又一人工智能独角兽冲刺IPO了，估值超过200亿。
提到人工智能，业内的普遍印象是：融资能力一流，赚钱能力三流。类似案例很多，比如AI四小龙：商汤科技、依图科技、云从科技、旷视科技，亏损率超过100%很正常，即：收入10亿，亏损也是10亿。最严重的亏损率超过300%，比如商汤。
这是很反常的。好比你手上有30亿现金，辛辛苦苦奋斗1年，结果只剩下了10亿。如果你不怀疑自己的能力，也会怀疑这个赛道：有没有赚钱价值。如果有，是短期有还是长期有，如果只是短期有更倾向于放弃，如果是长期有那就忍耐当下的一切。
最新冲刺IPO的公司名叫“第四范式”。通俗理解，它的主要业务是：开发了一套人工智能的“安卓系统”，卖给企业，企业可以在系统上开发应用，比如银行可以用它反欺诈、超市可以用它来做质检。
“第四范式”也没能完全打破行业魔咒：亏损率偏高，超过了50%。据财报数据，2021年，第四范式营收为20.18亿，经营亏损为11.73亿，亏损率约58.13%。
但分析发现，与血亏的“AI四小龙”相比，它的表现已经排进行业的前30%。尽管已经不错，但与它的融资及估值相比，还是稍微暗淡。自2014年以来，第四范式先后完成11轮融资，总金额接近70亿元，估值接近200亿元。
到底是什么原因导致AI赛道屡亏不止？第四范式又能否打破魔咒？
*个致其亏损的因素就是：给团队发股权/期权。
在上市前夕，公司给骨干团队发股权合情合理。这些虽然不用公司支付现金，但要以合理的价格计入费用中去。在人工智能公司，科研人才的持股比例通常更高，因此费用也越多。
从2019-2021年，第四范式分别向员工支付的“股权薪酬”为2.32亿、1.74亿、6.36亿。刨除这部分费用之后，2019-2021年，第四范式的净亏损为3.18亿、3.86亿、5.69亿，亏损率为69.28%、40.98%、28.19%。在今年上半年，它的亏损率降到*，约为20.79%。
撇开股权因素，第四范式在人力现金成本上控制较为合理。以研发人员为例，截至2022年6月底，其研发人员1411名，而相应支付的半年薪资约1.19亿，合计平均年薪约15.5万元——在行业内属于较低水平。
第二个致其亏损的重要因素是：销售及营销开支过高。2019-2021年，该部分开支分别为1.36亿、2.47亿、4.55亿，在总收入的占比达29.56%、26.32%、22.54%。
首先是“广告及营销开支”。2020年-2021年，该支出数字为0.996亿、1.67亿，占总收入比例为10.57%、8.27%。
在to C行业，这个比例很正常不过，但在to B行业偏高。to C行业需要大量投放，以roi为模型获客；而to B行业客户人群少，以圈子+活动为主要获客手段。一位AI独角兽创始人（to B）向铅笔道透露，行业的营销费用天花板一般是占营收的5%，*能做到1%-3%。
最后一个亏损因素在商业模式上：收钱效率不够高——这也是行业通病。
根据铅笔道此前的结论：to B创业的终局是不断提高客单价，做中大型客户——人工智能行业也是一样的。
做大客户有很明显的优点：
一，客单价高。
比如今年上半年，第四范式的74个大客户支撑了其62%的收入，客单价达886万元。
二，维护成本低。
从招股书看，第四范式在刻意追求大客户数量。今年上半年，它累计拥有245个客户，大客户比例约30.2%——如此能带来更低的获客成本、维护成本。
但如此一来，也会造成几个问题：
一，客户开发周期长。
大客户建立信任的周期很长：售前环节，1-2年打入供应商体系是常态；售中环节，打标竞标流程漫长，半年是常态；售后环节，账期3-6个月，少数9-12个月。
2019年-2021年，第四范式的大客户增加数分别为20、21、33位，与收入增速相比，成绩不够理想。
二，账期长。
从账期看，2021年第四范式有52.3%的款账期小于3个月，有28%的款账期在3-6个月，有15.5%的款账期在6个月-1年。而每个月支出是固定的，尤其像第四范式这种毛利约50%的公司，资金压力更大——每个月收入的50%要拿去固定支出。
以上两个因素，会造成人工智能企业“收钱效率低”——这不仅是AI界的通病，也是to B领域的通病。在创投圈，to B企业在相当长的时间内不受资本待见，这便是原因之一。
在AI赛道，做产品的环节非常炫酷+科技，但在“卖产品环节”，确实与“高级外包公司”无异。AI赛道的历史还比较短，属于新兴事物，新兴事物的起步都是不*的，能理解。
行业对于人工智能的预期也不是不能亏损，但至少要保证一点：产品有市场刚需，属于需求导向型，而非技术导向型。技术导向型的公司属于纯to VC，典型的表现是亏损率夸张，超过300%。最典型的是柔宇科技，2020年上半年收入5亿，亏损30亿，亏损率达600%。
这些数字就不得不让人反思：行业把几十亿、几百亿给了一家企业，最后做出的产品如此得不到市场认可——这如果不是团队问题，那就是需求问题了。
人工智能飘在天上很多年了，该落地了。
