人工智能不仅能够解决策略执行的问题，甚至已经可以扮演中间层的策略制定者。例如在反欺诈方面，以往银行制定反欺诈方案，需要业务专家总结经验，而通常顶尖的专家团队最多能制定出一千条专家规则，仅仅能够覆盖重点区域的典型欺诈场景。
但是在某全国性股份制商业银行与第四范式的合作中，仅基于一年的交易数据，银行就通过机器学习制定出了25亿条反欺诈规则，不仅涵盖“非典型区域”的“非典型特征”，对于犯罪团伙不断更新中的欺诈方式也都一网打尽。最终，第四范式反欺诈解决方案的实际上线效果较传统专家规则提升7.6倍。
金融行业受限于其自身特性，对场景安全等级要求很高，同时与之匹配的AI技术标准也更高，作为人工智能创业公司如何应对安全和技术标准问题？在对企业服务的过程中，除了一定要遵守国家关于金融数据的法律法规，符合各种流程之外，更重要的是将技术以一种内核的方式附能给能够接触到涉密数据的人，由他们进行操作。而对于平台型公司而言，要想构建完善的生态圈，一方面要看究竟能否帮助他们进行业务转型，第二就是能否创造更多利润。
据千讯咨询发布的《中国人工智能市场前景调查分析报告》显示，人工智能的商业模式究竟从哪里开启，toB还是toC？第四范式选择了从B端开始。在戴文渊看来，科技发展会经历不成熟到成熟阶段，在科技非常不成熟的时候，一些超大型企业为了提前享受科技红利，付出更多成本。伴随AI使用成本的不断下降，人工智能产业化成本从几亿、几十个亿，降到了几万元的量级，对于C端而言仍然比较贵，更多局限于B端，未来成本降到几十块钱，人工智能C端市场机会也将打开。
人工智能产品的落地正改变着公司的竞争格局，也在倒逼公司延伸到产业链上下游拓展自身业务。自我定位人工智能操作系统层之外，第四范式也开始计划走向服务器层面。