仓又加错-刘成岗 的讨论

举个例子你就知道了。 某大客户，想引入一个决策功能，有以下几个问题解决：
1. 客户本身有一套很复杂的服务。
2. 引入新功能，不能影响客户原来的服务功能。
3. 需要做一个类似飞线的东西，把模型接入进去。
这一套东西就很复杂了。
其次还有这么几个问题要解决：
1.线上线下数据的一致性。 线下效果好，但保证线上也要好，就需要大量工作。这点范式做得还可以，有一套专门方案。
2. 先知的开发成本低一点，不代表接入成本低。接入成本，上述的只是一个例子，实际中还有很多麻烦的地方。

其实决策平台 know what没那么难，最重要的也是know how。 交付后各种dirty work要做，各种坑要踩。 
从这点来说， ai这个生意不一定有看起来那么美。但是反过来说，范式这几年dirty work做多了，确实积累了经验，这也是一个壁垒，或许也是在细分领域领先大公司的法宝，因为batH四家公司，esay money赚多了，赚这种hard money真不一定行

bat做不了的，也不愿意做

营销推土机好推的细分比如视觉识别、安防已经被堆的差不多了。决策ai相对虚，需要定制化的东西更多。

详细的解释[很赞]
看起来第四范式也不例外，AI公司在适配和与客户应用上 都有很多细致工作。
大量数据处理 听起来和明略有点像，不过它是落地公安政务更多

先知平台的交付成本也很高吗[为什么]
看描述 尽量做到模型算法低代码

老东家。。范式的难点还是在于交付成本过高。通用平台还是得附加海量交付人力。不过aios前景还是挺大的。

包含的

确实，如果毛利低 可能包含了自研或外购的软硬件