报告行业投资评级 未提及 报告的核心观点 - 2025年作为中国Agent应用元年，生成式AI正向具备自主决策能力的Agentic AI跃迁，豆包大模型1.6系列升级推动Agentic AI加速落地，Seedance 1.0 Pro登顶全球文生视频和图生视频榜单，大模型商业化持续领跑 [2][3] - 火山引擎通过“大模型+场景化落地”双轮驱动，形成从开发者生态到垂直行业解决方案的完整闭环，高性价比助力应用加速落地，巩固字节跳动在AIGC领域的技术壁垒与市场份额 [8][18] 根据相关目录分别进行总结 大会成果 - 2025年6月11 - 12日，火山引擎春季FORCE原动力大会在北京举行，发布豆包大模型1.6及视频生成模型Seedance 1.0 Pro，升级Agent开发平台等AI云原生能力，展示AI与IoT技术融合路径，推出开发工具链升级方案及相关解决方案 [6][7] 大模型能力升级 - 豆包大模型1.6全系列原生支持多模态、256K超长上下文及深度思考能力，不同子模型各有强化，综合成本下降63% [6][11] - 推理、多模态和GUI操作能力全面升级，支持“边想边搜”及Deep Research，多模态应用覆盖高价值场景，GUI操作能力推动办公自动化落地 [2][12] 视频生成模型优势 - Seedance 1.0 Pro支持文字与图片输入，生成多镜头无缝切换的1080P高清视频，主体运动稳定性与画面自然度领先，生成效率提升，在文生视频与图生视频领域位列全球第一 [3][16] - 通过多镜头叙事等优化，在电商、影视、游戏等场景商业化突破，定价较竞品降低60% - 80%，通过“技术分层+场景渗透”策略形成规模化落地 [18] 大模型商业化情况 - 豆包大模型日均tokens调用量持续增长，助力火山引擎稳居中国公有云市场第一、市占率达46.4%，AI工具、互动娱乐、信息处理为核心场景，新兴场景表现突出 [8] - 应用端向硬件与垂直行业延伸，消费电子、汽车、金融、高校等领域均有合作 [8]

PayPal says it has developed a way to turn online ads into merchant storefronts.By completing this form, you agree to receive marketing communications from PYMNTS and to the sharing of your information with our sponsor, if applicable, in accordance with our Privacy Policy and Terms and Conditions .Complete the form to unlock this article and enjoy unlimited free access to all PYMNTS content — no additional logins required.“Storefront Ads” uses PayPal’s transaction graph and payment rails to turn “recommende ...

技术架构变革 - AI浪潮将深刻影响软件生态，传统DSS系统设计逻辑从以人为中心转向以Agent为中心，数据仓库和ETL链路将被重新设计甚至消失[1] - 传统数据仓库偏重结构与查询模式，将被Agentic Data Stack架构强调语义与响应模式取代[1][34] - Snowflake换帅事件隐喻数据仓库范式巨变，新CEO上任后公司战略关键词切换为AI-first、Agent-driven、语义导向[3] 行业演进历程 - 1970年Bill Inmon提出EDW概念奠定企业数据架构基石，主题域/数据分层/缓变维设计沿用至今[9] - 1983年Teradata引入MPP架构，处理效率较Oracle/DB2高出数倍，市值曾达102亿美元[11][12] - 2015年Snowflake以云原生分离存算架构颠覆传统DW思维，带动New Data Stack技术栈兴起[18] - 大数据时代Hadoop等技术动摇传统数据仓库地位，中国企业PB级数据平台普遍采用Hadoop/Iceberg而非MPP架构[17] Agentic AI冲击 - AI从聊天工具演进为具备感知/规划/执行能力的数字员工，2024年RAG技术普及使AI能融合企业私域知识[22][23] - 营销/客服/供应链等岗位将被Campaign Agent/Support Agent/Procurement Agent重构，传统SQL和分析报告将转为Agent的自动响应[25][27] - 数据仓库用户从人变为Agent导致传统DSS架构失效，系统需从"拉模式"转向"推模式"[30][33] 未来架构方向 - 提出Contextual Data Unit(CDU)概念：语义+数据组合单元，解决传统数据仓库对Agent不友好的问题[35] - Agentic Data Stack包含三大组件：语义交互层(Semantic Orchestrator)、数据存储层(Data Mesh)、数据处理层(Data Flow Agent)[39] - 预测Agentic Data Stack将显著降低数据仓库建设成本，使中小企业也能实现自由对话查询[40] 行业趋势判断 - 实时数据仓库层数减少反映传统模型设计跟不上业务变化，Agentic Data Stack在总账ROI上优于现有方案[44] - 技术采纳周期显示Agentic Data Stack完全普及需时，预计在实时数仓/数据湖被广泛接受后才进入主流[45][46] - 类比共享单车颠覆自行车行业，Agent时代将改变核心产品路线定义，需警惕范式转移风险[41]

技术升级与产品发布 - SoundHound AI推出Amelia 7 0 标志着其语音AI套件从被动助手升级为完全自主的语音AI代理 能够理解 推理并自主行动 基于专有Agentic+框架 这些代理结合确定性流程和生成式AI 可完成多步骤任务如重新订购处方或重置密码而无需人工干预 [1] - Amelia 7 0集成Polaris ASR技术 实现低延迟和99%的意图识别准确率 同时具备无缝LLM互操作性和企业级防护措施 这使公司不仅在语音AI领域领先 更成为新兴自主代理AI类别的领导者 [2] 财务表现与战略时机 - 2025年第一季度收入同比增长151%至2910万美元 主要得益于餐厅语音商务和汽车领域集成的扩展 尽管略低于预期 公司仍维持2025年1 57-1 77亿美元的强劲收入指引 并拥有2 46亿美元现金且无债务 [3] - 当前股价年内下跌52 1% 表现逊于Zacks计算机-IT服务行业6 7%的跌幅 公司12个月前瞻市销率(P/S)为20 65 高于行业平均的19 32 [9][13] 竞争格局与市场挑战 - 微软通过Azure OpenAI和Nuance Communications在医疗语音自动化和会话AI领域占据优势 其LLM嵌入语音工作流的目标与SoundHound的高价值垂直领域(如金融和呼叫中心)直接竞争 [7] - 谷歌凭借Assistant和Vertex AI平台构成威胁 其语音代理已嵌入数百万设备 且生态系统覆盖Android 智能家居和Workspace 对SoundHound的消费者和企业市场渗透形成挑战 [8] 增长潜力与执行关键 - Amelia 7 0可能成为催化剂 通过医疗 金融和客服等领域的自主代理开辟新收入流 同时抵御语音转文本市场的同质化竞争 [4] - 公司需将技术领先转化为明确变现能力 在宏观经济压力下保持毛利率并扩大企业采用规模 执行重点在于证明ROI和实现跨垂直领域的盈利增长 [4][5] 分析师预期与估值 - Zacks共识预估显示 2025年每股亏损保持16美分不变 但较去年同期1 04美元的亏损有所改善 当前股票评级为Zacks Rank 3(持有) [12][14]

数据仓库技术演进 - 1970年Bill Inmon提出数据仓库概念，奠定企业数据架构基石[5] - 1983年Teradata推出MPP架构，处理效率比Oracle/DB2高数倍[7] - 1996年Kimball提出雪花模型，OLAP引擎形成系统方法论[9] - 2013年Hadoop兴起，大数据平台开始替代传统数据仓库[10][12] - 2015年Snowflake以云原生架构颠覆市场，估值达600亿美元[2][13] Agentic AI对数据架构的颠覆 - AI从被动工具变为主动Agent，数据消费者从人转变为智能体[1][16][21] - 传统DSS系统为人设计，Agentic Data Stack需支持语义与响应模式[25][27] - 数据存储单元演进为Contextual Data Unit(CDU)，融合数据与语义[26] - 数据处理层转变为Data Flow Agent，实现事件驱动与意图驱动[31] 行业变革信号 - Snowflake更换CEO，战略转向AI-first和Agent-driven架构[2] - 风投密集押注Agentic AI，硅谷形成新技术投资热点[3] - 实时数据仓库层数从3-4层简化为2层，反映业务敏捷需求[35] - Apache SeaTunnel社区已开始探索Data Flow Agent技术路径[33] 未来技术架构预测 - 数据交互层进化为Semantic Orchestrator，充当Agent与数据的桥梁[30] - 数据存储层转型为Data Mesh，提供融合语义的计算友好存储[30] - 企业数据建设总成本将显著降低，中小公司也能实现智能数据应用[32] - 技术采纳周期预计需4-5年，实时数仓普及后进入爆发期[35][36] 历史经验与行业启示 - 技术跃迁非线性发展，如Hadoop颠覆Teradata[2][12] - 颠覆性创新常来自跨界竞争者（如共享单车vs传统自行车）[33] - 当前数据仓库ROI优势可能被Agentic Data Stack整体效率超越[35] - 行业分歧明显，存在"降临派"与"保守派"观点对立[34]

文章核心观点 公司作为全球领先的人工智能订单到现金应用程序提供商，入选《财富》与Statista联合发布的2025年欧洲最具创新力公司榜单，凭借创新文化和技术领先优势，有望在代理人工智能时代重塑金融实践并创造更大价值 [1][3] 公司排名与评估 - 公司在《财富》与Statista发布的2025年欧洲最具创新力公司榜单中排名第141位 [1] - 该榜单基于超10.8万份专家和员工评估以及LexisNexis专利组合指数，从产品创新、流程创新和创新文化三个维度评估公司 [1] - 公司因创新思维优势脱颖而出，这是其重塑订单到现金领域金融实践能力的关键驱动因素 [1] 创新发展历程 - 公司自2000年成立以来保持持续创新，起源于法国巴黎，当地技术生态系统截至2025年在全球排名第四 [2] 技术变革与战略意义 - 公司创始人兼首席执行官表示，入选榜单正值公司进入代理人工智能时代，对客户而言意味着增强金融时代到来，公司技术领先市场超三年 [3] - 公司为财务部门配备实时行动、沟通和适应的自主代理，从辅助人工智能向执行人工智能转变，被分析师视为商业模式转型 [3] - 分析师指出，代理人工智能的出现是企业财务运营模式的转折点，公司凭借技术领先、实时行为数据掌握和为大企业规模化应用自主智能的能力，是战略上被低估的资产 [4] 公司业务与服务 - 公司提供SaaS平台，利用名为Aimie的下一代人工智能，每天在云端分析价值7.2万亿美元的企业对企业支付交易，预测客户支付行为和超4000万买家的流失风险 [5] - Aimie推荐最佳运营策略，将订单到现金流程非物质化并智能自动化，以提高组织生产力、业绩和营运资金 [5] 公司规模与客户 - 公司全球拥有超400名员工，分布在欧洲、美国和加拿大，为超85个国家的全球企业提供服务 [6] - 公司客户包括AGFA、Bidcorp、宝马金融服务等众多知名企业 [6] 公司社会责任 - 公司是联合国全球契约参与者，遵循其基于原则的负责任商业方法 [6]

文章核心观点 - 公司推出由代理式AI驱动的Zoom Virtual Agent 2.0，可提供更智能、自主的自助服务体验，满足市场对智能自动化的需求，为客户和企业带来多方面益处 [1][2][3] 公司动态 - 推出Zoom Virtual Agent 2.0，由代理式AI驱动，可在聊天和语音渠道提供智能、自主的自助服务体验 [1] - 升级后的虚拟代理能自主完成复杂任务，如处理退货、更新账户或预约，实现无缝、符合品牌的交互，无需人工干预 [2] - 新一代带代理式AI的Zoom Virtual Agent已推出，可访问Zoom博客和网站了解更多信息 [5] 行业趋势 - 2025年85%的客户服务领导者计划探索或试点面向客户的对话式生成式AI解决方案，推动智能自动化采用加速 [3] 产品优势 - 结合自然、流畅且高度可扩展的自动化与主动推理，为客户提供优质服务体验，提高CX组织效率 [4] - 与Zoom Contact Center及Salesforce、ServiceNow等领先平台原生集成 [5] 产品价值 - 降低成本并推动收入增长，提高自助服务解决率，减少客户流失，重新分配代理人员以专注业务增长 [7] - 提高CX效率，为客户提供准确解决方案，增加客户终身价值 [7] - 提供卓越客户体验，缩短解决时间和减少升级，提升品牌形象，让人工代理专注高价值客户交互 [7] 公司介绍 - 使命是提供以AI为先的人际连接工作平台，其Zoom Workplace开放协作平台可提升团队生产力 [6] - 2011年成立，在纳斯达克上市，总部位于加州圣何塞 [6]

公司战略和发展方向和行业竞争 - 公司自称为搜索人工智能公司，核心是名为Elasticsearch的搜索引擎，围绕其有三种市场策略，分别是为开发者提供构建生成式AI或传统应用的工具包、构建可观测性产品、作为安全产品推向市场 [5][8][9] - 在人工智能方面，公司在开发者平台注重向量搜索和语义搜索，提供LCRT等模型，目标是提供开箱即用的易用性，同时保持高度可配置性，还与主要供应商集成，提供AI Play简化开发体验 [23][26][31] - 安全业务上，公司提供端到端的SIM，有开箱即用的安全规则和检测引擎，还具备端点安全能力，通过AI功能如攻击发现来应对安全团队警报过多的问题 [46][48][51] - 收购Keep Alerting公司，其平台可作为工作流自动化引擎，增强公司在安全运营和可观测性方面的能力，公司还希望在代理式AI生态系统中成为向量数据库和上下文提供者 [62][63][68] 各条业务线数据和关键指标变化 - 搜索业务方面，传统搜索应用场景广泛，包括电商、文档管理、交易跟踪、物流等，公司具备多种数据库和引擎功能，数据默认可搜索，与传统关系型数据库不同 [15][18][19] - 人工智能业务，部分客户的生成式AI应用已投入生产，如一家领先的汽车公司；部分客户处于起步阶段，如一家北美体育用品零售商正尝试引入语义搜索或向量搜索 [39][40] - 安全业务，公司的安全解决方案可集成多种数据源，新的查询语言ESQL和迁移工具降低了与现有环境的集成难度，AI辅助数据摄入简化了自定义数据源的引入 [55][56][58] - 可观测性业务，客户开始将其用于业务运营，通过数据挖掘了解客户行为，反馈到销售和促销环节，但不同业务的应用方式不同 [87][88] 管理层对经营环境和未来前景的评论 - 人工智能领域，公司认为准确性在应用生产中至关重要，需要智能模型和正确的上下文，公司作为成熟的数据平台，具备数据安全等优势，未来将在代理式AI中作为上下文提供者发挥重要作用 [74][75][94] - 安全领域，随着数据量、安全规则和警报数量的增加，AI功能如攻击发现将帮助安全团队聚焦重要事件，降低企业风险 [49][51][53] - 可观测性领域，公司平台的灵活性使客户能够创造性地使用数据，拓展业务运营方面的应用，是一种自然的延伸 [88][89] 其他重要信息 - 公司上个月宣布与NVIDIA的企业AI工厂集成，将作为其参考架构中的向量数据库 [90][91] 总结问答环节所有的提问和回答 问题: Elasticsearch在人工智能出现之前的典型用例有哪些 - 应用场景广泛，包括搜索驱动的应用如电商、文档管理，以及交易跟踪、物流等自定义应用，公司具备多种数据库和引擎功能，数据默认可搜索 [15][16][19] 问题: Elastic在人工智能方面的整体战略和方法是什么 - 在开发者平台注重向量搜索和语义搜索，提供相关模型，目标是提供易用性和可配置性，与主要供应商集成，提供AI Play简化开发体验 [23][26][31] 问题: 客户的生成式AI应用处于实验阶段还是已投入生产 - 不同客户处于不同阶段，部分领先企业如汽车公司已有应用投入生产并在扩展，部分企业如体育用品零售商处于起步阶段 [39][40] 问题: Elastic在安全领域的价值主张是什么 - 提供端到端的SIM，有开箱即用的安全规则和检测引擎，具备端点安全能力，通过AI功能如攻击发现应对安全团队警报过多的问题 [46][48][51] 问题: 新客户采用Elastic安全解决方案的障碍是什么，需要多长时间配置 - 对于全新环境，公司有很多集成，AI辅助数据摄入简化了自定义数据源的引入；对于现有环境，公司通过新的查询语言ESQL和迁移工具降低了集成难度 [55][56][58] 问题: 公司收购Keep Alerting的原因是什么 - 其平台可作为工作流自动化引擎，增强公司在安全运营和可观测性方面的能力，是对公司现有能力的补充 [62][63] 问题: Elastic在代理式AI生态系统中的定位和发展方式是什么 - 公司相信代理式AI的未来，将依赖外部构建基础模型，自身作为成熟的数据平台，具备数据安全等优势，将成为向量数据库和上下文提供者 [71][75][81] 问题: 使用Elastic进行可观测性的客户是否将其用于业务运营 - 客户开始将其用于业务运营，通过数据挖掘了解客户行为，反馈到销售和促销环节，但不同业务的应用方式不同 [87][88] 问题: 公司与NVIDIA企业AI工厂的合作内容是什么 - 公司将作为其参考架构中的向量数据库，该合作是对公司技术和合作方式的认可 [90][91] 问题: 代理式AI在未来几年对Elastic意味着什么，可能的发展情况如何 - 代理式工作流有望自动化企业中的高人力劳动流程，公司将作为上下文提供者，凭借技术优势在其中发挥重要作用 [93][94]

纪要涉及的公司 FiscalNote Holdings (NOTE) 纪要提到的核心观点和论据 公司业务与市场机遇 - **业务内容**：通过AI驱动的SaaS平台，提供基于订阅的关键政策和监管信息访问服务，包括核心数据、专有洞察、工作流和报告工具 [4] - **市场需求增长原因**：全球和本地的监管政策日益复杂，企业管理难度增大，相关岗位责任和关注度提升；企业和个人更愿意利用技术和AI解决问题；长期来看，自动化工作流的机会增加 [5][6][7] - **客户构成**：约50%来自私营企业，25%来自公共部门政府组织，25%来自非营利组织和非政府组织；典型终端用户为法律、政府事务、公共事务等岗位人员；约一半的财富100强企业是客户；92%的收入为订阅收入 [8][13] 公司运营与财务状况 - **盈利能力提升**：过去两年运营方式显著改变，从2022年调整后EBITDA亏损2450万美元转变为去年盈利980万美元，连续七个季度盈利且利润率持续扩大，今年利润率将是去年的两倍 [19] - **债务管理与现金流改善**：过去一年半高级定期贷款减少60%，自由现金流迅速改善，通过剥离非核心资产实现，有助于聚焦政策和监管领域，形成良性循环 [21] 产品问题与解决方案 - **产品挑战**：过去用户需通过遗留的孤立平台访问数据，导致销售过程摩擦大、用户留存问题和拓展收入困难 [24] - **解决方案**：推出新平台Policy Note，整合所有数据和信息，提供更好的用户体验，更符合AI趋势，便于用户查找信息 [25] Policy Note平台优势与效果 - **用户体验提升**：用户可通过AI助手查找信息，AI警报功能能提供更相关信息，提高用户参与度和满意度 [25][26] - **客户反馈积极**：迁移高风险客户到Policy Note后，四分之三的客户变得活跃，部分成为超级用户；新客户签约多年，ARR份额同比翻倍 [28][31] - **对业务的积极影响**：从新客户角度，可通过更好的捆绑销售提高ACV，采用产品驱动的销售模式，提高交易速度；从客户留存角度，预计提高参与度和留存率；从拓展收入角度，减少交叉销售和追加销售的摩擦，可引入新数据集和功能 [32][33] 产品创新与商业成功 - **创新速度**：自1月推出Policy Note以来，已推出15项重大新产品功能和更多增强功能，如在两周内推出全球关税追踪器 [35][37] - **商业转化**：关税追踪器推出当天新增100万美元新销售管道，证明公司能将产品创新转化为商业成功 [38] AI对公司的影响 - **AI是加速器**：公司认为AI是业务的加速器，客户重视数据准确性和可信赖性，公司在这方面有品牌优势 [39][40] - **保证准确性的方式**：运行查询仅针对相关数据集，结合专有分析，确保数据准确可靠；利用LLMs提升结果和能力，解决更复杂的工作流问题，提高ACV [41][42][43] 公司竞争优势 - **竞争对手情况**：主要竞争对手有Bloomberg、Politico和Quorum。Bloomberg和Politico内容多源于新闻业务，以美国为主，不够全面和数据导向；Quorum平台类似，但缺乏公司提供的人类智能、定制服务和客户支持 [48][49][50] - **公司独特优势**：拥有全面的全球到本地数据集，结合专有分析，提供定制服务和高水平客户支持 [15][17][50] 客户留存情况 - **留存率现状**：最近报告的留存率在92%-93%左右，历史上更高，主要挑战来自遗留的孤立平台导致的用户参与度和销售摩擦问题 [51] - **未来预期**：随着Policy Note平台用户参与度的提升，预计净留存率将恢复到更理想的水平 [52] 其他重要但是可能被忽略的内容 - **数据性质**：提供给终端用户的大部分数据是公共数据集，但获取、清理和利用这些数据存在挑战；公司有时能比其他方更快获取数据，具有市场速度优势；提供的洞察是公司独有的 [53][54][56] - **数据授权问题**：公司认为其数据和分析有价值，但更倾向于利用LLMs的优势，结合自身数据和专有信息，为用户提供更强大的解决方案，避免被中介化 [57][58]