Powering the Kill chain）、任务传感与执行装置（Task sensors & effectors）、全域行动中心（Ops Center anywhere）。
赋能 AI 杀伤链：定位是通过 AI 驱动的杀伤链为士兵提供支持，有效整合目标 识别与目标执行的配对流程，在现代战场环境中 Gotham 能够简化关键决策流 程，操作人员的形势感知能力与任务效能得到提升。用户可以集中管理情报收 集和目标识别，并利用共享和访问控制的通用情报、操作和目标画面来可视化 战斗顺序。
任务传感与执行装置：Gotham 能够根据 AI 驱动的规则或人机控制的手动输 入，对从无人机到卫星的传感器进行自主任务分配。通过与现有卫星系统集成、 优化数百个轨道传感器来回答时间敏感问题，允许在世界任何地方执行卫星任 务；实现模型的精准、动态编排，确保恰当的模型在正确的时间和地点处理对 应的传感器数据，这些模型可在卫星、无人机及其他边缘设备上运行，进而将 探测结果与分析洞察回传至操作人员端；与行业标准的数据连接格式及 API 实 现互操作。
全域行动中心：无论在行动中心（center）还是边缘节点（edge）都能充分发 挥平台全部效能，能沉浸在动态环境中并打通物理与数字世界之间壁垒。混合 现实（Mixed Reality）：能让操作人员与指挥官在边缘环境中的虚拟行动中心 内开展协同工作；边缘环境打造（Built for the Edge）：Gotham 边缘计算能力 使操作人员即便在最恶劣、网络中断且部署分散的环境中也能获取关键情报。
（2）Foundry（商业）：通过将数据和模型集成到运营工作流（workflows）中而不 中断已建立的系统，增强和扩展现有的数据基础设施。支持双向数据流，允许在平 台内生成的数据自动更新回企业系统；通过详细的跟踪和精细的访问控制来实施强 大的治理，使其能够适应复杂、不断发展的企业战略，同时保持数据完整性和合规 性。目前 Foundry 已经助力企业在许多场景进行实践，包括打造更安全的汽车、保 障全球供应链安全、加速癌症研究等。
Foundry 核心优势是本体系统（Ontology System），能够整合企业业务中语 义元素（Semantic）、动能元素（Kinetic）和动态元素（Dynamic），帮助团队 在复杂场景下协调决策流程、实现决策自动化。 Ontology 凭借能够表征企业对象、行为和流程的通用逻辑更快推进业务，具体 来看包括以下步骤： 1）激活数据和分析的能力：将数据与分析直接融入核心业务及运营团队的日常 决策过程，同时记录决策内容，为持续学习提供支持； 2）全面升级协作能力：实现数据团队、分析团队与运营团队之间的实时协作， 将决策流程整合到统一的逻辑层中，在情况变化时实施有效行动； 3）最佳构建方式：在具备可扩展性的架构上构建由人工智能驱动的工作流—— 可复用源自 Ontology 的多模态对象、行为与流程； 4）杜绝重复：整合企业架构中的数据与模型，无需复制基础资产及破坏现有事 实来源。
应用端：Foundry 目前已在资产管理（Asset Management）、生态系统 （ Ecosystems ）、 供 应 链 （ Supply Chain ）、 工 程 制 造 （ Engineering & Manufacturing）、医疗服务（Healthcare Delivery）、金融服务与风险管理 （Financial Services & Risk Management）等领域获取到众多高价值客户并提 供有效服务。
（3）Apollo：是一个全面的 DevOps 平台（开发与运维），用于管理不同环境中的 软件部署，并自动执行持续集成和交付流程；简化了部署管道，支持在本地、云和混 合设置中快速交付功能并实现稳定的性能。 软件控制中心（Software Control Center）：用户全面了解、控制整个部署环 境，Apollo Auto - discovery Agent 数小时内了解软件环境，包括软件位置、 版本、活跃度、就绪情况等信息；实时软件目录（Live Software Catalog）实 现全面可见性，包括所有可用软件、元数据和最新版本的实时软件清单；大规 模提供新功能和更新，准确了解所有环境中发生的情况。 随处运行（Run Anywhere）：随时随地与开发人员和运营团队会面，并且可以灵活 映射到任何部署环境；与现有 DevSecOps 工具链集成，组织可以专注于提高速度。
（4）AIP（Artificial Intelligence Platform）：核心理念是构建 AI 操作系统（AIOS）， 将 GPT-4 等多种大语言模型（LLM）集成到客户的私有网络中，提供私域数据的 AI 平台，并驱动工具和相关决策调用。AIP 提供平台和工作流构建器，创建、部署和管 理 AI 应用程序，不是简单集成聊天，而是让开发人员能够将应用程序中的 AI 转化 为代理和自动化。
具体来看，AIP 主要应用场景可分为以下：
为工作流构建器（Workflow Builder）设计：在 AI 工作流构建器中构建 AI apps、操作、Agent 应用。1）AI 驱动数据管道（Pipelines）：将大型语言 模型（LLM）集成到数据管道中并大规模运行，内置错误处理、自动重试、 输出模式保障等工具；2）AI 驱动逻辑构建：构建、测试并发布功能丰富的 人工智能驱动型函数；3）工作流可视化（Workflow visualization）：自动 识别能连接本体 Ontology 到应用端的物体、函数和行为，理解实体之间关 系；4）工作流监控（Workflow monitoring）：记录已执行的操作实现工 作流的优化与故障排查（debug workflows）；
端到端评估工具助力 AI 驱动工作流生产：1）调试逻辑（Debug logic）： 对 AIP 逻辑函数和提示词进行调试和优化，对于文本输出也确保 AI 功能达 到生产质量级标准；2）模型对比：在函数上对比不同 AI 模型性能表现， 实现成本与性能双重优化；3）持续监控性能：自定义 AI 性能基准进行持续度量，结果会同步至指标仪表盘供查看；
本体软件开发工具包（Ontology SDK）：1）用业务语言构建 AI apps：基 于统一、以决策为核心的企业模型开发 AI 应用，模型包含高保真度对象、 逻辑与操作；2）从集成开发环境（IDE）中使用工具包（Ontology SDK）： 让开发者能在适应的集成开发环境（如 VS Code）中，使用工具包进行 AI 应用开发；3）最大化复用能力（Maximize reusability）：AI 应用构建成 本降至趋近于 0；
探索智能解决方案和应用示例：1）AIP Now：不断扩充“开箱即用”型 AI 产品及智能工作流；2）Build with AIP：获取平台内持续丰富的入门套件、 模板及其他可安装的工作流基础组件，支持用户即刻启动开发并根据定制 化需求调整；3）Learn AIP：探索整理好的例子、教程及学习资源，提速 增效构建流程。
3.3 Palantir 政企业务收入同步上升，已实现利润兑现
收入端：Palantir 营业收入从 2018 年 5.95 亿美元增长至 2024 年 28.66 亿美 元，CAGR 达 30.0%，2025H1 营业收入 18.88 亿美元，同比增长 43.9%，期间推 出 Apollo 和 AIP 产品驱动营业收入高速增长。具体来看，2024 年收入大幅超预期 核心驱动因素包括 1）AI 商业需求爆发：Palantir AIP 平台实现规模化应用，覆盖医 疗、汽车等行业，商业用户收入增长迅速，企业端对 AI 需求逐渐增加；2）政府业 务与战略合作深化：长期为美国政府、军方提供数据分析支持，通过 AI 辅助军事决 策，与微软等巨头合作进一步巩固政府及企业端市场地位；3）低成本算力与 AI 行 业趋势红利：Palantir AI 训练成本显著下降推动利润率上升，全球 AI 应用发展潮流 持续存在，Palantir 作为“AI+数据分析”领域头部企业受益于 AI 行业趋势红利。 利润端：Palantir 归母净利润从 2018 年-5.98 亿美元增长至 2024 年 4.62 亿美 元，2023 年实现扭亏为盈达 2.1 亿美元并持续增长，2025 年中期归母净利润达 5.41 亿美元，同比增长 125.4%（2024 年同期为 2.4 亿美元），归母净利率从 2023 年 9.4%，2024 和 2025 年中期分别达 16.1%、28.7%，归母净利率水平持续上升。
分部收入来看：政府业务收入从 2018 年 2.55 亿美元增长至 2024 年 15.70 亿 美元，CAGR 达 35.4%，商业业务收入从 2018 年 3.40 亿美元增长至 2024 年 12.96亿美元，CAGR 达 25.0%，2025 年中期政府业务收入 10.40 亿美元，同比增长 47.3% （2024 年同期为 7.06 亿美元），商业业务收入 8.48 亿美元，同比增长 39.9%（2024 年同期为 6.06 亿美元），政府及商业业务收入呈现高速同步增长趋势。 边际变化来看：7 月美国陆军授予 Palantir 100 亿美元企业协议，旨在巩固并扩 大其在人工智能、数据整合和数字战场等多个国防项目中的作用，合同将持续到 2035 年 7 月 31 日，合同范围涵盖将人工智能融入任务规划、后勤保障、情报分析 和战术行动。
（本文仅供参考，不代表我们的任何投资建议。如需使用相关信息，请参阅报告原文。）
