业绩总结 - 2025年第三季度收入为6.23亿美元，较2024年第三季度的6.22亿美元增长1百万美元[47] - 2025年第三季度调整后EBITDA为2.52亿美元，调整后EBITDA利润率为40.5%[47] - 2025年第三季度净收入为-2800万美元，较2024年第三季度的-6600万美元改善[47] - 2025年截至目前的收入为18.94亿美元，较2024年同期的18.38亿美元下降2.9%[59] - 2025年截至目前的调整后EBITDA为7.47亿美元，较2024年同期的7.75亿美元下降3.6%[59] - 2025年第三季度自由现金流为1.15亿美元，较2024年第三季度的1.26亿美元下降8.7%[63] - 2025年预计收入范围为24.25亿美元至24.55亿美元[70] - 2025年预计调整后的EBITDA为940百万美元至1000百万美元，2024年为1060.4百万美元[97] 用户数据 - 有机年度合同价值（ACV）增长1.6%，较上季度增加30个基点[13] - 续约率为93%，同比提高100个基点[13] - 生命科学与医疗保健部门有机ACV增长加速至2%[14] - 公司在学术和政府领域实现2%的有机ACV和订阅收入增长，年内签署了100多个新合同[13] 未来展望 - 2025年预计自由现金流为3.4亿美元，较2024年实际的3.58亿美元下降5.0%[81] - 2025年预计每股净收入为负0.48美元至负0.38美元，调整后的稀释每股收益为0.60美元至0.70美元[100] - 2025年预计资本支出为255百万美元，2024年为289.1百万美元[101] - 2025年预计调整后的EBITDA利润率为40.5%至42.5%，2024年为41.5%[97] 负面信息 - 2025年第三季度自由现金流为1.15亿美元，较2024年第三季度的1.26亿美元下降8.7%[63] - 调整后每股收益为0.18美元，较2024年第三季度的0.19美元下降0.01美元[47] - 2025年预计净收入将在负328百万美元至负252百万美元之间，2024年为负636.7百万美元[97]

财务数据和关键指标变化 - 第三季度收入为4.7亿美元，贡献毛利（ex-TAC）增长至2.88亿美元，按固定汇率计算同比增长6% [18] - 调整后EBITDA为1.05亿美元，同比增长28%，调整后EBITDA利润率为36%，同比提升500个基点 [21] - 摊薄后每股收益为0.70美元，调整后摊薄每股收益为1.31美元，同比增长36% [23] - 自由现金流为6700万美元，同比增长74% [23] - 公司期末总流动性为8.11亿美元，无长期债务 [24] - 第三季度媒体支出增长4%，较上一季度改善400个基点 [15] 各条业务线数据和关键指标变化 - 效果媒体收入为4.03亿美元，贡献毛利（ex-TAC）为2.22亿美元，按固定汇率计算同比增长5% [18] - 零售媒体收入为6700万美元，贡献毛利（ex-TAC）按固定汇率计算增长11%至6600万美元 [21] - 零售媒体激活媒体支出增长26%，全球品牌数量超过4100家 [12][21] - GO解决方案在中小客户中快速普及，其四分之一的广告活动现在通过GO运行，高于上一季度的10% [9] - 社交渠道现在占GO活动收入的约35% [10] - 站内展示支出本季度增长42%，占零售媒体业务的12%，高于上一季度的9% [14] 各个市场数据和关键指标变化 - 亚太和欧洲、中东、非洲地区媒体支出实现增长，美国市场趋势疲软但正在改善 [19] - 旅游垂直行业增长最快，同比增长24%，分类信息增长14%，市场平台表现良好 [20] - 零售支出较为疲软，其中时尚类下降11% [20] - 全球零售网络持续扩张，现已覆盖235家零售商 [14] 公司战略和发展方向和行业竞争 - 公司战略核心是构建跨渠道、全漏斗的多元化平台，约85%的媒体支出发生在桌面展示广告之外 [5] - 重点布局代理人工智能领域，将其视为行业下一个重大转变，并与一家大型人工智能助手进行概念验证合作 [6][8] - 通过GO解决方案推动效果媒体向自助服务、AI优先的平台转型，以降低服务成本并开拓更广阔的市场 [9] - 在零售媒体领域，深化与谷歌、微软、Mirakl等伙伴的合作，整合新的需求来源，例如与谷歌的API集成可触达1720亿美元的可寻址支出 [12][13] - 公司将重新注册地迁至卢森堡，并在纳斯达克直接上市普通股，旨在优化公司结构、增强资本管理灵活性并扩大股东基础 [16][28] 管理层对经营环境和未来前景的评论 - 宏观经济趋势在整个季度和返校季期间保持稳定，多个关键类别的广告支出同比增加 [18] - 公司对零售媒体的长期增长轨迹充满信心，尽管短期内存在一些阻力 [12][15] - 对于2025年全年，公司重申贡献毛利（ex-TAC）按固定汇率计算增长3%至4%的指引，并将调整后EBITDA利润率指引上调至区间高端 [25] - 预计2026年将实现低速增长，主要受零售媒体暂时性影响，第一季度将是低点 [27] - 创新和人工智能已深度融入公司基因，是未来驱动增长、盈利能力和长期股东价值的关键 [29] 其他重要信息 - 客户留存率保持在接近90%的高位 [18] - 公司任命Edouard Lassalle为新的首席客户官，以加强执行力 [16] - 第三季度公司动用1100万美元回购约50万股股票，截至9月底董事会股票回购授权剩余1.04亿美元 [24] - 2025年资本支出预计约为1.1亿美元，2026年因更新大型数据中心预计资本支出将更高 [26][27] 问答环节所有的提问和回答 问题: 关于代理人工智能产品的客户反馈和CTV投资 [31] - 代理人工智能机会分为三类：内部工作流产品（如受众代理）、零售商代理体验中的赞助广告集成、以及与AI平台合作将产品推荐能力整合到其生态系统中 [32][33] - 在CTV方面的投资包括与美国及全球CTV供应商建立直接关系，确保广告主能在上中下漏斗策略中触达CTV新受众，并加强跨渠道测量 [35][36] 问题: 代理人工智能平台对电商和零售媒体格局的潜在影响 [39] - 公司视代理人工智能为新增渠道，而非完全取代现有电商生态系统，零售商将通过提升自身体验和广告价值来竞争 [51][52] - 与AI平台合作的经济模式可能基于联盟营销，公司当前重点是确保零售商无论何种广告形式都能在AI回答中良好展现 [41][42][43] 问题: 与谷歌合作的零售媒体搜索整合的细节和影响 [44] - 该合作使零售商能捕获传统上在零售媒体之外的品牌搜索预算，为广告主提供真正的跨渠道搜索效果可见性 [45] - 集成已上线，第四季度开始有活动量流入，预计是2026年及以后的多年度增长动力，利润率方向性中性 [45][46] 问题: 第三季度业绩大幅超预期的原因以及变更注册地的财务影响 [57] - 业绩超预期主要得益于顶线超预期带来的运营杠杆、应收账款状况改善导致坏账准备减少、以及部分营销费用推迟至第四季度 [58] - 变更注册地预计不会产生重大成本，相关成本将单独列示 [59] 问题: 2026年代理人工智能产品所需的投资以及零售媒体新客户上线速度 [60] - 除推出GO解决方案相关的正常营销投入增加外，目前未见大规模额外投资需求，与AI平台的合作测试结果将决定后续投入 [62] - 零售媒体新客户上线速度在2025年末有所放缓，这在往年也属常见，预计2026年受大客户层级费用影响的总金额仍为7500万美元，第一季度是低点 [63][64] 问题: Commerce GO产品对增长的影响以及AI助手概念验证的后续步骤 [67][72] - GO产品通过转化现有客户（带来更高支出、更低流失率）和获取全新客户贡献增长，是2026年效果媒体增长的重要贡献者 [68][71] - AI助手概念验证目前是有限测试，旨在评估公司数据对改善答案质量的作用，成功后下一步将是研究如何扩大规模 [72] 问题: 零售媒体净美元留存率构成、美国市场趋势以及自助服务模式的经济性 [75][79] - 零售媒体收入大部分来自赞助产品，拍卖式展示增长迅速，站外零售媒体占媒体支出略超10% [76] - 自助服务模式通过自动化流程优化运营，有利于利润率，并能释放媒体支出增长，对公司整体利润率有贡献 [83][84] - 在社交渠道方面，公司专注于与Meta等全球规模伙伴合作，确保社交与公开竞价之间的恒定效果，并探索与TikTok等其他平台的合作 [81]

The Hollywood model of work—specialized teams assembling for specific projects, then dissolving and reconfiguring for new ones—is a refreshing alternative to the rigid corporate structures inherited from the industrial era. For decades, this fluid approach seemed impractical for most businesses. Now, it is becoming feasible as AI handles the logistical complexities and knowledge management that once required permanent bureaucracies. With agentic technology, next-generation enterprises can use the Hollywoo ...

分析师背景与投资理念 - 分析师为全职股票分析师兼兼职零售投资者 偏好投资于折价交易的高质量股票 [1] - 过去5年持续进行零售投资并学习股票市场运作 遵循本杰明·格雷厄姆和乔尔·格林布拉特的投资理念 [1] - 认为股票市场能够提供全球市场表现的分析概览 [1] 文章与利益披露 - 分析师未持有任何提及公司的股票、期权或类似衍生品头寸 且未来72小时内无计划建立此类头寸 [2] - 文章内容仅代表分析师个人观点 未因撰写本文获得除Seeking Alpha平台外的任何报酬 [2] - 分析师与任何提及股票的公司无业务关系 [2] - Seeking Alpha平台本身并非持牌证券交易商、经纪商或美国投资顾问/投行 其分析师为第三方作者 包括专业和个体投资者 可能未受任何机构或监管机构许可或认证 [3]

凯西·伍德旗下Ark Invest交易概览 - 公司于周二进行了多笔重要交易 重点涉及DraftKings Inc (DKNG) Palantir Technologies Inc (PLTR) 和Shopify Inc (SHOP) [1] DraftKings (DKNG) 交易详情 - Ark Invest通过旗下多只ETF大举增持DraftKings股份 Ark Fintech Innovation ETF (ARKF) 买入53,400股 ARK Innovation ETF (ARKK) 买入346,577股 ARK Next Generation Internet ETF (ARKW) 买入99,506股 [2] - 以DraftKings股票收盘价31.16美元计算 交易总价值约为1560万美元 [2] - DraftKings近期宣布收购Railbird Technologies及其全资子公司Railbird Exchange LLC 以加强其进入预测市场的战略 公司确认计划推出名为DraftKings Predictions的移动应用程序 允许客户交易事件合约 [3] Palantir (PLTR) 交易详情 - Ark Invest于周二减持了Palantir股份 ARKF基金卖出2,800股 ARKK基金卖出13,627股 ARKW基金卖出5,217股 [4] - 以Palantir股票收盘价189.6美元计算 此次出售总价值约为410万美元 [4] - Palantir股价近期创下历史新高 主要受重大合同和战略合作伙伴关系推动 包括与Lumen Technologies达成的一项2亿美元交易 该交易旨在增强其人工智能能力 [5] - 值得注意的是 Ark Invest在Palantir股价创出新高时持续减持 周一该公司曾卖出13,922股 价值近263万美元 [6] Shopify (SHOP) 交易详情 - Ark Invest于周二亦减持了Shopify股份 ARKF基金卖出2,972股 ARKK基金卖出53,947股 ARKW基金卖出4,153股 [7] - 以Shopify股票收盘价178.96美元计算 此次出售总价值约为1090万美元 [7] - 尽管Ark Invest表达了对Shopify的信心 认为其早期拥抱"智能体AI"是电子商务领域的游戏规则改变者 但本周仍持续减持 周一该公司卖出了281,738股Shopify股票 该笔交易价值4932万美元 [8] 其他重要交易 - Roku Inc (ROKU): ARKK基金卖出26,159股 ARKF基金卖出5,373股 ARKW基金卖出10,011股 [10] - Roblox Corp (RBLX): ARKK基金卖出19,800股 ARKF基金卖出3,051股 ARKW基金卖出7,579股 [10] - Intellia Therapeutics Inc (NTLA): ARKK基金买入417,679股 ARKG基金买入61,732股 [10] - 10X Genomics Inc (TXG): ARKK基金买入206,820股 ARKG基金买入31,141股 [10]

合作与战略 - 新思科技参加NVIDIA GTC华盛顿特区会议，展示从硅到系统的工程解决方案进展 [1] - 公司与NVIDIA合作，增强智能制造、芯片设计和物理模拟的AI集成 [2] - 双方宣布新的Agentic AI合作，旨在实现AI驱动的芯片设计新前沿 [4] 产品与技术进展 - 公司通过整合Synopsys AgentEngineer技术与NVIDIA NeMo Agent Toolkit，开发自主设计流程 [4] - Ansys Fluent流体模拟软件通过GPU加速和AI初始化实现500倍加速 [5] - 在8个NVIDIA Blackwell GPU上运行比258个CPU核心快50倍 [5] - 使用NVIDIA PhysicsNeMo和DoMINO NIM初始化模拟，将GPU时间增益提高10倍，使原本需两周的模拟在约40分钟内完成 [5] - Synopsys QuantumATK与NVIDIA CUDA-X库及Blackwell架构集成，使密度泛函理论和非平衡格林函数方法的成果时间缩短高达15倍 [6] - Northrop Grumman Microelectronics Center使用该技术将开发时间从数周缩短至数小时，加速创新过程6-10倍 [6] 性能与效率提升 - AI和GPU加速为公司产品组合带来显著性能和能力提升 [3] - 公司拥有业界最广泛的GPU加速软件组合，近20款产品 [4] - 在形式验证流程中，芯片设计代理提高了签核深度和效率，并识别出手动审查会遗漏的关键错误 [4] 行业影响与应用 - 合作旨在使工程更智能、快速和直观，覆盖从原子尺度半导体设计到飞机、汽车等大型物理系统 [1][2] - 计算材料模拟的进步推动材料和半导体设计更快、更高效的研究 [5] - 突破使客户能够以前所未有的速度和效率模拟分析多种材料，推动下一代AI驱动应用、产品和系统的开发 [6]

公司业绩表现 - 第二季度净收入为84亿美元，同比增长6% [2] - 每股收益为1.34美元，同比增长12%，超出分析师预期的1.19美元 [2] 人工智能战略与合作 - 公司与OpenAI建立合作伙伴关系，支持ChatGPT Checkout并使用PayPal钱包完成支付 [1][3] - 推出自主的Agentic Commerce Services，提供支付支持、订单管理及商户与产品数据的连接 [1][4] - 与万事达卡合作，将其Agent Pay与PayPal品牌数字钱包整合，使AI代理可为用户完成交易 [6] - 与谷歌合作，将PayPal技术嵌入谷歌平台，共同开发AI驱动的购物体验和标准 [7] - 为Venmo和PayPal客户提供早期访问Perplexity的Comet Browser的机会 [7] 产品与服务创新 - Agentic Commerce Services包含名为“agent ready”的功能，使商户能通过不同AI程序接受支付 [4] - 该服务还包含“store sync”功能，使商户数据可在AI渠道中被发现，并能将订单路由至现有履约系统 [4] - 公司认为商户需要应对整合多个大型语言模型的挑战 [5] - 公司CEO表示代理式商务需要时间，但相信消费者行为将发生转变 [1]

公司战略与产品升级 - Adobe宣布在其Firefly和GenStudio中全面升级代理AI，旨在为其生态系统内的创意和营销工作流程提供可扩展且互联的支持 [2] - 公司将代理AI视为创意内容生产和营销新时代的定义，目标是将人类想象力与大规模AI驱动的自动化相结合，同时不牺牲品牌完整性或创意控制 [3] - 公司战略核心是同时掌控构思过程和“活动生产的最后一英里”，通过整合最佳产品到统一平台GenStudio，覆盖内容生产的每一步 [6][7] 新产品功能与特性 - Firefly Design Intelligence引入一个新系统，帮助品牌在全球范围内保持品牌合规内容并使用统一的设计语言 [4] - Adobe内容生产代理（测试版）可解读营销简报并自动跨多个渠道生产活动资产，根据活动目标、目标受众和品牌指南定制输出 [4] - GenStudio获得重大升级，与Firefly深度集成，其Firefly创意生产网络应用允许用户在数秒内调整数千张图片尺寸、移除背景和重新构图视频 [4] - 面向企业团队的新工具包括用于创建可重复使用生产流程的工作流构建器，以及超过20个新的生成式动作，如对象合成和自动化品牌检查 [5] - 内容生产代理专注于处理特定任务，如优化网站、自动化重复性生产工作、调整内容尺寸、优化受众定位以及创建或优化渠道实验 [8] - Firefly和GenStudio正融合成一个由代理AI驱动的“内容供应链”单一平台，团队可在Adobe生态系统内完成构思、生产和分发活动 [10] - Firefly Design Intelligence通过动态“StyleIDs”取代静态品牌指南，创意总监可在Adobe工具中训练“StyleIDs”，从而实现大规模品牌一致性 [11] 市场地位与财务表现 - Adobe在全球专业创意软件市场保持领先地位，在图形设计、视频编辑、数字插画和文档创建领域拥有约58.2%的全球市场份额 [13] - 公司2025年第二季度营收达58.7亿美元，同比增长11%，显示出投资者对其由Firefly和更广泛AI战略驱动的长期增长充满信心 [13] - 在数字设计的另一端，Figma在UI/UX设计师工具中占据约80-90%的市场份额，尽管其股价较IPO时48亿美元的估值下跌超50%，但基本面依然稳固，年营收增长达46-48% [14] 行业竞争格局 - 尽管Canva、Figma和一批AI原生初创公司推动了设计的普及，但Adobe凭借其在设计领域的主导地位与Firefly和GenStudio中日益强大的AI功能套件，引领企业和专业市场 [15] - Canva在大众创意市场表现出色，强调为数百万非设计师提供易用性和可及性；Figma则占据数字产品设计中协作驱动的未来，吸引开发者、UX专业人士和产品团队 [15] - Adobe的挑战在于确保AI驱动的工作流程能产出成果而不妥协标准，其长期防御性将建立在维持来自品味的可信度上，而不仅仅是系统或规模 [16][17] - 公司拥有财富500强品牌的基础设施和信任，但其成功取决于能否使AI驱动的品牌治理变得直观和无缝，其优势在于将分散系统统一为连贯工作流程的能力 [18]

融资信息 - 公司完成数亿元人民币pre-A轮融资 [1] - 融资由济和创投和赛富基金联合领投 [1] - 北京市信息产业发展投资基金、广州红鸟启航基金、上海领屹投资等机构跟投 [1] - 老股东君联资本持续加码 [1] 资金用途与行业意义 - 融资将用于产品研发、国内市场深耕和国际市场拓展 [3] - 融资事件是国内企业级智能体应用赛道的里程碑 [3] 市场前景与趋势 - AI Agent市场规模将从2024年的51亿美元跃升至2030年预期的471亿美元，年复合增长率达44.8% [3] - Gartner将Agentic AI列为2025年十大技术趋势之首 [3] - 到2028年将至少有15%的日常工作决策由Agentic AI自主完成 [3] 技术方案与产品定位 - 公司推出企业级Data Agent解决方案，采用"外挂知识库+推理模型+工具调用"的模块化架构 [4] - Data Agent定位为未来全场景渗透的企业业务智能体的通用基座 [6] - 核心产品矩阵包括生成式分析智能体AskBI、大模型知识库智能体AskDoc、虚拟化数据引擎X-Engine等 [6] - 在头部央国企的智能数据分析场景中，查数准确率高达99%以上，实现秒级响应 [6] 客户与市场进展 - 国内市场已成功落地于中国电信、中国移动、中国联通、中国宝武等重点央企国企 [7] - 金融行业客户包括平安银行、浦发银行、天弘基金、上海期货交易所等 [7] - 海外市场正为Apple、联想集团和新加坡WPH等国际知名企业提供服务 [7] 投资方观点 - 济和创投看重公司团队兼具技术沉淀与场景洞察能力，抓住了产业需求痛点 [7] - 赛富基金认为公司Data Agent解决了通用Agent在企业数据融合与实时响应上的短板 [7] - 君联资本看好公司在AI Agent赛道的长期成长价值 [7] - 北京市信息产业发展投资基金认为公司已跨越从技术概念到价值创造的鸿沟 [7][8] - 广州红鸟启航基金认可公司基于企业多源异构数据构建的虚拟化语义引擎和多智能体系统 [8]

文章核心观点 - Agentic AI正经历从“外部流水线”到“模型原生”的范式迁移，其核心能力（规划、工具使用、记忆）正被内化到模型参数中 [1] - 驱动此范式转变的核心是“LLM + RL + Task”统一框架，通过强化学习将预训练、后训练与推理循环结合，使模型从被动组件转变为可从环境互动中学习的目标驱动体 [1][3] - 未来趋势不仅是更高的自治度，更是模型与环境的深度耦合与共生，标志着从“构建会用智力的系统”走向“通过经验自进化的智能” [1][44] 问题背景 - 当前生成式AI多为“反应式输出”，缺乏面向目标的长期推理与环境交互能力 [3] - 早期智能体系统采用流水线范式，将规划、工具使用、记忆三大核心能力放在外部编排中，导致系统脆弱且难以应对非预期情境 [3] - 新范式强调通过端到端训练将核心能力内化进模型参数，使LLM成为主动决策者，其核心驱动力是大规模强化学习在LLM训练中的应用 [3] 面向LLM的RL - 必须使用结果驱动的RL将规划等能力从提示诱导转为参数内化，以解决程序化数据稀缺和分布外脆弱性问题 [6] - 相比监督微调，RL具备动态探索式采样与相对价值学习两大优势，将模型从“被动模仿者”变为“主动探索者” [7][8] - 预训练LLM自带的世界知识与结构先验可实现先验引导的探索，提高样本效率，而语言接口将状态、动作、奖励统一到文本空间，使RL成为跨任务泛化的通用机制 [9][11] - 算法从早期RLHF演进至GRPO、DAPO等结果驱动RL，以提升长程训练稳定性与效率，形成基础模型提供先验、学习算法通过交互精炼能力的统一范式 [12] 核心能力：规划 - 流水线范式将规划视为自动化推理与行动序列搜索，存在传统符号规划可解释但重建模、提示工程对设计敏感且计算成本高等局限 [14][17] - 模型原生范式通过监督学习与强化学习将规划能力直接内化到参数中，摆脱外部搜索器/评估器，提升开放环境下的灵活性与稳健性 [15] - 实现了两次关键迁移：训练方式从SFT转向RL以缓解高质量过程数据稀缺问题；RL内部从“过程奖励”转向“结果奖励”并结合规则型奖励以稳定优化 [18] 核心能力：工具使用 - 早期系统将模型嵌入固定工作流节点，提示法则将决策逻辑写入提示，但存在计算开销大、依赖评估质量等问题 [21] - 模型原生迁移把工具使用的决策内化到参数中，形成模块化训练（只优化规划器）和端到端训练（统一学习计划与执行）两类路线 [21] - 当前挑战包括长动作序列中的信用分配问题，以及工具超时、返回不一致等环境噪声导致的训练不稳定，趋势是细化奖励（轨迹级转向步级）并在动态真实环境中训练以缩小仿真到现实差距 [22] 核心能力：记忆 - 记忆被视为“面向行动的证据治理”，流程包括写入/存储、管理/压缩、检索、利用四职能 [27] - 短期记忆方面，流水线范式通过滑动窗口、压缩摘要和RAG等技术处理，模型原生范式则通过位置编码外推、长序列合成和注意力优化将长上下文能力端到端化 [27][30] - 长期记忆载体分为外部库（混合索引、重排、去重）和模型参数（持续预训练/蒸馏、定点编辑与轻量注入），趋势是推动短期-长期记忆统一及检索与生成的联合训练 [30] 智能体应用发展路线 - Deep Research智能体充当“大脑”，擅长复杂推理和分析；GUI智能体充当“眼睛和手”，模拟人类与图形环境的交互 [3] - 多智能体协作研究涵盖从基于规则的系统到数据驱动的模型原生方法，代表性算法包括MAGRPO、RLCCF、MATPO等 [40] 未来方向 - 当前研究焦点集中于奖励建模、规划、工具使用、自动化验证/红队测试等领域 [41] - 最终发展轨迹是模型与环境更深入的综合，标志着从构建使用智能的系统到增长智能的系统的转变 [44]