行业趋势与市场前景 - Agentic AI（代理式AI）的兴起正在对底层数据库基础设施提出全新要求，向量数据库从幕后走向台前，成为支撑下一代智能体系统的关键基础设施 [1] - 生成式AI以内容创造为核心，Agentic AI以自主决策交互为特征，二者的演进推动向量数据库从基础存储检索工具向AI能力基座升级 [2] - 据Gartner预测，2025年Agentic AI市场规模将突破千亿美元，年复合增长率超65% [2] - 据Gartner预测，到2028年，支持生成式AI的数据库支出将达2180亿美元，占市场74% [3] - 2024年全球云数据库管理系统收入占比已达64%（766亿美元），贡献了89%的市场增量，云已成为数据库的主流部署环境 [13] Agentic AI对数据库的核心需求 - Agentic AI的核心特征是自主目标驱动，能够理解复杂需求、拆分任务流程、调用外部工具、实时调整策略，这彻底改变了传统RAG被动、静态、低频的调用模式 [2] - 对读写性能要求极高：Agent在单次任务中可能产生数十次读写操作，调用记忆模块的频次和数据更新速度远超传统RAG场景 [5] - 需支持“千人千面”的个性化数据存储：为每个用户生成独立的行为轨迹、偏好向量等，向量数据动辄达到百亿量级 [6] - 需在成本与性能间实现平衡：要求数据库具备智能化的数据生命周期管理，实现热数据高性能访问，冷数据低成本存档 [6] - 需具备多模态融合处理能力：能够同时处理文本、图像、地理位置、用户行为等多种信号的向量，并实现跨模态关联检索 [7] 向量数据库的核心价值与功能 - 向量数据库的核心价值在于高效检索“语义相似性”，擅长处理非结构化或半结构化数据编码生成的高维向量，以找出最相似的Top-K个向量 [9] - 作为大语言模型的记忆体，以极具性价比的形式提供存储功能，在减少大模型开发成本的同时提高其性能 [9] - 为对数据隐私有需求的企业提供了存储和管理企业知识的不二选择 [9] - 为Agentic AI提供四大不可替代的价值：构建可扩展的认知记忆、实现低延迟的经验检索、支撑多Agent的集体协作、降低AI落地的信任门槛 [9][10] - 具体技术优势包括：分布式架构支持百亿级向量存储、配合冷热分层、AutoIndex技术使查询性能提升3-5倍、支持BYOC方案满足合规要求 [9][10] 公司（Zilliz）产品与战略 - Zilliz是全球首个向量数据库企业，创造了开源向量数据库Milvus，并推出商业版Zilliz Cloud [3] - 公司产品Milvus及Zilliz Cloud是为数不多能处理百亿量级个性化向量数据的产品 [6] - Milvus针对高性能读写做了大量优化，并推出了内存-磁盘-对象存储的多层存储方案以平衡成本与性能 [5][6] - Milvus自2.4版本开始支持多向量列及各种标量数据，积累了稠密向量、稀疏向量、二值型向量等向量类型数据，以及地理位置、标签等标量类型数据的支持 [7] - 公司采用开源Milvus与闭源Zilliz Cloud“双管齐下”的商业模式，两者完全接口兼容，企业可平滑迁移，迁移成本几乎为零 [10][12] - 公司定位在AI基础设施层，将向量数据库作为连接大模型与垂直场景的关键齿轮 [10] 公司（Zilliz）合作伙伴与云协同 - Zilliz自2021年起与亚马逊云科技展开深度合作，目前是其最高等级的第三方合作伙伴，合作涵盖技术适配、产品集成、市场推广、客户服务等多个层面 [13] - 基于Amazon EC2丰富的实例类型，Zilliz Cloud提供了性能型、容量型等多套深度优化的解决方案 [13] - 基于Amazon EKS的容器化自动扩缩容能力，Zilliz Cloud可动态应对流量高峰 [14] - Zilliz Cloud适配了支持Amazon Graviton处理器的实例，可将成本优化提升20%以上，并显著提升性能 [14] - 客户可利用亚马逊云科技在模型服务层的优势，通过Amazon Bedrock调用领先的大语言模型和嵌入模型 [14] - 亚马逊云科技Marketplace为Zilliz导入大量用户，其中包括许多国内AI出海企业 [15] - 合作是双向的，Zilliz Cloud的高性能向量搜索能力也为亚马逊云科技企业客户带来商业影响，并引导用户使用SageMaker、Bedrock等亚马逊云科技AI产品 [15] 应用案例与成效 - 在电商智能客服场景中，Agentic AI需在毫秒级内完成海量非结构化数据的检索与关联，传统数据库无法承载 [8] - 在HR领域，智联招聘与Milvus合作，采用向量召回技术提升招聘匹配效率 [11] - 在传媒领域，搜狐新闻利用Milvus分布式向量检索引擎，使向量检索速度提升10倍，新闻分类准确率提高至95%，并减少了内存占用 [11] - 某电商客户图搜场景实现<30毫秒响应 [10] - 某头部电商在业务高峰期将自建Milvus集群切换到Zilliz Cloud，以解决稳定性与性能调优瓶颈 [12] - 美国法律AI SaaS公司Filevine使用Zilliz Cloud使海量法律文档可快速搜索，将研究时间从数小时缩短至数分钟，这得益于Zilliz Cloud自研内核Cardinal相较开源Milvus 10倍的性能提升以及AutoIndex优化 [16]

文章核心观点 - 普林斯顿大学等机构的研究者提出了一种名为LatentMAS的多智能体推理框架，其核心创新是将AI智能体之间的协作从传统的文本空间转移到了模型的潜在空间[5] - 该框架让智能体直接交换内部的隐藏层表示与KV缓存工作记忆，实现了近乎“心灵感应”式的协作，避免了传统文本交流的冗长、低效和信息丢失问题[5][7] - 实验结果表明，LatentMAS在多个基准任务上实现了更高的准确率、更低的token使用量以及显著提升的推理速度，展示了潜在空间协作的巨大优势[6] 方法介绍 - LatentMAS是一个端到端的潜在协作框架，所有智能体的推理与交流完全在潜在空间中进行，只有最终答案才会被解码为文本输出[14] - 框架建立在三个基本原则之上：推理表达能力（隐藏表示编码更丰富的连续思维）、通信保真度（实现跨智能体的无损信息传递）以及更低的协作复杂度[15][16] - 该方法使LLM智能体能够在潜在空间中生成具有超强表达能力的潜在思维，并以无损方式传递潜在工作记忆，同时保持显著更低的计算复杂度[16] 实验评估 - 在九个基准任务上的全面实验显示，LatentMAS相比单模型基线在顺序式与层级式MAS设置下准确率平均提升14.6%和13.3%[20] - 相比文本式MAS，LatentMAS在顺序式与层级式设置下分别实现4倍与4.3倍的推理加速，并减少70.8%与83.7%的token使用量[21][22] - 在具体任务如GSM8K上，使用Qwen3-14B模型的LatentMAS准确率达到95.2%，相比单模型基线提升11.5%，同时token使用量减少80.6%[23] 高效率潜在协作 - LatentMAS可实现2.6倍至7倍的额外加速，源于潜在推理只需较少的潜在步骤，而文本推理则需要大量逐token解码步骤[25] - 在AIME 24/25等高强度推理任务中，LatentMAS在不到50个潜在步骤的情况下就能达到甚至超过需要超过2万个输出token的文本MAS表现[25] - 相比TextMAS，LatentMAS可减少59.4%至87.9%的token使用量，相比单模型推理也能减少15.0%至60.3%的token使用量[28] 深入分析 - 潜在思维与对应文本响应的嵌入分布区域几乎重叠，表明潜在思维能有效捕捉文本语义，同时具有更高的多样性和表达能力[30][31] - 随着潜在步骤数量的增加，下游性能普遍提升，说明额外的潜在思维提高了AI协作的表达能力[32] - 该方法无需额外训练，可兼容任意HuggingFace模型，并可选择性地支持vLLM后端，通用性强[8]

文章核心观点 一家专注于为刑事司法领域提供高质量教育、再入社会和康复资源的东海岸创新技术组织，选择了生物识别身份认证领导者authID，以取代其自研的解决方案，为其在复杂环境中的远程学习提供身份验证、隐私保护和欺诈预防 [1] 客户选择与合同性质 - 客户是一家服务于刑事司法领域的东海岸创新技术组织，为成年和青少年在押人员提供教育、再入社会和康复资源 [1] - authID在客户进行了全面的评估和选择过程（包括概念验证）后，被选中取代其现有的自研生物识别认证解决方案 [2] - 该协议代表了公司生物识别认证业务向远程学习市场的扩展，增加了其利用平台识别学生身份、进行在线测试认证的客户群 [6] 解决方案与部署优势 - 解决方案将提供生物识别认证，以保护设施管理员、员工以及内部产品和客户支持团队的身份，并用于验证在惩教设施中使用客户服务的在押人员 [2] - 该云平台无需个人设备，这在无法使用个人设备的设施中是一个运营优势 [2] - 实施时间线快速，仅需两周即可部署，并提供多种集成方法，简化部署并减少所需资源 [4][5] 技术特点与性能 - **Proof解决方案**：提供初始生物身份验证，确保用户身份真实，并为**Verified解决方案**建立生物信任根，以取代用户名和密码，且无需收集个人身份信息 [3] - **PrivacyKey技术**：用不可钓鱼的公钥取代面部图像，允许按需撤销，同时支持去重和身份搜索，防止同一人注册多个账户（对防欺诈至关重要）[3] - 该技术具备极高的准确性，其误报率低至十亿分之一，提供最高级别的保证 [7] - **隐私与合规**：PrivacyKey技术不会创建生物特征数据的“蜜罐”，数据在每次交易后都会被删除 [5] - **防欺骗能力**：PrivacyKey技术能够抵御惩教设施中常见的复杂攻击尝试 [5] - **凭证更新**：对于青少年用户，随着其年龄增长，PrivacyKey可以自动更新其凭证，无需重新注册 [5] 客户价值与战略意义 - **易于维护**：提供托管解决方案，使客户能够专注于核心产品创新，而非维护生物识别基础设施 [5] - **可靠性与正常运行时间**：卓越的正常运行时间服务水平协议满足了客户对持续生物识别认证的关键需求 [5] - 除了消除维护自研解决方案的需要并释放员工专注于产品创新外，该技术还为未来智能体AI计划奠定了基础，使整个客户群能够借助AI智能体扩展其能力 [4] - 这使得客户能够专注于其核心使命，即通过教育帮助在押人员重塑自我并探索人生新方向 [4]

亚马逊云科技市场地位与竞争格局 - 公司是全球云计算市场领导者，市场份额为37.5%，比第二名高12个百分点 [2] - 截至2025年12月，公司年度经常性收入（ARR）为1320亿美元，同比增长20%，2025年三季度营收增速达到近三年高点 [2] - 面临来自微软Azure、谷歌云GCP、甲骨文OCI和CoreWeave等竞争对手的白热化竞争，对手通过投资或算力合作提前锁定大客户未来3-7年的合约 [2][3] - 竞争对手采用的“算力金融化”策略导致其剩余履约义务（RPO）短期内暴增，给公司带来了股价和舆论的短期压力 [3][27] 公司战略核心：聚焦Agentic AI与实用主义 - 公司战略重心是让算力真正用起来，让Agent（智能体）真正跑起来，而非追逐短期泡沫利益 [2][32] - 公司认为Agentic AI是未来关键战场，未来将有数十亿个Agent诞生，无法提供完整Agent开发工具将无法留住企业客户 [3][4] - 公司采取实用主义产品策略，专注于解决当下80%客户面临的真实痛点，而非追求“黑科技” [32] - 公司更愿意与客户讨论降本增效、现代化迁移和如何使用Agent等实际话题，追求真实的交付能力 [32][33] 全栈AI能力构建：自研芯片与模型 - 公司通过自研AI芯片降低Token的算力成本，已部署超过100万枚Trainium系列AI芯片，每年带来数十亿美元收入 [8][11] - 自研芯片策略旨在降低算力基础设施总拥有成本（TCO），理想情况下只需三分之一价格就能得到与英伟达性能接近的芯片 [8] - 最新自研芯片Trainium 3采用3nm工艺，每兆瓦电力产生的Token数量是上一代的五倍，训练成本最多可降低50% [9] - Trainium 3搭载在Trn3 UltraServer服务器上，集成144枚芯片，总算力达362 PFlops，整机性能超过英伟达旗舰服务器GB200 NVL72 [9] - 下一代芯片Trainium 4正在研发，在FP4精度下性能相比Trainium 3将提升6倍以上 [10] - 公司发布自研Amazon Nova 2系列模型，定位为便宜、好用、安全，帮助企业客户低成本处理简单任务以节省算力成本 [12][15] - Amazon Nova 2 Pro性能位居全球第10，虽与顶尖模型有差距，但能用较少Token获得更准确效果，且推理成本更低 [15] 核心平台与增长引擎：Amazon Bedrock与AgentCore - Amazon Bedrock是集成了17家模型厂商数十款模型的平台，满足企业使用多模型的需求 [16] - 该平台通过高效的调度能力和统一的容量池技术，提升算力利用率，为客户提供更低的推理成本 [18] - 截至2025年三季度，Amazon Bedrock服务超过10万家企业，企业用户数量相较2024年同期增长超过两倍 [20] - 处理Tokens数量超过1万亿的客户超过50家，表明AI正从测试走向规模化生产 [20] - 公司管理层预测，长远看Amazon Bedrock对收入的贡献规模将与核心产品EC2不相上下，有潜力成为数百亿美元的业务 [19] - 公司推出Agent基础设施Amazon Bedrock AgentCore，提供标准化Agent开发、部署、运行工具，其SDK下载量已超过200万次 [20] - 随着Agent应用爆发，AgentCore未来可能成为公司下一代核心支柱产品 [26] Agent落地应用与客户案例 - 公司推出官方Agent工具，如Security Agent、DevOps Agent和开发工具KIRO，并坚持内部高频使用验证的“吃自己的狗粮”文化 [23] - KIRO工具能大幅提升开发产能，一个案例中，团队从预估30人18个月的任务，缩减为6人76天完成 [25] - Adobe公司利用AgentCore打破产品矩阵孤岛，让Agent理解用户意图并自主调用工具完成任务，同时满足质量评估与安全治理需求 [22] - Agent的交互会触发数十次模型推理和数据查询，带来指数级的Token消耗，形成算力消耗的乘数效应，是收入增长爆发点 [26] 对行业趋势与竞争策略的研判 - 行业当前部分长约大单是与大模型创业公司签署的训练算力合同，但训练算力投入具有阶段性且边际效应递减 [29] - 未来训练算力占比将逐渐降至10%以下，而Agent带来的推理算力收入占比将达到90%以上，是细水长流的增长来源 [29] - 部分云厂商通过签署未来合同拉动股价的“算力金融杠杆”策略存在风险，可能导致算力泡沫和股价波动 [31] - 公司大量已签订的3-7年长约未完全体现在财报剩余履约义务中，未参与算力金融化游戏 [31] - 公司2024-2025年前两季度营收增速放缓主要因AI芯片产能不足，待2025年末新增产能建成后，营收增速将逐步提升至20%以上 [31] - 公司客户基础稳健，包括苹果、辉瑞、索尼、宝马等巨头及众多软件巨头，这些客户的支付能力远比依赖融资的AI独角兽稳健 [33][34]

报告行业投资评级 - 行业投资评级：增持 [4] 报告核心观点 - 2025年火山引擎冬季FORCE原动力大会定档12月18-19日，聚焦Agentic AI重塑产业，AI正从被动响应转向主动完成任务，落地价值凸显 [5][8] - 大会预告三大重磅发布：豆包大模型家族全线焕新、Agent开发工具升级、生态扩容，旨在构建AI落地全链路能力 [5][8] - 冬季大会可关注豆包大模型在深度思考与多模态融合的进一步演进，评估其在应用广度与成本上的“性价比”优化路径 [5][9] - 豆包大模型使用量增长迅猛，从2024年5月的1200亿tokens增长253倍至2025年9月的超30万亿tokens，本次大会或将披露最新调用量 [5][9] - 大会设置3大主论坛+20场专属论坛，覆盖AI+金融、教育、汽车等多领域，可重点关注Agent开发工具升级与生态扩容 [5][11] 根据目录总结 1.1 FORCE大会定档与重磅发布 - 2025年火山引擎冬季FORCE原动力大会定档12月18-19日，聚焦Agentic AI重塑产业 [8] - 官方预告三大重磅发布：豆包大模型家族全线焕新、Agent开发工具升级、生态扩容，构建AI落地全链路能力 [8] 1.2 历史大会期间市场表现 - 2024年字节冬季原动力大会期间，SW计算机板块涨幅榜前十的证券区间涨跌幅显著，例如亚康股份上涨23.75%，汉得信息上涨22.81% [13] 豆包大模型演进与数据 - 豆包大模型1.6全系列在推理、数学、指令遵循、Agent等方面均有提升，综合成本较豆包1.5深度思考与DeepSeek R1下降63% [5][9] - 截至2025年5月底，豆包大模型日均tokens使用量超过16.4万亿 [5][9] - 豆包大模型使用量从2024年5月的1200亿tokens增长253倍至2025年9月的超30万亿tokens [5][9] 大会议程与关注点 - 冬季FORCE大会设置3大主论坛（发布、技术、开发者）和20场专属论坛（产品、行业、创新、开发者四大类） [5][11][12] - 论坛内容覆盖AI+金融、AI+教育、AI+汽车、HiAgent前沿探索、Data+AI融合、扣子企业级应用等，全方位解析AI落地路径 [5][11][12] - 可重点关注Agent开发工具升级与生态扩容，跟踪AgentKit、TrainingKit、ServingKit的新增突破以及安全合规、企业级权限等能力的强化 [11]

业绩总结 - Trend Micro 2024年总销售额为21亿美元[4] - Trend Micro的企业年度经常性收入(ARR)总额为86亿美元[133] - 2024财年公司的营业利润率为22%[171] - 2025财年的净销售额预计增长5-7%[183] - 2026年公司的运营利润率目标为17-19%[183] 用户数据 - Trend Micro在全球拥有超过500,000家企业客户，覆盖175个国家[5] - Vision One客户数量在过去一年增加了1,100个，达到11,200个[144] - 企业客户的解决方案采用率为77%，其中4个以上解决方案的客户占比[148] - 平均每个Vision One客户的ARR为3.6倍[144] - Vision One平台的净收入留存率（NRR）为136%[152] 新产品与技术研发 - 2025年数字生活保护(DLP)的收入占总收入的34%[111] - 2025年VicOne的销售预测为1000万美元，2025年第一季度至第三季度的实际销售为710万美元[62] - 2022年至2026年，VicOne的销售年复合增长率(CAGR)预计为136%[74] - Trend Micro在2024年阻止了超过1147亿次网络威胁[5] - Trend Micro在多个领域的市场领导地位，包括扩展检测与响应(XDR)和云原生应用保护平台[122] 市场展望 - 2023年至2033年，人工智能机器人市场的年复合增长率(CAGR)预计为21.9%[64] - 大型企业的年度经常性收入（ARR）在2023年达到11亿美元，同比增长3%[141] - Vision One平台的ARR为4.12亿美元，同比增长74%[144] 资本配置与策略 - 资本配置策略中，70%用于分红，30%用于股票回购[186] - 2025年，Trend Micro的目标是通过新客户和现有客户的增值服务实现可持续增长[51]

财务数据和关键指标变化 - 第三季度年度经常性收入（ARR）达到17.82亿美元，同比增长11%，净新增ARR为5900万美元 [6] - 第三季度营收为4.11亿美元，同比增长16%，若剔除约500万美元的汇率同比有利影响，营收增长为14% [6][23] - 公司首次实现第三季度GAAP盈利，GAAP营业利润为1300万美元，去年同期为GAAP营业亏损4300万美元，非GAAP营业利润为8800万美元，利润率达21%，同比提升超过700个基点 [26][27] - 剩余履约义务（RPO）增长至12.65亿美元，同比增长12%，若剔除约2000万美元的汇率有利影响，增长为10%，当期RPO增长至8.4亿美元，同比增长17% [25] - 第三季度非GAAP调整后自由现金流为2800万美元，期末持有现金、现金等价物及有价证券总额为15亿美元，无负债 [27] - 客户总数约10,860家，ARR超过10万美元的客户增至2,506家，ARR超过100万美元的客户增至333家，美元基础总留存率保持98%的优异水平，美元基础净留存率为107% [24][25] 各条业务线数据和关键指标变化 - 超过950家公司正在开发智能体（Agent），通过Maestro编排的流程已超过36.5万个 [8] - 智能文档处理（IXP）产品新增智能体能力，处理复杂非确定性场景并减少人工审核，UiPath Autopilot for IXP可自动生成文档模板，为每个项目节省数小时设置时间 [10][11] - 测试云（Test Cloud）业务获得认可，例如NRG Energy采用后预计测试覆盖率提升30%，周期加快1.5倍，三年内节省近290万美元 [12] - API工作流全面上市，提供以API为中心的自动化，补充RPA和智能体 [15] 各个市场数据和关键指标变化 - 公共部门业务表现强劲，亮点包括与美国海岸警卫队、退伍军人事务部和社会保障管理局的合作与扩展项目 [18][19] - 扩大云覆盖范围，在瑞士市场扩张，并在阿联酋推出Automation Cloud，以满足区域数据驻留和治理要求 [15][16] - 通过收购Peak的能力，结合其定价和库存优化技术与Maestro，为零售和制造等关键垂直领域创建智能商务解决方案 [16] 公司战略和发展方向和行业竞争 - 自动化战略结合确定性自动化的可靠性与智能体AI的智能和适应性，为客户提供可信赖的企业级自动化，快速实现投资回报 [5] - 统一端到端平台架构是核心差异化优势，将从发现到部署的各个环节连接起来，由Maestro跨系统编排工作，内置治理能力确保控制、合规和信任 [14][19] - 聚焦构建垂直行业解决方案，特别是在医疗保健和金融服务领域，如收入周期管理和金融犯罪调查 [64][84] - 与全球技术领导者深化合作，包括与Microsoft Azure AI Foundry、OpenAI、Google Gemini、NVIDIA和Snowflake的新集成，将前沿模型直接引入企业工作流 [17] - 扩展合作伙伴生态，例如与德勤（Deloitte）合作，结合UiPath测试云与德勤Ascend，变革测试生命周期，德勤团队可利用超过1,500个预构建测试机器人和AI智能体 [18][55] 管理层对经营环境和未来前景的评论 - 业务趋于稳定并受到改善执行的驱动，对团队执行力和创新速度感到满意 [5][6][20] - 尽管宏观经济环境多变，但保持审慎展望，基于现有可见度提供指引 [27] - 智能体能力虽早期势头强劲，但采纳仍处于早期阶段，预计在2026财年不会对营收做出重大贡献 [28][75] - 联邦采购环境依然动态，但存在优势领域，公共部门业务回归新常态 [46][68] - 日元兑美元贬值对第四季度指引产生额外汇率逆风，但基于运营优先事项的进展和业务实力，仍提高指引 [28] 其他重要信息 - 在Fusion大会上展示了平台进展，包括UiPath Screenplay，结合传统RPA与大语言模型（LLM）以构建更可靠的自动化 [9] - 获得第三方认可，被Gartner评为智能文档处理领域和AI增强软件测试工具领域的领导者，并被Everest Group评为2025年智能流程自动化平台的领导者和明星表现者 [11][12][13] - 案例研究显示显著客户影响，例如一家全球大型投资管理公司通过智能体概念验证（POC）实现价值实现时间减少95%，预计节省数千万美元，并确定超过40个高价值用例，预计未来三年产生超过2亿美元节省 [8]；USI Insurance Services预计未来三年节省超过3200万美元 [10]；Corewell Health计划利用IXP将推荐信息自动处理到Epic系统中，预计今年重新分配150万美元劳动力节省，明年超过300万美元 [11] 问答环节所有的提问和回答 问题: 智能体解决方案的客户数量和扩展驱动因素 [32] - 回答: 智能体产品势头良好，带动整个平台的需求，观察到从概念验证到试点再到生产的购买模式，最高投资回报率的用例具有高度客户特定性，未见跨行业或部门的单一模式，从试点进入生产令人鼓舞 [33][34] 问题: 联邦政府业务是否受停摆影响 [35] - 回答: 停摆没有直接影响，许多项目通过法案获得资金，且涉及国防部等关键运营领域，因此未受重大影响 [35] 问题: 第四季度净新增ARR恢复增长的驱动因素和可持续性 [38] - 回答: 业务整体积极，团队执行一致，美洲团队表现尤其出色，智能体领域显现良好势头，业务正在改善和稳定 [38]；改善的执行力、新产品发布间接拉动平台、增加粘性、领导层稳定和人才引进是因素，无单一神奇按钮 [40] 问题: 智能体投入生产后的定价提升或货币化方式 [41] - 回答: 货币化并非单纯定价提升，而是智能体与平台其他部分（如IXP、额外机器人、流程编排）结合，拉动整个平台，增加粘性，使客户更有信心深化平台在其架构中的应用 [42][43] 问题: 第三季度联邦业务结果与年初预期对比及OpenAI合作的影响 [46] - 回答: 联邦业务环境动态，有优势领域，第三季度进展令人鼓舞，回归新常态，项目长期战略性，对该领域指引保持审慎 [46]；OpenAI合作方面，GPT-5广泛应用于平台，尤其在Screenplay产品中，结合UI自动化可靠性与LLM驱动的适应性，公司是唯一能成功使用此方法交付自主UI任务的公司 [47][48] 问题: 合作伙伴关系的细节、联合市场推广及管道建设 [50] - 回答: 目前宣布的合作伙伴关系主要是技术赋能型，由客户需求驱动，平台开放灵活，与Snowflake合作数据层，与OpenAI、Google合作前沿LLM赋能智能体，与NVIDIA合作安全治理，目标是为企业可靠AI提供坚实基础 [51][52]；关于编排第三方智能体，观察到客户对编码智能体的兴趣，与LangChain、CrewAI、LlamaIndex等公司合作，目前混合托管低代码和编码智能体，管理外部构建智能体为时过早 [53] 问题: 渠道合作伙伴贡献的管道增量及推动AI部署 [54] - 回答: 合作伙伴来源的管道数量肯定增加，但质量提升更关键，例如在S/4HANA迁移中与德勤等合作方参与客户关于大规模转型流程的对话，这种高质量管道比单纯数量更重要 [55][56] 问题: 明年运营支出投资计划以支持AI产品推出 [57] - 回答: 不提供明年具体细节，但今年通过纪律而非紧缩实现运营杠杆，在工程、销售容量等领域持续招聘和扩张，同时优化其他成本结构，实现运营杠杆并增强执行节奏 [58][59][60] 问题: AI概念验证转化为销售的驱动因素和经验 [62] - 回答: 模式正在出现，部署团队于不同行业用例，在医疗保健（如收入周期管理、事前授权、理赔管理）和金融服务（金融犯罪）等领域看到特定模式，但可复制潜力巨大的单一用例尚早 [63] 问题: 第四季度指引中净新增ARR增长的构成因素 [65] - 回答: 无第三季度延迟交易等时间因素，增长主要源于三方面：销售团队执行力改善、客户活动广泛（概念验证、试点、续订带来更坚定长期合作信心导致自然增销）、宏观经济环境（汇率影响）以及势头（销售稳定性、公共部门新常态），是执行力改善、汇率逆风减少和战略组织一致性提升的共同结果 [67][68][69] 问题: 净留存率下降原因及第四季度新业务预期 [72] - 回答: 净留存率压力主要来自客户群低端部分，ARR在10万至100万之间的客户净美元扩张率为113%，量化显示低层级压力更大，且存在大数法则影响，随着净新增ARR稳定，其他指标也开始稳定 [72][73]；智能体客户数量翻倍和Maestro流程实例增长，早期间接帮助拉动平台、增加客户长期架构投资信心，直接可扩展货币化方面，短期无重大贡献，明年更新假设 [74][75] 问题: 模型提供商竞争是否改变认知及集成异构性趋势 [78] - 回答: 尚未看到明显转变，作为平台持续评估所有前沿LLM并混合使用，例如在IXP业务中使用GPT-5理解文档结构和意图，使用Gemini提取复杂表格，始终监控并使用最佳LLM [79][80] 问题: 提前合作、共同开发解决方案对第三季度结果的直接影响及未来预测 [81] - 回答: 是领先指标，更贴近客户、共同创新解决问题有助于提升投资回报率信心，显示UiPath的相关性和智能体框架的真实产品影响力，对第三季度无重大直接影响，但间接影响是感觉到的势头，客户更愿意投资和拉动现有平台 [81][82] 问题: 采用预构建智能体解决方案最快的垂直行业及行业定制自动化进展 [84] - 回答: 垂直化方法获得大量关注，产品工程团队重组以更好地处理垂直解决方案，聚焦医疗保健和金融服务，特别是医疗保健的收入周期管理和金融服务的金融犯罪、了解你的客户、反洗钱等用例 [84] 问题: 确定性自动化与智能体/LLM自动化之间的平衡及未来变化 [86] - 回答: 两者互补，针对业务流程的不同步骤，定义明确的任务使用确定性自动化，无需LLM驱动，LLM用于创建或维护确定性自动化，但在规则复杂、流程复杂、处理大量文档、涉及对话流程等方面，LLM是绝佳补充，编排结合AI驱动、确定性和人工环节对于交付安全、受治理的企业解决方案至关重要，行业开始认识到编排是关键技术 [86][87] 问题: 智能体消耗定价的客户障碍（支出可预测性）及应对措施 [90] - 回答: 持续评估客户AI采用情况，旨在采用反映AI消耗的定价模式，监控行业趋势，定价方式灵活，可按组件定价，也理解基于结果的定价，但整个行业处于早期阶段，尚在理解大规模智能体AI消耗模式 [91][92] 问题: 智能体概念验证到生产部署周期是否缩短及驱动因素 [93] - 回答: 公司内部更好地理解各种用例，构建解决方案和加速器以跨行业复制经验，预计这一趋势明年将加速，解锁企业大规模AI消耗的关键在于预打包解决方案，可显著加速价值实现时间，因此重点构建这些解决方案 [93][94]

财务数据和关键指标变化 - 第三季度收入为4.11亿美元，同比增长16% 若剔除约500万美元的汇率有利影响，收入增长为14% [6][23] - 年度经常性收入为17.82亿美元，同比增长11% 其中包括600万美元的汇率有利影响 净新增ARR为5900万美元 [6][24] - 剩余履约义务为12.65亿美元，同比增长12% 剔除约2000万美元的汇率有利影响后增长10% 当期RPO为8.4亿美元，同比增长17% [25] - 第三季度非GAAP运营收入为8800万美元，利润率达21%，同比提升超过700个基点 GAAP运营收入为1300万美元，去年同期为GAAP运营亏损4300万美元，这是公司首次在第三季度实现GAAP盈利 [7][26][27] - 第三季度非GAAP净利润为8500万美元 非GAAP调整后自由现金流为2800万美元 [27] - 期末现金、现金等价物及有价证券总额为15亿美元，无债务 [27] - 客户总数约为10,860家 ARR超过10万美元的客户增加至2,506家 ARR超过100万美元的客户增加至333家 [24] - 美元基础总留存率保持在98%的顶级水平 美元基础净留存率为107% [25] - 第四季度收入指引为4.62亿至4.67亿美元 ARR指引为18.44亿至18.49亿美元 非GAAP运营收入指引约为1.4亿美元 [28][29] - 2026财年全年非GAAP调整后自由现金流指引约为3.7亿美元 非GAAP毛利率指引约为85% [29] 各条业务线数据和关键指标变化 - 超过950家公司正在开发智能体 通过Maestro编排的流程已超过365,000个 [8] - 智能文档处理产品引入了智能体能力，并推出UiPath Autopilot for IXP以自动生成文档模板 [10][11] - 公司宣布API工作流全面上市，以补充RPA和智能体 [15] - 通过收购Peak获得的能力，结合Maestro和平台能力，与Debens集团共同创建了智能商品定价和库存解决方案 [16] 各个市场数据和关键指标变化 - 美洲团队表现突出，显示出良好的增长势头 [38] - 公共部门业务表现令人鼓舞，效率要求为自动化创造了长期顺风 本季度亮点包括与美国海岸警卫队、退伍军人事务部和社会保障管理局的合作扩展 [18][19] - 公司继续扩大在重要市场的云覆盖，包括在瑞士的扩张，并在GITEX上宣布在阿联酋推出Automation Cloud [15] - 日本日元兑美元贬值对第四季度指引造成了不利影响 [28] 公司战略和发展方向和行业竞争 - 公司的自动化战略结合了确定性自动化的可靠性与智能体AI的智能和适应性 [5] - 统一平台将确定性自动化、智能体智能和流程编排结合在一起，为客户带来最大影响 [8] - 公司的创新重点是帮助客户从试点更快地进入生产阶段，包括增强Agent Builder，提供新的可视化画布和可重用模板 [10] - 公司专注于构建垂直行业解决方案，以帮助客户加速成果和投资回报率 重点关注医疗保健和金融服务等行业 [16][84] - 公司认为其统一端到端平台架构，以及Maestro跨系统编排工作和内置治理能力，是其差异化优势 [19] - 公司近期被Gartner评为智能文档处理领域和AI增强软件测试工具领域的领导者，并被Everest Group评为2025年智能流程自动化平台的领导者和明星表现者 [11][12][13] 管理层对经营环境和未来前景的评论 - 公司对团队执行力和业务稳定性充满信心，业务正受到5900万美元净新增ARR的驱动 [6] - 公司有望在2026财年首次实现全年GAAP盈利 [7] - 尽管宏观经济环境多变，公司对团队执行感到满意，并继续保持审慎展望 [27] - 虽然对智能体能力的早期进展感到鼓舞，但采用仍处于早期阶段，预计在2026财年不会对营收做出重大贡献 [28] - 公司认为确定性自动化和智能体自动化是高度互补的，分别解决业务流程中的不同步骤，而编排是将AI驱动、确定性自动化和人工结合的关键技术 [86][87] 其他重要信息 - 公司在Fusion大会上展示了与OpenAI、Microsoft、NVIDIA、Google和Snowflake等合作伙伴的新集成 [7][17] - 与德勤扩大了合作，将UiPath Test Cloud的智能体测试能力与Deloitte Ascend结合，德勤团队可以利用超过1,500个预构建的测试机器人和AI智能体 [18] - 公司正在评估智能体AI的消费模式，行业定价模式动态，公司采取灵活方法，可以按组件定价，也理解基于结果的定价 [91] 问答环节所有的提问和回答 问题: 关于智能体解决方案的客户数量和扩展驱动因素 [32] - 回答: 公司看到智能体产品势头良好，创造了整个平台的拉动效应 从概念验证到试点再到生产，出现了一些一致的购买模式 最高投资回报率的用例通常非常客户特定，没有明显的跨行业或跨部门的单一模式 总体而言，看到从试点进入生产是令人鼓舞的 [33][34] 问题: 联邦政府业务是否受到政府停摆的影响 [35] - 回答: 没有受到停摆的直接影响 许多项目资金已通过法案拨付，且许多被视为关键运营领域，如国防部等 [35] 问题: 第四季度净新增ARR恢复增长的驱动因素和可持续性 [38] - 回答: 整个业务是积极的，团队执行一致，美洲团队表现尤其出色，业务正在改善和稳定 [38] 没有神奇的单一因素，改进的执行力、新产品的推出、领导层的稳定和引入的人才都是贡献因素 [40] 问题: 智能体投入生产后带来的定价提升或货币化情况 [41] - 回答: 这不是关于定价提升 智能体与平台其他部分（如IXP、额外机器人、流程编排）结合，拉动整个平台，增加了客户粘性，使客户更有信心深化平台在其架构中的应用 [42][43] 问题: 第三季度美国联邦业务表现与年初预期对比，以及与OpenAI合作的细节 [46] - 回答: 联邦业务环境依然动态，但有亮点，第三季度进展令人鼓舞，正在回归新常态 交易扎实，团队执行良好，项目是长期和战略性的 [47] 关于OpenAI，公司在整个平台使用GPT-5，特别是在创新的Screenplay产品中，结合了UI自动化的可靠性和LLM驱动计算机使用的适应性 [47][48] 问题: 关于合作伙伴关系的更多细节，是否有联合市场推广，是否看到渠道建设 [50] - 回答: 目前宣布的合作伙伴关系主要是技术赋能型，由客户需求驱动 公司以拥有开放平台为荣，与Snowflake、OpenAI、Google、NVIDIA的合作旨在为可靠的企业级AI提供坚实、安全、受治理的基础 [51][52] 问题: 是否看到更多转向第三方智能体的趋势，还是主要编排UiPath内部构建的智能体 [52] - 回答: 公司看到许多客户对构建编码智能体感兴趣，并与LangChain、CrewAI和LlamaIndex等公司合作 目前看到的是由平台托管和管理的低代码和编码智能体的混合，管理完全在平台外部构建的智能体还为时过早 [53] 问题: 渠道合作伙伴贡献的增量渠道占比，以及这些合作如何推动明年AI产品部署 [54] - 回答: 合作伙伴贡献的渠道数量肯定增加了，但更重要的是质量 随着S/4HANA迁移的发生，公司与德勤等合作伙伴的参与有助于将其带入关于大规模转型流程的对话中，这种模式在其他合作伙伴中也存在 [55][56] 问题: 关于明年运营支出投资以支持AI产品推出和更广泛货币化路径的思考 [57] - 回答: 公司通过纪律和聚焦而非紧缩来实现运营杠杆 实际上正在工程领域招聘，扩大销售能力 投资重点放在平台、前向部署工程师、客户现场支持及核心工程能力上 通过审视这些重点领域之外的所有成本结构来提高效率 [58][59][60] 问题: 从概念验证转化为销售的驱动因素或经验教训 [62] - 回答: 公司看到一些模式正在出现，但目前格局非常分散 在医疗保健的收入周期管理、事前授权、索赔管理，以及金融服务中的金融犯罪等领域看到特定模式，但现在指出一个具有高度可复制潜力的特定用例还为时过早 [63] 问题: 第四季度净新增ARR增长的构成，是否有交易延迟或AI预订改善的预期 [65] - 回答: 没有第三季度交易延迟等时间安排方面的重大或显著因素 第四季度指引中隐含的同比增长主要受三个因素驱动：执行力提升、宏观经济环境（外汇）以及业务势头 这与之前净新增ARR下降时的因素相反 [67][68][69] 问题: 净留存率下降的原因及第四季度新业务强度的预期 [72] - 回答: 净留存率下降主要是低端客户群存在一些压力 补充指标显示，ARR在10万至100万之间的客户净美元扩张率为113%，量化了低端群体的压力 随着净新增ARR稳定，其他指标也开始稳定 [72][73] 问题: 开发智能体的客户数量翻倍和Maestro流程实例带来的提升，以及这是否有助于维持明年的净留存率 [74] - 回答: 公司仍处于智能体应用的早期阶段 客户活动势头既有直接也有间接影响 间接影响已经开始并继续帮助公司，拉动平台其他部分，使客户将公司视为其企业架构的长期部分 至于直接、可扩展的货币化，将在明年更新假设，短期内没有重大贡献 [74][75] 问题: 过去一个季度，模型提供商之间的竞争是否导致客户认知转变，以及集成活动的异构性趋势 [78] - 回答: 公司尚未看到明显的转变 作为平台，公司持续评估所有前沿LLM，并混合使用它们 例如，在IXP业务中，使用GPT-5来更好地理解文档结构和意图，同时使用Gemini进行特定提取 [79][80] 问题: 更早与客户合作开发解决方案在第三季度的直接转化效果，以及这是否是未来成功的预测指标 [81] - 回答: 这是一个领先指标 更贴近客户、共同创新、解决问题有助于公司 公司相信投资回报率将是做出选择的关键 共同创新以及与合作伙伴围绕更大问题合作，有机会对投资回报率产生有意义的影响 这也验证了UiPath的相关性和智能体框架的真实产品影响力 就第三季度而言，智能体对近期业绩没有重大影响，主要是持续的有纪律的执行 智能体的间接影响是公司能感受到的势头 [81][82] 问题: 哪些垂直行业最快采用预构建的智能体解决方案，以及公司是否更积极地推进行业特定的打包自动化 [84] - 回答: 公司的垂直化方法在内部获得了很大关注，投入了大量重点和精力，最近重组了产品和工程团队以更好地创建垂直解决方案 行业方面，重点关注医疗保健和金融服务，特别是医疗保健的收入周期管理和金融服务中的金融犯罪、了解你的客户、反洗钱等用例 [84] 问题: 确定性自动化与智能体或LLM驱动的自动化之间的平衡，以及未来几年或几个季度这种平衡是否会显著变化 [85] - 回答: 公司的论点是它们高度互补，解决业务流程中的不同步骤 对于定义明确的任务或工作流，人们会使用确定性自动化，无需使用LLM LLM用于创建或维护确定性自动化 但在许多规则过于复杂、流程复杂、涉及大量文档或流程对话方面的领域，LLM是确定性自动化的绝佳补充 结合AI驱动、确定性自动化和人工的编排部分，是提供安全、受治理的企业解决方案的关键技术 [86][87] 问题: 早期部署是否提供了足够的用量模式来帮助客户更可靠地预测支出，以及公司正在做什么来帮助客户克服消费定价的可预测性障碍 [90] - 回答: 公司不断评估客户如何采用AI，旨在采用反映AI消费的定价模式，并持续关注行业趋势 整个行业目前是动态的，正在试图找出最佳定价 公司方法灵活，可以按组件定价，也理解基于结果的定价 但公司仍处于理解智能体AI大规模消费模式的早期阶段 [91][92] 问题: 从智能体概念验证到生产部署的典型周期时间是否比年初缩短，以及驱动压缩的具体努力或计划 [93] - 回答: 公司内部更好地理解了各种用例，构建了解决方案和加速器，有助于跨行业和垂直领域复制经验 估计这一趋势将在明年继续加速 公司坚信，解锁企业大规模AI消费的关键是预打包解决方案，这能显著加速价值实现时间 [93][94]

财务数据和关键指标变化 - 第三季度年度经常性收入（ARR）达到17.82亿美元，同比增长11%，新增净ARR为5900万美元 [4] - 第三季度收入为4.11亿美元，同比增长16%，若剔除约500万美元的汇率有利影响，收入增长率为14% [4][21] - 公司实现首个GAAP盈利的第三季度，GAAP营业利润为1300万美元，去年同期为GAAP营业亏损4300万美元，非GAAP营业利润为8800万美元，利润率达21%，同比提升超过700个基点 [4][23][24] - 剩余履约义务（RPO）增长至12.65亿美元，同比增长12%，剔除约2000万美元的汇率有利影响后增长10%，当期RPO为8.4亿美元，增长17% [23] - 第三季度整体毛利率为85%，软件毛利率为91%，非GAAP调整后自由现金流为2800万美元 [23][24] - 期末现金、现金等价物及有价证券总额为15亿美元，无债务 [24] - 第四季度财年指引：收入预期为4.62亿至4.67亿美元，ARR预期为18.44亿至18.49亿美元，非GAAP营业利润预期约为1.4亿美元 [25][26] 各条业务线数据和关键指标变化 - 超过950家公司正在开发智能体（agents），通过Maestro编排的流程已超过36.5万个 [6] - 智能文档处理（IXP）产品增加了智能体能力，处理复杂的非确定性场景并减少人工审核，例如Autopilot for IXP可自动生成文档模板 [9][10] - 测试云（Test Cloud）的智能体测试能力获得客户认可，例如NRG Energy采用后预计测试覆盖率提升30%，周期加快1.5倍，三年节省近290万美元 [11] - 通过收购Peak公司，结合其定价和库存优化技术，与Debens集团共同创建了智能商品定价和库存解决方案 [15] - API工作流已全面上市，提供以API为中心的自动化，补充了RPA和智能体 [14] 各个市场数据和关键指标变化 - 客户总数约为10,860家，其中ARR超过10万美元的客户增至2,506家，ARR超过100万美元的客户增至333家 [22] - 美元基准总留存率保持在98%的顶尖水平，美元基准净留存率为107%，调整汇率影响后也为107% [22][23] - 公共部门业务表现令人鼓舞，美国海岸警卫队、退伍军人事务部、社会保障管理局等机构均有扩展合作，尽管联邦采购环境动态变化，但存在长期自动化需求 [17][18] - 云服务扩展至瑞士等重要市场，并在阿联酋推出Automation Cloud，以满足区域数据驻留和治理要求 [14][15] - 新增企业客户包括Nuffield Health、Reser's Fine Foods以及一家澳大利亚砖制造商，它们选择UiPath是因其智能体自动化平台的广度 [22] 公司战略和发展方向和行业竞争 - 公司战略结合了确定性自动化的可靠性与智能体AI的智能和适应性，提供可信赖的企业级自动化以实现快速投资回报 [4] - 统一平台架构是核心优势，将发现到部署的各个环节连接起来，并由Maestro编排引擎进行流程编排和内置治理 [18] - 专注于构建垂直行业解决方案，特别是在医疗保健和金融服务领域，例如收入周期管理和金融犯罪调查 [53] - 与全球技术领导者深化合作，包括与Microsoft Azure AI Foundry、OpenAI、Google Gemini、NVIDIA和Snowflake的新集成，以扩展平台能力 [5][16] - 被Gartner评为智能文档处理领域和AI增强软件测试工具领域的领导者，并被Everest Group评为2025年智能流程自动化平台的领导者和明星表现者 [10][11] 管理层对经营环境和未来前景的评论 - 管理层认为业务正在稳定，团队执行力改善，对全年首次实现GAAP盈利充满信心 [4][19] - 尽管宏观经济环境多变，但公司保持审慎展望，指引基于当前可见的业务强度 [24] - 智能体能力的早期应用势头良好，但预计在2026财年不会对营收产生实质性贡献，其价值更多体现在拉动整个平台的使用和增强客户粘性 [25][32][49] - 日元兑美元贬值对第四季度指引产生了约300万美元的汇率逆风 [25][26] - 公司通过提高运营效率而非紧缩开支来实现杠杆效应，持续在工程和销售等关键领域进行投资 [40][41] 其他重要信息 - 在Fusion用户大会上展示了平台进展，包括UiPath Screenplay技术，该技术将传统RPA与大型语言模型结合，以构建更可靠的自动化 [5][8] - 与德勤（Deloitte）扩大了合作，将UiPath测试云的智能体测试能力与德勤Ascend平台结合，提供超过1500个预构建测试机器人和AI智能体 [17][38] - 客户案例显示显著的投资回报，例如一家全球大型投资管理公司通过智能体概念验证实现了价值实现时间减少95%及数千万美元的预期节省，Corewell Health预计今年节省150万美元劳动力成本，明年节省超过300万美元 [7][10] 总结问答环节所有的提问和回答 问题: 关于智能体解决方案的客户数量和扩展驱动因素 - 智能体产品势头良好，带动了整个平台的使用，观察到从概念验证到试运行再到生产的购买模式，最高投资回报率的用例因客户而异 [27][28] 问题: 联邦政府业务是否受停摆影响 - 联邦政府业务未受停摆直接影响，许多项目资金已通过法案批准，且涉及关键运营领域 [29] 问题: 第四季度净新增ARR恢复增长的驱动因素和可持续性 - 业务全面向好，团队执行力改善，特别是美洲地区表现强劲，业务正在改善和稳定，没有单一因素，是执行力、新产品、领导层稳定和人才引进共同作用 [30][31][45][46] 问题: 智能体投入生产后的定价提升或货币化方式 - 货币化并非直接提价，而是通过智能体拉动整个平台（如IXP、额外机器人、流程编排）的使用，从而增加客户粘性和深化平台嵌入 [32] 问题: 第三季度联邦业务表现与预期对比及与OpenAI合作的影响 - 联邦业务环境动态，但有亮点，回归新常态，合作是技术赋能型，由客户需求驱动，旨在为可靠AI提供坚实基础 [34][35] 问题: 技术合作伙伴关系细节及是否带来管道增长 - 目前合作伙伴关系主要是技术赋能，由客户需求驱动，旨在创建一个提供可靠、安全、受治理AI的基础合作伙伴生态 [35][36] 问题: 编排第三方智能体与内部构建智能体的情况 - 观察到客户对构建编码智能体的兴趣，目前混合使用由平台托管和管理的低代码及编码智能体，管理外部构建智能体还为时过早 [37] 问题: 渠道合作伙伴贡献的管道增量及对AI部署的帮助 - 合作伙伴来源的管道质量显著提高，特别是在S/4HANA迁移等大型转型项目中能更早介入，这比单纯的数量更重要 [38][39] 问题: 下一财年支持AI产品推出的运营支出投资思路 - 不提供具体指引，但当前策略是通过纪律和聚焦实现运营杠杆，同时在工程、销售和客户现场支持等关键领域继续投资 [40][41] 问题: 从概念验证到销售的驱动因素和经验 - 观察到模式出现，但领域仍分散，例如医疗保健的收入周期管理和金融服务的金融犯罪调查显示出潜力 [43] 问题: 净留存率下降的原因及第四季度新业务预期 - 净留存率下降主要受低端客户段压力影响，ARR在10万至100万之间的客户净美元扩张率为113%，随着净新增ARR稳定，其他指标也开始稳定 [47][48] 问题: 开发智能体的客户数量翻倍带来的提升及对明年留存率的影响 - 智能体仍处于早期阶段，其间接影响（如拉动平台使用、增强客户架构嵌入）已开始显现，直接货币化尚无实质性贡献 [49] 问题: 模型提供商竞争是否提升了对集成编排价值的认知及异构性趋势 - 尚未观察到明显转变，平台持续评估所有前沿大语言模型并混合使用，以发挥各自优势 [50] 问题: 提前合作与共同开发解决方案对第三季度结果的直接影响 - 提前合作是领先指标，能共同创新解决重大问题，影响投资回报，从而产生长期影响，但第三季度结果主要源于稳健执行力，智能体尚无实质性贡献 [51][52] 问题: 哪些行业最快采用预构建智能体解决方案及行业定制自动化策略 - 垂直化策略获得大量关注，重点聚焦医疗保健和金融服务，特别是医疗收入周期管理和金融犯罪调查等用例 [53] 问题: 确定性自动化与智能体自动化之间的平衡及未来展望 - 两者是互补的，分别解决业务流程中的不同步骤，确定性自动化用于定义明确的任务，智能体用于复杂、涉及文档或对话的任务，编排结合两者及人工参与是关键 [54][55] 问题: 客户对智能体消耗定价可预测性的障碍及公司的应对措施 - 行业定价模式动态，公司灵活评估，可按组件定价或基于成果定价，目前仍处于理解大规模智能体AI消耗模式的早期阶段 [56] 问题: 从概念验证到生产部署的周期是否缩短及加速措施 - 公司内部对用例的理解加深，构建解决方案和加速器有助于跨行业复制经验，预计这一趋势将加速，预打包解决方案是解锁企业大规模AI消费的关键 [57][58]

财务数据和关键指标变化 - 第三季度总净销售额为1.396亿美元，同比下降2.7% [15] - 第三季度可比净销售额（包括实体店和电商）同比增长2%，其中实体店可比销售额增长5.3%，电商可比销售额下降9% [15] - 实体店净销售额占总销售额的79%，高于去年同期的77.6% [15] - 电商销售额下降主要归因于清仓销售额同比大幅减少51%，表明今年在线销售的全价商品质量更健康 [15] - 第三季度毛利率（包括采购、分销和占用成本）为30.5%，较去年同期的25.9%提升460个基点 [16] - 产品利润率提升390个基点，得益于更高的初始加价率和更低的降价幅度 [16] - 采购、分销和占用成本改善70个基点，总额减少200万美元，主要由于门店数量减少带来的占用成本降低 [16] - 第三季度总销售、一般及行政费用为4450万美元，占净销售额的31.9%，较去年同期的5130万美元（占35.7%）减少670万美元 [16] - 税前亏损改善至140万美元，占净销售额的1%，去年同期为1290万美元，占9% [17] - 净亏损改善至140万美元，或每股0.05美元，去年同期为1290万美元，或每股0.43美元，同比改善1150万美元或每股0.38美元 [18] - 第三季度末总流动性为1.007亿美元，包括3900万美元现金和6160万美元未使用的资产支持信贷额度 [18] - 净库存较去年同期第三季度末下降12.8% [18] - 前三季度资本支出总额为340万美元，去年同期为670万美元 [18] 各条业务线数据和关键指标变化 - **实体店业务**：可比销售额增长5.3%，但总销售额因门店数量减少6.5%而下降0.9% [15] - **电商业务**：可比销售额下降9%，主要由于清仓销售大幅减少，但全价销售质量改善 [15] - **自有品牌业务**：自有品牌销售渗透率计划从当前财年迄今的约37%提升至年化约40%，增加约3个百分点 [7][33] - **第三方品牌业务**：公司将继续采购和支持与生活方式相关的第三方品牌，这是其多品牌业务的核心 [8] 各个市场数据和关键指标变化 - 第三季度实现了自2021财年第四季度以来的首次季度可比净销售额正增长，且季度内每月、每周实体店销售额均为正增长 [5] - 积极的销售趋势延续至第四季度，10月和11月整体销售趋势加速，门店可比销售额实现两位数增长 [6] - 截至2025年12月2日，第四季度迄今可比净销售额较截至2024年12月3日的可比期间增长6.7%，其中从感恩节到昨日（12月2日）期间可比净销售额增长9.3% [19] - 11月是连续第四个月实现可比净销售额增长 [18] 公司战略和发展方向和行业竞争 - **战略重点**：通过商品组合、库存规划、营销和费用管理方面的战略举措，推动销售健康增长并实现持续盈利 [7] - **品牌组合优化**：计划提高自有品牌销售渗透率至约40%，以寻求改善产品独家性以及对物流、定价和产品利润率的控制，但不会过度偏向自有品牌而损害重要的第三方品牌合作伙伴关系 [7][8] - **消费者洞察**：完成了广泛的消费者细分调查，定义了六种主要的消费者画像，以指导商品组合构建和营销流程 [9] - **营销与品牌建设**：积极投资于独家机会以建立品牌知名度，例如与TikTok内容创作者Loren Gray合作的品牌大使活动，以及与Malibu Sky品牌创始人Tia McKenzie的独家快闪店活动 [10] - **技术升级与AI应用**： - 9月推出了AI驱动的价格优化工具，早期迹象显示其提高了平均单位零售售价和产品利润率及售罄率 [11] - 计划在2026财年下半年推出AI驱动的商品补货和分配工具，以提高门店和线上的库存效率 [11] - 计划在门店推出RFID技术，以提高库存准确性、客户体验和店内效率 [11] - 正在探索在商品规划与分配、分销、门店劳动力规划和营销活动开发等领域使用智能体AI以提升运营效率 [12] - **门店网络优化**：计划在第四季度末关闭7家门店，使财年末总门店数达到223家，较2024财年末净减少17家（7.1%），未来可能根据剩余门店租约谈判结果增加关闭数量 [20][42] 管理层对经营环境和未来前景的评论 - 新任CEO对公司团队的努力和承诺印象深刻，认为公司已开始稳定业务并朝着正确方向前进 [4][5] - 第三季度的表现以及延续至第四季度的积极销售趋势，使管理层对已建立的势头感到鼓舞 [6][21] - 管理层认为，当前业绩是商品组合、库存规划、营销和费用管理等战略举措以及团队执行能力的直接成果 [6] - 对进展感到鼓舞，但为实现持续盈利的目标仍需完成大量工作，首要任务是继续以健康的方式增长销售 [7] - 预计在第四季度及进入2026财年将继续实现相对于去年同期的改善 [21] 其他重要信息 - 公司预计2025财年第四季度总净销售额在1.46亿至1.51亿美元之间，对应可比净销售额增长4%至8% [19] - 预计第四季度产品利润率将较去年同期改善约300至350个基点 [19] - 预计第四季度销售、一般及行政费用在考虑任何潜在的非现金门店资产减值费用前约为5000万至5100万美元 [19] - 预计第四季度税前亏损和净亏损分别在约560万美元至350万美元之间，由于对递延税资产的全额非现金估值备抵的持续影响，有效所得税率接近零 [20] - 预计第四季度每股亏损在0.19美元至0.12美元之间，去年同期为每股亏损0.45美元，预计加权平均股数约为3010万股 [20] 总结问答环节所有的提问和回答 问题: 推动可比销售额转正及在第四季度加速增长的关键驱动因素是什么？是更好的商品组合还是不同的营销策略？ [24] - 管理层认为，可比销售额转正是商品组合和营销共同努力的结果，各占50%的权重 [25] - 第四季度的加速增长并非由促销驱动，尽管第四季度因黑色星期五和圣诞促销通常是产品利润率最低的季度，但公司仍预计产品利润率将改善300-350个基点，这反映了商品组合和品牌建设的质量 [26][27] 问题: 可比销售额改善的构成是怎样的？是否包含积极的客流量？ [28] - 第四季度迄今的增长主要由转化率、平均交易价值和交易数量的改善驱动，各增长约6%-7% [29] - 客流量大致持平，季度迄今（截至12月2日）略低于持平水平（-0.4%），但黑色星期五当天门店客流量为正 [29] 问题: 关于提高自有品牌渗透率的目标，何时能达到？为何认为这是正确的方法？是否存在环境变化带来的库存策略风险？ [30][31] - 自有品牌销售强劲，扩张计划将在未来三到五个月内逐步进行，并非剧烈的业务转变 [32] - 财年迄今自有品牌渗透率略低于37%，目标提高约3个百分点至年化40%，目前已有周度渗透率超过40%的情况，提高几个百分点并非遥不可及 [33] - 提高自有品牌渗透率也是推动产品利润率改善的因素之一 [34] 问题: 自有品牌与第三方品牌的利润率差异是多少？应如何考虑其对长期利润率改善的影响？ [35] - 公司未公开具体细节，因为利润率因产品类别而异，无法在公开场合进行如此细粒度的讨论 [35] 问题: 电商业务的不利因素（清仓销售减少）始于何时？何时能度过同比影响期，从而减轻对营收的拖累？ [36] - 减少清仓销售是贯穿本财年的持续努力，去年库存水平过高，今年初通过折扣等方式清理库存 [36] - 在线渠道历来被证明比门店更有效地处理清仓商品，但去年清仓业务过多，这导致了第三季度在线可比销售额的负增长 [37] - 今年第四季度清仓业务占比仍将显著低于去年，这种同比影响将持续至明年第一季度，尤其是考虑到去年同期进行了大量清仓销售 [37] 问题: 销售、一般及行政费用控制良好，门店薪酬和履约费用显著减少，这些节省是否可持续？如果积极的可比销售势头持续，应如何考虑运营杠杆？ [38] - 运营杠杆将主要来自门店每平方英尺销售生产力的提高 [39] - 第三季度门店平均工时同比减少7%，同时实现了可比销售额正增长，效率显著提升，这是一项持续的努力 [39] - 随着可比销售额和生产力改善，部分绝对美元费用将会上升，同时某些司法管辖区的最低工资标准每年都会上调，但公司将尽可能保持效率 [40] 问题: 关于资本分配和门店布局，近期门店关闭是否已结束？明年是否会有更多调整？RFID实施的增量成本是多少？对资本支出有何影响？ [41] - 计划在第四季度末关闭7家门店，根据剩余租约谈判结果，可能还会增加 [42] - 公司一直在对盈利能力不可接受的门店采取行动，在租约自然到期或可执行退出条款时进行调整，这一努力将持续 [42] - RFID及相关技术投资已进行一段时间，部分前期工作支出已计入本财年，明年会增加一些，但不会造成明显的费用增长 [43]