1. 投資摘要
第四範式（6682.HK）的 AI 產業鏈定位：第四範式是企業 AI 平台和 Agentic AI 軟體公司，鏈上位置是“AI PaaS/模型管理/行業智慧代理/企業軟體生成”。 1 4
AI 硬錨：2025 年 AI Platform 營收 65.52 億元，年增率增長 32.0%，佔集團總營收 91.8%；API 業務營收 7990 萬元，年增率增長 129.2%；Agentic AI 營收 5.03 億元，年增率增長 93.2%。 4 5
最新財務硬數：2025 年總營收 71.35 億元，年增率增長約 35.6%；經調整歸母淨利 1784 萬元，實現扭虧；2025H1 營收 26.26 億元、毛利 9.904 億元、毛利率 37.7%。 1 2
最新事件：2026-03-30，公司釋出 2025 年報；2025 年第三季度首次實現單季度盈利，ModelHub XC 於 2025-09-22 釋出。 2 3
核心產品：4ParadigmSage、SageGPT/AIGS、ModelHub XC、HAMi vGPU、PhanthyCloud、SHIFT 智慧解決方案。 4 5
競爭參照：商湯、雲端從、百度智慧雲端、阿里雲端、華為雲端、C3.ai、Palantir、DataRobot。 7 8
本文不提供價格結論、交易方向或配置比例判斷，只做事實整理、產業位置拆解和可追蹤指標架構。1
關鍵缺口：AI 單獨營收、單客戶佔比、按模型/晶片/雲端資源拆分的毛利和資本支出，多數公司並未完整揭露，本文統一標註為 [未充分揭露]。1 6
2. 產業鏈位置
第四範式不是簡單的“AI 概念股”，而是在 AI 產業鏈中承擔特定環節：第四範式是企業 AI 平台和 Agentic AI 軟體公司，鏈上位置是“AI PaaS/模型管理/行業智慧代理/企業軟體生成”。 這個定位決定了營收彈性、毛利天花板和資本支出強度都要按環節分析，而不能直接套用訓練 GPU、雲端廠商或通用軟體公司的架構。1 4
鏈條節點 公司暴露 證據口徑 投研含義 上游依賴 核心晶片、雲端資源、車規 IP、GPU、網路、資料中心或行業資料，視公司業務而定 採購比例多數未揭露 若上游價格/供給受限，毛利和交付會先受壓 自身能力 產品、演算法、平台、工程交付和行業客戶認證 產品頁和財報揭露 決定是否有差異化，而非只看營收增速 下游客戶 企業、運營商、車廠、政府、雲端客戶或消費電子客戶 客戶名單和集中度多未揭露 驗收週期和議價能力決定現金流量 AI 增量 端側推論、Agentic AI、AI Cloud、LLM 監控、資料中心或視覺 AI 直接營收少數揭露，多數需 proxy 必須把“AI 營收”與“AI 敘事”分開 財務驗證 營收、毛利率、淨利、CFO、資本支出 最新財報和季度材料 判斷 AI 增量是否真正轉成獲利和現金
3. AI相關營收拆解
已揭露硬錨：2025 年 AI Platform 營收 65.52 億元，年增率增長 32.0%，佔集團總營收 91.8%；API 業務營收 7990 萬元，年增率增長 129.2%；Agentic AI 營收 5.03 億元，年增率增長 93.2%。 4 5
財報口徑：2025 年總營收 71.35 億元，年增率增長約 35.6%；經調整歸母淨利 1784 萬元，實現扭虧；2025H1 營收 26.26 億元、毛利 9.904 億元、毛利率 37.7%。 1 2
AI 直接營收：若公司未單列 AI 營收，本文不把全部營收視為 AI 營收，只按產品和客戶場景建立 proxy。
AI proxy 1：與 AI 產品、AI Cloud、智慧代理、NPU、LLM Observability、車載 AI 或資料中心相關的營收線索。
AI proxy 2：與 AI 需求同步變動的客戶專案、ARR、平台營收、IDC/雲端營收或 Core IoT 營收。
AI proxy 3：若只揭露產品進展而未揭露金額，則只寫“技術/產品暴露”，不寫營收規模。
未揭露項：單一 AI 客戶、AI 產品毛利、AI 資本支出、AI 訂單轉營收週期和 AI 相關存貨均按 [未充分揭露] 處理。
專案 口徑 可用數字 證據等級 解釋 總營收/最新營收 公司最新財報 2025 年總營收 71.35 億元，年增率增長約 35.6%；經調整歸母淨利 1784 萬元，實現扭虧；2025H1 營收 26.26 億元、毛利 9.904 億元、毛利率 37.7%。 A/B 以公司 IR、交易所揭露或 SEC 為優先 AI 直接營收 公司是否單列 [未充分揭露] 或見上文硬錨 B/C 少數公司揭露平台/API/AI Cloud營收，多數只揭露產品線 毛利率 公司整體或分部 見最新財務硬數 A/B 判斷 AI 放量是否稀釋獲利 資本支出 資料中心/產線/裝置 [未充分揭露] 或財報口徑 B AI 雲端和半導體公司尤其重要
4. 核心產品
4ParadigmSage/Sage AI Platform：企業 AI 平台主線，2025 年 AI Platform 營收 65.52 億元、佔集團營收 91.8%，是公司最核心的營收錨；後續重點看平台營收增速和毛利率。 4 5
SageGPT/AIGS：面向企業軟體生成和業務流程重構，2025 年 Agentic AI 營收 5.03 億元、年增率增長 93.2%；該線索可作為生成式 AI 商業化硬錨。 4 5
ModelHub XC：2025-09-22 釋出，定位為企業模型管理與應用開發相關平台；目前可作為產品進展證據，具體營收貢獻 [未充分揭露]。 3 4
HAMi vGPU：用於 GPU 虛擬化和算力資源管理，幫助企業提高 GPU 使用效率；採購成本、客戶付費和分部毛利 [未充分揭露]。 4 6
PhanthyCloud：雲端化/算力管理相關產品線，適合作為 AI 基礎設施 proxy；若缺少獨立營收揭露，不應直接倒推為 AI 雲端營收。 4 6
SHIFT 智慧解決方案：行業解決方案交付線，可能帶來營收規模，但專案制屬性更強；需要用驗收、回款和毛利率判斷是否稀釋平台質量。 2 6
產品驗證方法：只把公司官網、財報、交易所公告或正式 IR 材料當作 A/B 級證據；媒體報道只用於補充事件時間線。
產品風險：AI 產品可能提升客戶粘性，但若硬體 BOM、雲端資源或人力交付佔比過高，規模增長未必自動提升獲利率。
5. 上下游
方向 關鍵物件 對公司影響 揭露狀態 上游晶片/算力 GPU、CPU、NPU、車規 IP、MCU、伺服器或雲端資源 影響產品能力、交付週期和毛利 多數採購佔比 [未充分揭露] 上游軟體/模型 開源模型、商業 LLM、資料平台、開發架構 影響產品可用性和客戶匯入速度 具體成本 [未充分揭露] 上游人才 演算法、晶片、雲端平台、行業交付團隊 影響研發費用率和交付質量 人員結構多為年度揭露 下游客戶 企業、政府、運營商、車廠、雲端客戶、消費電子客戶 影響訂單穩定性和回款 單客戶佔比通常 [未充分揭露] 渠道夥伴 雲端市場、系統整合商、OEM/ODM、開發者生態 影響獲客成本和海外擴張 夥伴營收貢獻 [未充分揭露]
6. 同業與競爭格局
第四範式的競爭不能只按股票行業分類，而要按 AI 工作負載的位置來比：晶片公司比算力、功耗和生態；軟體公司比資料閉環、客戶留存和毛利；雲端/IDC 公司比電力、GPU、網路和資本成本。7 8
維度 本公司 同業參照 觀察重點 營收質量 AI 暴露與傳統業務混合 商湯、雲端從、百度智慧雲端、阿里雲端、華為雲端、C3.ai、Palantir、DataRobot。 AI 營收是否單列、是否高毛利 獲利質量 毛利率/經營獲利/淨利 商湯、雲端從、百度智慧雲端、阿里雲端、華為雲端、C3.ai、Palantir、DataRobot。 AI 增長是否稀釋獲利 客戶結構 企業/政府/車廠/運營商/雲端客戶 商湯、雲端從、百度智慧雲端、阿里雲端、華為雲端、C3.ai、Palantir、DataRobot。 是否依賴大客戶或專案制驗收 技術壁壘 產品、演算法、平台、認證、生態 商湯、雲端從、百度智慧雲端、阿里雲端、華為雲端、C3.ai、Palantir、DataRobot。 是否能形成複用而不是一次性交付
7. 護城河
企業 AI 平台營收佔比高：AI Platform 2025 年營收佔集團 91.8%，說明公司營收主軸已集中在企業 AI 平台；護城河驗證點是平台複用率和毛利率，而非單次專案規模。 4 5
Agentic AI 商業化已揭露金額：2025 年 Agentic AI 營收 5.03 億元、年增率增長 93.2%，比只揭露產品釋出更強；後續要看是否繼續擴大佔比。 4 5
行業客戶與解決方案經驗：SHIFT 等行業方案有助於進入客戶核心流程，但專案制交付可能拖累現金流量和毛利，需要與平台營收分開看。 2 6
模型管理和開發工具棧：ModelHub XC、SageGPT/AIGS 等產品將模型能力嵌入企業軟體開發和管理流程；具體客戶數、ARR 和留存仍 [未充分揭露]。 3 4
算力資源管理能力：HAMi vGPU 等工具可緩解 GPU 資源利用問題，形成與企業 AI 平台的配套能力；但晶片/雲端資源採購佔比和成本彈性未充分揭露。 4 6
研發和產品迭代投入：公司持續釋出大型模型、平台和智慧代理相關產品，說明技術路線有延續性；需要用費用率和經調整獲利驗證投入產出。 1 4
扭虧訊號：2025 年經調整歸母淨利轉正，強化平台化敘事；若後續經營現金流量與獲利背離，護城河判斷需下修。 1 2
反向提醒：AI 敘事本身不是護城河。若 AI 專案主要依賴人力交付、低毛利硬體轉售或補貼獲客，規模擴大可能拉低 ROIC。
8. 財務質量(趨勢表+杜邦+逐季)
財務分析以公司最新揭露為準：2025 年總營收 71.35 億元，年增率增長約 35.6%；經調整歸母淨利 1784 萬元，實現扭虧；2025H1 營收 26.26 億元、毛利 9.904 億元、毛利率 37.7%。 1 2
指標 最新年度/期間 口徑 質量判斷 營收 2025 年總營收 71.35 億元，年增率增長約 35.6%；經調整歸母淨利 1784 萬元，實現扭虧；2025H1 營收 26.26 億元、毛利 9.904 億元、毛利率 37.7%。 公司財報/IR 看 AI 相關產品是否貢獻增量 毛利率 見揭露硬數或 [未充分揭露] 公司財報/IR 判斷軟體化或硬體化程度 淨利 見揭露硬數或 [未充分揭露] 公司財報/IR 專案制公司需看一次性損益 經營現金流量 見揭露硬數或 [未充分揭露] 現金流量量表/IR 比淨利更能識別質量 資本支出 見揭露硬數或 [未充分揭露] 現金流量/管理層口徑 雲端和半導體需要重點追蹤
杜邦拆解
淨利率：用淨利 / 營收衡量；若揭露淨利和營收，則可計算，否則保持 [未充分揭露]。1
資產週轉：專案制、雲端基礎設施和半導體公司的資產週轉差異很大，不能跨行業硬比。6
權益乘數：若債務或可轉債較高，ROE 可能被槓桿放大；本文不把高 ROE 自動等同於高質量。1
ROIC：AI Cloud、半導體產線和資料中心需看資本支出回收期；軟體平台需看研發費用資本化和續費。2
近季橋
2025H1 營收 26.26 億元；2025 全年營收 71.35 億元；2025Q3 首次單季盈利；逐季完整獲利表、經營現金流量和資本支出未充分揭露。 2 3
季度/期間 營收 獲利 現金流量/資本支出 AI 線索 上一年度 見揭露或 [未充分揭露] 見揭露或 [未充分揭露] 見揭露或 [未充分揭露] 只採用已揭露產品/客戶/平台線索 最近中期/前三季 見揭露或 [未充分揭露] 見揭露或 [未充分揭露] 見揭露或 [未充分揭露] 只採用已揭露產品/客戶/平台線索 最近季度 見揭露或 [未充分揭露] 見揭露或 [未充分揭露] 見揭露或 [未充分揭露] 只採用已揭露產品/客戶/平台線索 下一期追蹤 見揭露或 [未充分揭露] 見揭露或 [未充分揭露] 見揭露或 [未充分揭露] 只採用已揭露產品/客戶/平台線索
9. 業績傳導
正向傳導：AI 客戶需求增加 → 營收確認或 ARR/訂單提升 → 毛利率或現金流量改善；需要用下一期財報驗證，而不是隻看新聞。1 2
正向傳導：產品從試點進入規模部署 → 營收確認或 ARR/訂單提升 → 毛利率或現金流量改善；需要用下一期財報驗證，而不是隻看新聞。1 2
正向傳導：平台/軟體 attach 提升 → 營收確認或 ARR/訂單提升 → 毛利率或現金流量改善；需要用下一期財報驗證，而不是隻看新聞。1 2
正向傳導：渠道或生態夥伴擴張 → 營收確認或 ARR/訂單提升 → 毛利率或現金流量改善；需要用下一期財報驗證，而不是隻看新聞。1 2
正向傳導：上游晶片/雲端資源供給改善 → 營收確認或 ARR/訂單提升 → 毛利率或現金流量改善；需要用下一期財報驗證，而不是隻看新聞。1 2
正向傳導：專案驗收和回款改善 → 營收確認或 ARR/訂單提升 → 毛利率或現金流量改善；需要用下一期財報驗證，而不是隻看新聞。1 2
反向傳導：硬體/雲端資源成本上升 → 獲利率下行或現金消耗擴大；若連續兩個季度發生，應下調對 AI 增量質量的判斷。1 6
反向傳導：客戶專案延期 → 獲利率下行或現金消耗擴大；若連續兩個季度發生，應下調對 AI 增量質量的判斷。1 6
反向傳導：政府/車廠/企業預算放緩 → 獲利率下行或現金消耗擴大；若連續兩個季度發生，應下調對 AI 增量質量的判斷。1 6
反向傳導：研發費用和銷售費用提前投入 → 獲利率下行或現金消耗擴大；若連續兩個季度發生，應下調對 AI 增量質量的判斷。1 6
反向傳導：一次性重組或併購攤銷 → 獲利率下行或現金消耗擴大；若連續兩個季度發生，應下調對 AI 增量質量的判斷。1 6
10. 經營拆分與反證架構
本節只拆分經營驅動，不做價格、規模口徑或市場口徑推導。判斷重點改為營收質量、毛利率、現金流量、客戶/訂單、產能利用率和產品採用是否強化業務敘事。
模組 關鍵經營變數 強敘事訊號 反證閾值 營收與採用 營收增速、ARR/訂單、客戶採用 營收增長由真實客戶採用和復購支撐 營收或訂單連續放緩，且缺少客戶採用證據 獲利質量 毛利率、費用率、現金流量 毛利率穩定，現金轉換改善 毛利率下行或現金流量惡化 競爭與客戶 客戶集中度、份額、替代風險 大客戶擴張且競爭格局穩定 客戶砍單、份額流失或替代方案加速
11. 風險
AI 直接營收未單列，市場可能高估 AI 純度。1 2
客戶集中度和專案驗收節奏未充分揭露。1 2
上游晶片、GPU、雲端資源或車規 IP 供給限制。1 2
毛利率因硬體或交付佔比上升而下行。1 2
經營現金流量與淨利背離。1 2
研發費用和併購攤銷壓制獲利。1 2
地緣、出口管制、政府預算或行業監管變化。1 2
同業價格競爭導致續費或 ASP 下滑。1 2
新產品釋出不等於營收確認。1 2
資本支出回收期長於管理層預期。1 2
12. 常見誤讀糾偏
誤讀 1：把第四範式所有營收都當成高毛利純軟體。糾偏：公司同時有平台、Agentic AI、API 和行業解決方案，SHIFT 等專案制業務要單獨觀察驗收、回款和毛利。 1 6
誤讀 2：把產品釋出等同於訂單和營收。糾偏：產品頁證明技術暴露，財報才證明商業化結果。
誤讀 3：把 Agentic AI 高增速線性外推。糾偏：2025 年 Agentic AI 營收已有揭露，但基數、客戶集中度、續費和分部毛利仍需後續年報驗證。 4 5
誤讀 4：把經調整獲利轉正等同於現金流量無風險。糾偏：專案驗收、應收賬款、股權激勵和研發投入都可能讓淨利與現金流量不同步。 1 2
13. 最新事件(帶日期)
2026-06-18：本文按已可檢索公開資料更新；未取得的新一期正式財報不做推斷。
2026-03-30，公司釋出 2025 年報；2025 年第三季度首次實現單季度盈利，ModelHub XC 於 2025-09-22 釋出。 2 3
2025 年度/最近年度：2025 年總營收 71.35 億元，年增率增長約 35.6%；經調整歸母淨利 1784 萬元，實現扭虧；2025H1 營收 26.26 億元、毛利 9.904 億元、毛利率 37.7%。 1
產品側：2025 年 AI Platform 營收 65.52 億元，年增率增長 32.0%，佔集團總營收 91.8%；API 業務營收 7990 萬元，年增率增長 129.2%；Agentic AI 營收 5.03 億元，年增率增長 93.2%。 4 5
同業側：商湯、雲端從、百度智慧雲端、阿里雲端、華為雲端、C3.ai、Palantir、DataRobot。 的公開結果用於校驗賽道景氣，不作為本公司營收證明。7 8
14. 追蹤指標
AI 直接營收或 proxy 佔比：下一期財報若揭露則更新；未揭露不倒推。1 2
毛利率與分部毛利率：下一期財報若揭露則更新；未揭露不倒推。1 2
經營現金流量和自由現金流量：下一期財報若揭露則更新；未揭露不倒推。1 2
資本支出、折舊和資料中心/產線利用率：下一期財報若揭露則更新；未揭露不倒推。1 2
客戶數量、ARR、訂單、backlog 或 lighthouse 使用者：下一期財報若揭露則更新；未揭露不倒推。1 2
研發費用率和銷售費用率：下一期財報若揭露則更新；未揭露不倒推。1 2
AI 產品釋出後的商業化節奏：下一期財報若揭露則更新；未揭露不倒推。1 2
單客戶或政府專案集中度：下一期財報若揭露則更新；未揭露不倒推。1 2
上游 GPU/晶片/雲端資源供應：下一期財報若揭露則更新；未揭露不倒推。1 2
同業價格和新品代際：下一期財報若揭露則更新；未揭露不倒推。1 2
15. 來源
16. 證據等級與未揭露項
證據等級 定義 本頁用法 A 公司財報、SEC/交易所公告、公司 IR 正式材料 財務硬數優先使用 B 公司官網產品頁、正式新聞稿、投資者演示 用於產品和事件線索 C 權威媒體、行業報告、金融資料聚合頁 用於補充但不單獨證明核心財務 D 市場傳聞、社媒、無來源摘要 不用於硬數
未揭露清單：
AI 單獨營收：[未充分揭露]。
AI 產品毛利率：[未充分揭露]。
單客戶營收佔比：[未充分揭露]。
客戶名單和合同金額：[未充分揭露]。
上游採購佔比：[未充分揭露]。
資本支出按 AI 專案拆分：[未充分揭露]。
模型/晶片/雲端資源成本：[未充分揭露]。
區域營收中的 AI 佔比：[未充分揭露]。
逐季完整現金流量橋：[未充分揭露]。
訂單轉營收週期：[未充分揭露]。
17. 結論邊界
本頁結論只覆蓋 第四範式 在 AI 產業鏈中的事實位置、產品證據、財務質量和追蹤架構。所有數字均要求能回到來源；不能回到來源的硬數不寫，或者標為 [未充分揭露]。1 2
不提供交易方向、價格結論或配置比例判斷。
source: 公開揭露與公開資料整理
本頁僅用於產業鏈學習、資訊檢索和研究輔助；不構成投資建議，不預測漲跌，不提供買賣、部位或目標價建議。
