Cloudflare, Inc. (NYSE: NET) on Thursday outlined a plan to debut “NET Dollar,” a U.S. dollar–backed stablecoin it says will enable instant, secure payments as autonomous AI agents transact across the web.See if NET stock is worth your attention here.Cloudflare is pitching NET Dollar as financial plumbing for the “agentic web,” where software agents handle purchases, subscriptions and data access on users’ behalf.The company framed the token as a way to support pay-per-use and microtransactions at Internet ...

执行摘要 - 企业投入300-400亿美元于生成式AI但95%的组织获得零回报 仅5%的AI试点项目能创造数百万美元价值 [6] - 80%的组织探索或试点ChatGPT等工具 40%已部署 但这些工具主要提升个人生产力而非损益表现 [7] - 60%的组织评估企业级AI系统 仅20%进入试点阶段 5%投入生产 失败主因包括工作流程脆弱和缺乏情境学习 [7] - 成功案例显示在客户支持、软件工程和行政职能领域开始出现选择性人力影响 并实现BPO支出和外部机构使用减少带来的可衡量节省 [12] 生成式AI鸿沟的错误面：高采用低转型 - 7/9行业显示极少结构性变化 企业大量试点生成式AI工具但极少实现部署 [13] - 行业层面转型有限 仅科技和媒体两个行业显示结构性颠覆迹象 [15] - 开发了AI市场颠覆指数 基于5个可观察指标对行业评分 科技和媒体电信保持最高排名 [17][22] - 企业级AI解决方案失败率达95% 体现最明显的生成式AI鸿沟 [28] 试点停滞的原因：鸿沟背后的学习缺口 - 用户抵制不具适应性的工具 模型质量缺乏情境支撑 用户体验因系统无法记忆而受损 [49] - 企业AI工具用户常是消费级LLM的重度使用者 形成反馈循环使员工对静态企业工具容忍度降低 [55] - 70%用户偏好AI处理快速任务(如邮件、摘要) 但90%偏好人类处理复杂项目 分界线在于记忆和适应能力 [68] - 代理式AI通过持久记忆和迭代学习直接解决生成式AI鸿沟的核心问题 [69] 跨越生成式AI鸿沟：最佳构建者如何成功 - 成功初创公司聚焦狭窄高价值用例 深度集成工作流程 通过持续学习而非广泛功能集实现扩展 [71] - 66%高管希望系统能从反馈中学习 63%要求保留情境 成功初创公司从边缘工作流开始然后扩展至核心流程 [75] - 高管选择AI供应商时最看重信任(80%)、对工作流的深刻理解(70%)和最小化对现有工具干扰(60%) [78] - 战略合作伙伴关系的部署成功率(66%)是内部开发(33%)的两倍 [100] 跨越生成式AI鸿沟：最佳买家如何成功 - 成功买家像BPO客户而非SaaS客户那样对待AI采购 要求深度定制并根据业务指标考核供应商 [94] - 50%的AI预算流向销售和营销 但后台自动化常产生更好ROI 投资偏见使组织聚焦错误优先事项 [40][46] - 跨越鸿沟的组织发现ROI最高领域常被忽视 如运营和财务 实际收益来自取代BPO和外部机构而非削减内部员工 [109] - 生成式AI对劳动力影响表现为选择性替代外包功能和受限招聘模式 而非大规模裁员 [113] 超越代理：代理式网络 - 下一代演进是代理式网络 自主系统能在整个互联网基础设施中发现、协商和协调 从根本上改变业务流程运作方式 [121] - 协议如MCP、A2A和NANDA支持代理互操作性 形成代理式网络基础 采购代理可独立识别新供应商并谈判条款 [122] - 从人类调解业务流程转向跨整个互联网生态系统运作的自主系统 重塑组织在网络经济中的发现、集成和交易方式 [123]

公司战略与定位 - Pinterest CEO提出可将平台视为"AI驱动的购物助手" 但认为AI代理完全替代用户购物的"代理网络"概念仍需很长时间发展[1][3] - 公司强调其AI推荐系统能主动提供符合用户品味和风格的内容 类似高级私人购物助理的体验[4] - 将当前AI技术探索阶段称为"寒武纪时刻" 已应用AI技术包括多模态模型、视觉搜索、对话式搜索及广告效率优化[5] 用户与市场数据 - 超过50%月活跃用户为Z世代 男性用户数量同比增长95%[10] - 第二季度营收达9.98亿美元超出预期 但调整后每股收益0.33美元略低于分析师预期的0.35美元[10] AI技术应用与挑战 - 面临AI生成低质内容泛滥问题 已推出AI图像标签和内容过滤工具进行管控[8] - 用户反映存在因AI审核系统缺陷导致的大规模封禁现象 但公司仅归因于内部错误[8] - 强调在AI伦理方面的差异化优势 包括调整AI算法传播积极内容和打造更健康的社交环境[9] 行业竞争格局 - 投资者担忧AI直接理解用户需求可能绕过Pinterest等灵感发现平台 影响其购物旅程入口地位[2] - 公司正积极参与AI人才争夺战 突出"负责任地使用AI"的使命定位吸引相关人才[9]

互联网范式演变 - 互联网经历三次范式转变：PC Web时代以静态页面和关键词搜索为主，用户主动点击浏览，商业模式依赖搜索广告如Google AdWords的点击率(CTR)和每次点击成本(CPC) [7] - Mobile Web时代以推荐系统主导信息分发，用户从搜索者变为消费者，商业模式转向信息流广告，强调停留时间、转化率和千次展示成本(eCPM) [8] - Agentic Web时代由AI智能体驱动，Web从"人读内容"转向"智能体执行任务"，信息嵌入LLM参数中被调用加工，商业模型变为服务调用和智能体竞价 [9][10] Agentic Web核心定义 - Agentic Web是由大语言模型(LLMs)驱动的自主软件智能体组成的分布式互联网生态系统，智能体可持续规划、协调和执行目标导向任务 [11] - 用户通过自然语言委托任务，智能体自动完成多步骤操作，例如规划东京行程并避开台风，预算3000元，全程自动化处理 [13] - 智能体具有双重身份：作为用户(Agent-as-User)模拟人类操作网页，作为接口(Agent-as-Interface)接收指令并调用服务 [13][14][15] 技术架构维度 - 智能维度要求AI具备上下文理解、长程规划、适应性学习和多模态整合能力，处理文本、图像、API和数据表格 [17] - 交互维度通过MCP(Model Context Protocol)和A2A(Agent-to-Agent)协议实现智能体间语义交互、状态共享和多步任务协作 [17] - 经济维度转向智能体注意力经济(Agent Attention Economy)，商业竞争重心从用户注意力转向智能体调用频次、完成率和效率 [17][18][19] 应用场景分类 - 事务型应用实现全自动任务执行，例如智能体自动查询航司、比价、填写资料和支付确认完成机票预订 [20][22] - 信息型应用如Deepresearch Agent持续追踪研究论文，自动梳理引用网络和方法论差异，生成研究摘要和推荐合作者 [20][24] - 交流型应用支持多智能体沟通协作，例如跨国研究项目智能体自动同步实验时间表、共享数据集和生成联合成果 [20][25][26] 技术挑战 - 智能体基础能力存在推理规划脆弱性、记忆上下文管理难题和工具使用安全性风险，需零信任架构验证外部输入 [29][30][31][32] - 学习机制面临奖励设计难题、持续学习中的灾难性遗忘问题以及任务交互学习的适应性挑战 [33][34][35] - 多代理协作需解决组织结构设计、统一通信协议(如IBM ACP、Google A2A、Anthropic MCP)和去中心化信任体系建立 [36][37][38] 安全与社会经济影响 - 安全风险包括目标漂移、服务污染和协调风暴等多维威胁，需通过人工+自动红队测试和推理防护栏机制防御 [44][45][46] - 广告驱动商业模式被冲击，新型交易型、订阅制和按结果收费模式崛起，智能体成为服务提供者 [47][48] - 劳动市场面临自动化替代冲击，需平衡AI与人类就业并确保经济利益公平分配 [49] 行业变革意义 - Agentic Web代表互联网从信息空间向行动空间的转型，AI从问答工具变为代表人类行动、协作和决策的数字代理 [50] - 整个Web转变为活的协作系统，网页变为智能体，搜索变为协同，点击变为意图，重构人机关系和经济模式 [51]

互联网范式演变 - PC Web时代以静态网页和关键词搜索为核心，用户需主动点击浏览，商业模式依赖搜索广告如Google AdWords [11] - Mobile Web时代推荐系统主导信息分发，用户从搜索者变为消费者，商业模式转向信息流广告和精准推荐 [12] - Agentic Web时代AI智能体成为主角，Web从信息展示转向任务执行，商业模型变为服务调用和智能体竞价 [13][15] Agentic Web定义与特点 - 由大语言模型驱动的智能体组成分布式互联网生态系统，智能体可自主规划、协调和执行任务 [17] - 用户通过自然语言委托任务，智能体自动完成多步骤操作并与其他智能体协作 [21] - 智能体具备双重身份：作为用户模拟人类操作，作为接口接收指令并整合服务 [22][23] 核心维度 - 智能维度：智能体需具备上下文理解、长程规划、适应性学习和多模态整合能力 [26][27] - 交互维度：智能体间通过协商和协同执行任务，采用MCP和A2A协议实现协作 [28] - 经济维度：商业竞争重心从争夺用户注意力转向智能体调用频次和效率 [29] 应用场景 - 事务型：智能体自动完成订票、预订等流程，无需用户逐步操作 [33] - 信息型：智能体作为研究助理持续追踪领域动态，构建进化知识网络 [38] - 交流型：智能体间可沟通协作，形成类似数字组织的多体系统 [39][41] 技术挑战 - 智能体基础能力需提升推理规划、记忆管理和工具使用安全性 [44][45] - 持续学习中存在奖励设计难题和灾难性遗忘问题 [46][49] - 多代理协作需解决结构设计、通信协议和去中心化信任问题 [51] 社会经济影响 - 广告经济模式受冲击，新型商业模式如按结果收费正在崛起 [56] - 智能体普及将冲击劳动市场，需平衡AI与人类就业关系 [56] - 互联网从信息空间转向行动空间，重构人机关系和经济模式 [57][58]

财务数据和关键指标变化 - 第二季度营收达5123亿美元 同比增长28% 较第一季度265%增速有所提升 [5] - 年化收入运行率突破20亿美元里程碑 [5] - 大客户贡献度提升 3712家年付费超10万美元客户 同比增长22% 贡献71%营收(去年同期67%) [6] - 美元净留存率114% 环比提升3个百分点 [6] - 毛利率763% 处于长期目标区间75%-77% [6] - 运营利润7230万美元 运营利润率141% [6] - 自由现金流3330万美元 超预期 [6] 各条业务线数据和关键指标变化 - Workers AI平台获快速增长AI公司1500万美元年度合约 客户将全部推理工作负载迁移至Cloudflare [10] - 零信任产品获财富500强科技公司240万美元三年合约 击败第一代零信任供应商 [12] - AI网关、Magic防火墙等产品获AI公司460万美元五年合约 [13] - 开发者平台Workers获数字旅游公司380万美元四年合约 客户从公有云迁移至Cloudflare [14] - SASE产品获美国政府510万美元五年合约 帮助客户节省约60%成本 [12] 各个市场数据和关键指标变化 - 美国市场占比49% 同比增长22% [25] - EMEA市场占比28% 同比增长29% [25] - APAC市场占比15% 同比增长44% [25] - 付费客户总数266万 环比新增15万 同比增长27% [26] 公司战略和发展方向和行业竞争 - 提出"Act四部曲"战略框架 新增"赋能AI时代内容变现"作为第四战略支柱 [21][22] - 针对AI冲击传统内容商业模式 推出创新解决方案 与美联社等顶级出版商合作 [20] - 网络架构优势显著 DDoS攻击处理仅消耗少量网络资源 而竞争对手需动用50%容量 [46][48] - 零信任产品进入Gartner领导者象限 从竞品赢回客户案例显著增加 [92] 管理层对经营环境和未来前景的评论 - AI接口变革导致传统内容流量下降 谷歌流量获取难度达10年前10倍 AI公司更难达3万倍 [18] - 80%头部AI公司已是客户 20%互联网流量经Cloudflare处理 在AI生态具独特卡位优势 [19] - 销售团队扩容提速 销售生产率持续改善 新渠道达成率为两年最快增速 [8][9] - 预计2025全年营收21135-21155亿美元 同比增长27% [34] 其他重要信息 - 完成20亿美元可转债发行 行权价46973美元/股 [32] - 期末现金及等价物达40亿美元 [32] - 剩余履约义务1977亿美元 同比增长39% [32] 问答环节所有提问和回答 关于Agentic Web商业模式 - 商业模式尚处早期 可能采用按次付费等多元形式 类比音乐行业从单曲到订阅演进 [38][39] - 核心优势在于处理互联网大部分流量 可构建通用交易基础设施 [40] 关于传统安全产品表现 - 反向代理等基础产品展现架构优势 全节点服务模式显著优于竞品清洗中心方案 [47][49] - 同一架构支撑零信任等新产品 实现全球低延迟覆盖 [51] 关于大客户拓展 - 销售策略从产品导向转向关系深耕 百万美元级客户增速达2022年以来最高 [9][55] - 资金池协议占比达双位数(去年<3%) 推动净留存率提升 [110][111] 关于AI公司合作 - 80%头部AI公司已是客户 主要采购安全防护和边缘推理服务 [80][81] - AI公司日益重视内容版权 Cloudflare居中构建公平交易机制 [72][74] 关于媒体行业突破 - 传统媒体变现模式受AI冲击 公司提供创新变现方案而非简单服务收费 [75][76] 关于竞争格局 - 零信任领域产品迭代速度超越Zscaler等竞品 Gartner排名快速提升 [92][93] - 坚持自主研发路线 避免收购整合带来的产品割裂问题 [85][86] 关于宏观环境 - 观察到各行业表现分化 但公司产品需求保持韧性 [96][97] 关于开发者平台 - 采用渐进式迁移策略 先转移关键功能模块再扩展全应用 [100][101] - 组建专项团队推动公有云工作负载迁移 [103] 关于政府业务 - FedRAMP认证按计划推进 预计年底前完成全部要求 [106] 关于财务指引 - 资金池协议执行良好 可变收入增长助推业绩超预期 [109][112]

报告公司投资评级 - 维持买入评级 [1][5] - 目标价为564.57美元 [1][5][8] 报告的核心观点 - 微软利用企业优势和Azure产品构建代理网络基础平台，有望加速代理应用开发，推动云业务人工智能推理需求提升 [1] - 随着代理应用推出加速和下游软件公司业务增长，微软云业务将受益于人工智能转型周期，实现收入同步增长 [1][4] 各部分总结 基础设施建设 - 微软加速构建边缘和云端工具链，包括开发、定制能力和开放生态系统，为代理应用推出和推理需求增长奠定基础 [2] 云业务增长 - 2025财年第三季度，Azure和其他云服务收入同比增长33%，人工智能对Azure收入增长贡献达16%，推理需求加速 [3] 人工智能商业化 - 2025年第一季度美国软件供应商表现超预期，微软与多家公司深化合作，云业务将受益于人工智能商业化加速 [4] 盈利预测与估值 - 维持对微软2025财年至2027财年收入和每股收益预测，基于人工智能竞争优势和云业务进展，给予41倍2025财年市盈率估值，目标价564.57美元 [5] 关键数据 - 截至6月6日收盘价470.38美元，潜在涨幅20%，市值3496120百万美元 [8] 财务数据 - 提供2023年至2027财年财务数据，包括收入、净利润、每股收益、利润率等指标及变化情况 [12][19][20] 季度估计 - 给出2024年第二季度至2026年第一季度季度收入、利润、利润率等指标预测 [14]

微软的AI战略与愿景 - 微软认为人工智能将像过去20年移动电话一样彻底改变互联网格局 [1] - 公司计划超越ChatGPT等聊天机器人，构建新一代互联网基础架构 [2] - 提出"开放代理网络"概念，用户可通过AI代理自主完成复杂任务（如规划行程、代码修复等）[4][5][6] 技术架构与行业动态 - 微软建立AI技术栈，包含上层代理应用和底层基础设施 [7] - 推出Model Context Protocol作为AI代理间的通信标准，类比HTTP对互联网的作用 [9] - 开发NLWeb语言项目（类似HTML），已被Eventbrite和Shopify等平台采用 [15][16] 竞争格局与实施挑战 - 谷歌、Meta、xAI等科技巨头正竞相开发超越聊天机器人的AI解决方案 [10] - 当前AI技术存在准确性缺陷（如谷歌AI虚构书籍信息、Grok传播错误信息）[12][13][14] - 专家质疑代理网络的可靠性，认为医疗/法律/金融领域错误可能造成严重后果 [15] 市场反应与采纳障碍 - 行业正快速转型：企业投入数十亿美元建设AI基础设施并重组团队 [3] - 技术成熟度限制：类比自动驾驶汽车，代理网络可能长期局限于特定场景 [17] - 用户接受度存疑，短期内难以完全替代现有网络交互方式 [17]