文章核心观点 - 人工智能特别是生成式AI正从提升效率的工具转变为驱动医疗器械产业升级的核心能力，帮助企业应对集采和支付改革等结构性压力，实现从产品提供商向价值解决方案伙伴的转型 [1][2][12] 行业结构性变化 - 医疗器械行业正经历结构性重塑，政策端带量采购影响细分品类且监管趋严，需求端医院对诊疗效率和服务质量要求上升，竞争端从单一产品转向技术创新和整体解决方案的全方位竞争 [1] 政策支持与导向 - 国家药监局于2022年发布人工智能医疗器械注册审查指导原则，2023年发布AI辅助检测医疗器械临床评价注册审查指导原则，2025年初国务院办公厅提出优化医疗器械标准体系并研究组建人工智能等前沿医疗器械标准化技术组织 [2] AI的应用价值与场景 - 生成式AI在研发环节可快速生成设计方案并完成模拟验证，缩短研发周期并减少试错成本；在临床端可对影像结果进行标注以提升医生体验和医院运营效率；在经营管理方面可自动化数据处理任务 [5] - 生成式AI最可能率先规模化落地的场景是影像报告生成，因其数据标准且需求直接，可量化提升诊疗通量并减轻医生负担；其次是企业内部的AI for BI，帮助销售和财务等部门快速取得业务数据 [6] - 企业选择AI应用优先级应找既有真实痛点、又有数据支撑且合规可控的切入口，先做出可感知价值再延伸至更长链条的应用 [6] 数据挑战与解决方案 - 医疗数据高度敏感和分散，跨机构共享面临隐私合规、授权机制和接口标准等挑战，例如AI影像算法训练因缺少统一标注和可追溯治理体系导致模型训练效果不佳 [7][8] - 解决方案包括建立健全的数据合作机制如联邦学习和隐私计算，让数据不出医院也能参与AI训练；并将数据治理作为企业核心能力而非仅技术部门任务 [8] AI实施的误区与治理体系 - 常见误区是将AI视为单点项目而非系统工程，缺乏明确场景牵引和治理机制导致成为技术展示；另一问题是治理缺位，未建立从数据采集到使用的完整责任体系 [9] - 有效AI治理体系需确保算法决策可追溯、数据流转合规且管理嵌入业务流程，例如设立由研发、法规、临床和法务共同参与的AI伦理与安全委员会进行模型审查 [9] 系统性AI布局战略 - 企业系统性规划AI布局需从四方面考虑：将AI置于整体战略中明确目标；判断场景的痛点可量化性、数据可用性及对业绩的实质影响；让AI成为组织共同任务而非单一部门职责；将合规作为起点而非补救措施 [10][11] - 生成式AI在未来3-5年将从辅助工具转变为核心能力，融入产品开发、临床沟通和服务运营全过程，成为组织学习和决策的基础能力 [12] - 行业竞争格局将从拼设备性能和渠道覆盖转向拼数据积累、算法与业务结合的持续优势，对临床理解强且能整合AI至日常运营的企业将脱颖而出 [13]

生成式AI的影响与认知 - 公司认为生成式AI的雏形多年前已出现，但通过巨量数据使算法产生超预期智能是核心意外点，即“大力出奇迹”[1] - 基于整个互联网数据训练的大模型已轻松通过图灵测试，这超出公司过往预期，因此最初未规划使用如此大规模数据训练模型[1] - 公司实践证实，使用更多数据训练模型，其智能程度确实会得到提升[1] 三维空间数据的挑战与优势 - 当前三维空间数据面临稀缺性高、获取成本高、场景适配难等挑战，为公司空间智能业务开展带来新问题[1] - 公司旗下的酷家乐3D云设计平台是全球最大云端设计平台，在运营中已积累海量物理设计数据和空间数据[2] - 基于自有平台积累的海量数据，公司训练的大模型已能够生成大量与物理世界一致的空间数据[2]

行业趋势转变 - 旅游科技创新焦点正从“行前”的规划、预订环节转向解决“旅途中”碎片化、即时发生的体验瞬间 [1] - 人工智能在文旅行业的角色发生两方面转变：从辅助决策工具向能主动识别场景、触发体验的智能运营体转变；从支撑运营效率走向驱动商业增长的核心引擎 [1] - 行业底层逻辑正从“静态展示”的“智慧景区”向“动态经营”的“智能增长”重塑，让内容、流量、供给形成实时循环 [11] 公司项目核心能力 - AI旅行智能体“泡泡爱旅行”项目将AI能力定位在“旅程中”，基于游客实时位置、气候变化及兴趣偏好，结合地图与相机多模态输入生成即时推荐 [4] - 通过“情境感知+权益触发”机制，AI具备即时理解旅程环境的能力，例如高温天气推送冷饮券，乘船时自动激活语音导览，靠近热门拍摄点提示最佳机位 [6] - 在真实空间搭建“可感知流量网络”，于西湖片区278艘摇橹船、餐厅等高频觅景点设置二维码入口，游客行为数据被实时识别、分析、再分发 [6] 商业模式创新 - 引入RaaS（Result as a Service，结果即服务）模式，AI系统以提升销售额为目标，与景区按结果分成，技术方从“系统交付者”变为“经营共创者” [10] - 该模式让景区与技术公司在同一条增长曲线上绑定利益，推动行业价值链再分配，可能成为AI时代文旅数字化的主流趋势 [10] - 产品设计从“单一门票”转向“体验融合”，策划如“汉服写真+门票”等组合产品，提升游客参与度并带来新收入增量 [7] 项目运营成效 - 2025年上半年，部分低热度景区游客流量与门票收入显著提升，例如万松书院门票收入增长率达40.9% [6] - AI不仅改变了游客路径，更在重构景区的流量分布与商业结构，使冷门景点通过推荐获得二次曝光 [6] - AI开始在“商品供给”逻辑中扮演角色，而不仅是在“推荐”层面，以更低运营成本触发更高转化效率 [9] 公司战略与发展 - 公司历经酒店电视系统服务、旅游新媒体平台、AI智能体生态构建三个阶段，2023年完成2.1亿元A轮融资 [13] - 以杭州西湖项目为样板，计划未来两年内将智能体服务拓展至成都、无锡、三亚等核心目的地 [13] - 公司认为AI的核心竞争力将在于其“理解人”的能力，即基于行为数据重构供给体系，在现场实时生成运营动作 [11]

行业整体趋势 - 全球CMOS图像传感器市场已走出周期性低谷，2024年市场规模同比增长6.4%至230亿美元 [1] - 行业复苏后进入结构分化、持续增长的新阶段，未来扩张将受益于汽车ADAS渗透加速及智能眼镜与机器视觉等新兴应用 [1] 细分市场动态 - 移动终端领域贡献超60%收入，市场已趋于稳定，未来增长主要依赖平均售价提升，得益于消费者向高端机型及生成式AI智能手机转换 [2] - 汽车领域需求预计在2025-2027年维持双位数增长，驱动因素为单车摄像头数量在ADAS、舱内监测及分辨率升级推动下的渗透率提升 [2] - 智能眼镜与机器视觉等新兴应用开启新增长通道，需要具备超低功耗、微型化及全局快门技术等特性的专用传感器 [2] 市场竞争格局 - 市场呈现战略分化下的整合态势，围绕少数领军企业整合 [1][3] - 索尼凭借大像素和先进堆叠工艺突破性能边界，持续引领高端市场三层堆叠架构的发展 [1][3] - 三星通过IDM模式聚焦高分辨率、小像素技术路线，但其对HBM的战略倾斜可能限制其在CMOS图像传感器市场的份额增长 [3] - 中国厂商成为主要行业变革者，豪威集团于2024年超越安森美成为汽车CMOS图像传感器市场龙头，思特威等通过高性价比方案在移动终端与安防市场迅速提升份额 [3] 公司战略与前景 - 未来领军者的决胜关键在于能否在应对存储成本上升与供应链压力的同时，持续实现技术创新、聚焦高增长细分领域并坚持成本优化 [1][3] - 豪威集团在移动终端、汽车及新兴领域市场占据有利位置，预计2025年将通过新品导入实现份额进一步提升 [1]

港股市场整体表现 - 11月6日港股三大指数高开高走，恒生科技指数午后仍涨近2% [1] - 盘面上科网股普涨，有色金属板块强势，半导体板块涨幅居前，中资券商股普涨 [1] 半导体与AI行业 - 半导体板块涨幅居前，中芯国际午后一度涨超5% [1] - 生成式AI训练与推理需求激增，推动加速服务器及配套网络设施投资 [1] - 2024年全球GPU市场规模为773.9亿美元，2030年有望达到4724.5亿美元 [1] - 自DeepSeek推出以来，中国人工智能市场经历快速发展，AI芯片市场规模快速兴盛 [1] 恒生科技指数ETF表现与估值 - 恒生科技指数ETF（513180）跟随指数上涨，持仓股中芯国际、华虹半导体、小鹏汽车、阿里巴巴、同程旅行、京东集团等涨幅居前 [1] - 标的指数最新估值仅为22.52倍，处于指数发布以来约26.5%的估值分位点，当前估值低于指数历史上73%以上的时间，处于历史低估区间 [2] - 港股科技更加受益当下以AI为代表的产业趋势 [2] 资金流向与后市展望 - 美联储降息背景下外资回流或超预期，叠加南向资金持续增持 [2] - 四季度恒生科技可期 [2]

业绩概览 - 公司营收达134.7亿美元，超出市场预期1.58% [1] - 每股收益为1.20美元，大幅高于预期73.91% [1] - 总预订额同比增长21%，行程数增长22%，增速为2023年以来最高 [1] - 调整后EBITDA占总预订额比例为4.5%，同比提升40个基点，创历史新高 [1] - 过去12个月产生近90亿美元现金流 [1] 增长驱动力 - 业绩超预期的核心驱动力源于"量增价稳"的结构性增长，行程量实现22%的强劲同比增长 [2] - 平均价格保持稳定，表明公司在可负担性产品矩阵上的持续投入已有效转化为用户规模扩大 [2] - 出行业务增长主要由稀疏地区渗透深化与多元化产品组合共同拉动 [2] - 配送业务在杂货与零售品类的高增长，以及广告与商家解决方案等高附加值服务带动下，实现利润率从约2%提升至接近4% [1][2] 利润策略与运营效率 - 公司利润路径呈现"稳中提效"特征，在保持盈利能力提升的同时，更注重增长质量与长期用户粘性 [3] - 管理层有意放缓边际利润率的抬升节奏，转而将利润总额与自由现金流的持续增长作为核心目标 [3] - Uber One会员计划满期后用户留存、跨平台渗透与终身价值显著改善，有效以短期利润换取长期生态价值 [3] - 公司在同时运营出行与配送的市场中，双产品活跃用户渗透率仅约20%，显示未来交叉销售空间广阔 [3] 成本优化与未来展望 - 美国地区通过法规优化、驾驶行为评分等举措推动保险成本结构性下降，预计将带来数亿美元节省 [3] - 公司计划于2026年将部分成本红利以更低车费形式让利给用户，形成"成本优化—价格让利—规模增长"的良性循环 [3] - 管理层对第四季度实现高双位数总预订额增长及约30%的Adjusted EBITDA增速表达信心 [4] - 中期来看，公司将延续"量增利随"的路径，推动利润总额与现金流回报持续稳步增长 [4] 战略方向与技术布局 - 公司中长期增长战略核心围绕"跨平台生态×本地零售扩张×区域市场深耕"三大维度展开 [5] - 本地零售与杂货业务年化预订额已约120亿美元，增速持续领先 [5] - 公司采取"杠铃策略"，通过高端出行与企业服务所产生的高毛利，对冲自动驾驶等新业务的战略性投资 [4] - 公司正逐步由强调Adjusted EBITDA转向更关注Adjusted Operating Income与Adjusted EPS，以提升与同业可比性 [4] 区域发展与市场机会 - 稀疏地区出行增速约为密集区域的1.5倍，当前渗透率仅约20%，将成为未来增量拓展的关键来源 [5] - 欧洲市场在配送领域继续保持领先地位，并持续推动利润结构优化 [5] - 公司致力于构建人类司机与自动驾驶相结合的混合运力网络，保障服务弹性与技术前瞻布局 [5] - 全面引入生成式AI技术，赋能运营效率与用户体验提升 [5]

公司融资与战略 - 智源深澜完成数千万元天使轮融资，由沃衍资本领投，天峰资本等跟投，老股东持续支持 [1] - 融资资金将主要用于生物分子生成式AI平台、自主驱动式分子功能进化平台建设及商业市场开拓 [1] - 公司成立于2024年，由镁伽科技孵化，创始人王承志博士曾担任镁伽科技首席科学家，在生命科学领域从业二十余年 [1] 技术平台与核心方法 - 公司构建自主驱动的自动化实验平台，高效率生成功能数据，将自动化实验平台与AI算法结合 [2] - 技术平台使AI可在真实功能反馈中快速迭代，提升研发效率 [2] - 公司选择以"功能"作为优化对象，就实际应用场景中的功能需求进行探索 [2] 行业趋势与研发范式转变 - 生成式AI正推动生命科学研发范式从"大规模试错"转向"精准设计创造" [1] - AI技术正从辅助工具走向自主平台，生命科学要真正实现理性设计需先实现工程化与数字化 [1] - 在AI for Science的2.0时代，基于"干湿实验闭环"的验证与迭代使AI在特定任务上的精度大幅提升 [2] 未来愿景与发展阶段 - 公司推动AI for Science从2.0"导航式设计引擎"向3.0"科学智能自主平台"演进 [2] - 在3.0时代，AI将能自主设计、执行并迭代整个科研实验闭环，人类科学家主要负责提出关键问题和控制风险 [3] - 未来生命科学研发将走向技术平权和民主化，类似互联网时代的APP开发 [3] AI4S 3.0平台的关键构成 - 实现AI4S 3.0需三个关键突破：统一的坐标系、自主决策的AI Agent、自动化的智能实验平台 [4] - 统一的坐标系将计算、数据、实验仪器等翻译成AI可理解形式，实现理论模型迭代与实验进度同步 [4] - 在此基础之上，公司提出了AI4S 3.0的"十步走"路线，最终目标是在多个科学领域做出超越人类直觉的科学发现 [4] 生成式AI的应用价值 - 通过生成式AI，科研人员能够识别新靶点、优化分子结构设计，简化临床前验证流程 [4] - 该技术可加速药物研发、新材料分子设计等诸多领域的研发，提升全产业链的效率与创新水平 [4] - AlphaFold 2已预测超过2亿个蛋白质结构，但产业界更关注蛋白质功能而非中间结构 [1]

公司融资与业务 - 智源深澜完成数千万元天使轮融资，由沃衍资本领投，天峰资本等跟投，老股东英诺天使基金、零以创投持续跟投 [3] - 融资资金将主要用于生物分子生成式AI平台、自主驱动式分子功能进化平台建设及商业市场开拓 [3] - 公司成立于2024年，由镁伽科技孵化，专注于数据驱动的生物分子设计与制造 [3] 行业趋势与研发范式转变 - 生成式AI正引发生命科学领域深刻变革，研发范式从“大规模试错”转向“精准设计创造” [3] - 生命科学要实现理性设计，必须先实现工程化与数字化 [3] - AlphaFold 2已预测超过2亿个蛋白质结构，但产业界更关注蛋白质功能而非结构 [3] 公司核心技术平台 - 公司以“功能”为优化对象，构建了自主驱动的自动化实验平台，以高效率生成功能数据 [4] - 生物分子设计系统将自动化实验平台与AI算法结合，使AI能在真实功能反馈中快速迭代 [4] - 在AI时代，自动化、高通量实验不仅能提高效率，更能高效产生结构化、可迭代数据，直接服务于模型训练与优化 [4] AI for Science发展路径 - 公司致力于推动AI for Science从2.0“导航式设计引擎”向3.0“科学智能自主平台”演进 [5] - AI for Science 3.0时代，AI将能自主设计、执行并迭代整个科研实验闭环，人类科学家主要负责提出关键问题和控制风险 [5] - 实现科学智能自主平台需要三个关键突破：统一的坐标系、自主决策的AI Agent、自动化的智能实验平台 [6] - 公司提出了AI4S 3.0的“十步走”路线，最终目标是在多个科学领域做出超越人类直觉的科学发现 [6] 技术应用与影响 - 生成式AI能帮助科研人员识别新靶点、优化分子结构设计，简化临床前验证流程，加速药物研发和新材料分子设计 [6] - 当科学智能自主平台阶段到来时，生命科学研发将走向技术平权和民主化，类似互联网时代的APP开发 [5]

财务数据和关键指标变化 - 第三季度营收达到2.051亿美元，同比增长77% [5] - 年度经常性收入（ARR）达到8.075亿美元，同比增长77% [5] - 调整后税息折旧及摊销前利润（EBITDA）为7070万美元，环比第二季度的5830万美元有所增长 [5] - 调整后EBITDA利润率为34.5%，较第二季度的32.1%提升240个基点 [6] - 第三季度毛利率达到78.5%，提前实现2027年目标 [7] - 核心业务稳态客户毛利率在第三季度达到82% [7] - 与2024年同期相比，整合后业务的EBITDA利润率提升了140个基点 [8] - 净收入留存率（NRR）为108%，略低于第二季度的110% [34] - 第三季度总营收为2.05亿美元，超出指引高端超过100万美元 [31] - 有机ARR加速至5.344亿美元，较2025年6月增加2200万美元 [31] - 公司偿还了4000万美元债务并回购了超过80万股股票 [42] - 净债务与年化第三季度EBITDA的杠杆率为2.7倍，低于3倍的目标 [42] - 2025年第四季度营收指引为2.16亿至2.17亿美元，同比增长71%-72% [43] - 2025年全年营收指引为7.3亿至7.31亿美元，同比增长约62% [43] - 2025年第四季度EBITDA指引为7300万美元，利润率34% [43] - 2025年全年EBITDA指引为2.47亿美元，利润率34%，较2024年提升180个基点 [43] 各条业务线数据和关键指标变化 - 核心Clearwater业务年初至今增长接近21% [12] - Infusion业务预计全年增长12% [12] - Beacon业务表现良好 [13] - 核心交叉销售模块（包括LPX、MLX、Prism和RISC）的预订量增长了70% [37] - 资产管理部门在年初至今的预订量中占比最高，与各市场的可用TAM机会规模相匹配 [13] - 另类资产核心产品（LPX、MLX、风险和Prism）的预订量同比增长70% [49] - 风险相关产品签署了两笔七位数的交易 [16] - 对冲基金市场在第二和第三季度表现强劲，预计第四季度也将表现良好 [51] 各个市场数据和关键指标变化 - 第三季度预订量在保险、资产管理、资产所有者和对冲基金之间分布非常均衡 [13] - 在对冲基金市场的胜利在基金成立和转换之间以及地域（北美、欧洲和亚洲）之间非常平衡 [14] - 保险业务继续表现良好，得益于在另类资产方面的优势 [14] - 公司与一家领先的全球AI平台建立了关系 [15] - 德州财政部保管信托公司选择公司管理300亿美元州资产 [15] - 一家全球资产管理公司选择了公司的溢价收盘和收入分析解决方案，并扩展到其英国业务 [15] - 拉丁美洲储备基金选择了公司 [15] - 国际业务方面，ARR的地域分布与第二季度一致 [87] 公司战略和发展方向和行业竞争 - 总可寻址市场（TAM）已增长至约230亿美元，并且在地域和市场之间保持平衡 [10] - 平台提供了深厚的技术护城河，构建和交付开放、模块化、可扩展的前中后台平台的能力在很大程度上是无与伦比的 [11] - 竞争格局非常有利，为增长提供了多种途径 [11] - 增长向量包括：核心Clearwater的保险业务、结合Infusion和Clearwater平台能力的资产管理、资产所有者部门以及跨地域、市场和产品的机会执行 [17][18][19][20] - 对于Infusion平台，有专门的产品和工程重点，有显著的TAM可用，并已开始商业模型工作，预计2026年产生影响 [21] - 正在构建强大的回基运动，包括提供风险、通过PRISM的客户报告以及使用内部工具Helios扩展对账 [21] - 公司正在整合业务，构建集成、开放、模块化和可扩展的前中后台平台，包括单一证券主数据、单一综合数据平台、单一交互层和单一交换层 [22] - 这些平台预计将在2026年下半年和2027年初推向市场 [23] - 生成式AI被视为最重要的技术进步，公司早期拥抱该技术，并已将其带给客户 [24] - 公司与AWS等全球领导者合作构建自己的代理平台，并被公认为Amazon Bedrock代理核心的早期采用者 [24] - 公司平台托管了由内部团队和客户创建的超过800个AI代理，可用于超过10万亿美元的机构资产 [24] - AI领导力基于三个基础支柱：平台的现代架构、平台上数据的广度以及生产级的生成式AI平台 [25][27][28] - 客户看到了手动对账减少90%、监管报告加快80%以及财务关闭周期加快50%的效果 [28] - 最近的收购在战略上扩大了TAM，提供了开放、模块化和可扩展的平台，增强了交叉销售能力；财务上，在股本稀释约15%的情况下，季度营收增长77%，EBITDA增长84% [29] - 公司已将这些业务的利润状况改善到接近公司水平，并预计在未来一年半内改善增长 [29] 管理层对经营环境和未来前景的评论 - 对战略的近乎一致的认可是非常鼓舞人心的 [5] - 下一代技术的需求真实存在，推动因素包括向另类资产的转移、投资组合的全球化、对风险和绩效需求增加以及与监管和合规需求相关的复杂性增加 [11] - 进入第四季度的渠道是历史上最好的，交叉销售预计将推动第四季度及2026年及以后的增长 [16] - 对2026年充满信心 [17] - 生成式AI的使用正在持续加速，并超过了对其可驱动利润率改善的自身评估 [7] - 公司比以往任何时候都更有能力捕捉这个巨大且不断增长的TAM [44] - 客户对话、渠道和当前看到的交叉销售是前所未有的，这带来了巨大的信心和加速增长的清晰路径 [45] - 整合业务取得了令人难以置信的进展，并对构建行业领先平台的机会感到兴奋 [46] 其他重要信息 - 公司最近任命了两位董事会成员以及跨多个职能的几位关键领导层人员 [30] - 综合公司的总营收留存率（GRR）为98% [6] - 在过去的27个季度中，有26个季度实现了98%或更好的总留存率，这体现了业务的持久性 [33] - 净收入留存率（NRR）的四个驱动因素是：保持98%的总留存率、价格提高和商业模型对齐（长期贡献4%-5%，本季度略低于3%）、增量产品的交叉销售（长期目标高达8%，本季度略低于3%）以及对现有客户的现有产品的增销（长期目标5%，本季度略低于3%） [34][35][36][38] - 保险业务的NRR最强，其次是资产所有者和资产管理公司 [39] - 对冲基金市场的当前NRR拖累了公司的综合净扩张率，但随着商业模型的演变和向对冲基金客户提供风险产品，改进潜力令人兴奋 [39] - 在2025年9月的业绩中，AUM扩张对NRR的改善贡献不到1%，而2025年6月季度贡献了近3% [40] - 公司专注于利用生成式AI和加速 onboarding 来持续改善，而不是雇佣更多人员 [73] - 对于Infusion平台，预计通过专门的团队、商业模型调整以及向对冲基金世界销售风险、托管服务和客户报告来加速增长 [77] - Bistro解决方案在另类资产方面提供了最佳的可视化和报告，整合工作正在进行中，预计2026年产生吸引力 [81] - 另类资产目前占预订量的35%以上，高于过去的24%-25% [107] 问答环节所有提问和回答 问题: 关于渠道质量和第四季度前景的更新，以及市场细分优势 - 预订量在整个季度分布非常均衡，但增长最显著的领域是另类资产和风险 [49] - 另类资产核心产品的预订量同比增长70%，渠道继续扩大 [49] - 风险产品签署了七位数的交易，速度快于预期，渠道机会远高于预期 [50] - 欧洲保险业务的扩张是另一个积极因素 [51] - 对冲基金在第二和第三季度表现强劲，预计第四季度也将表现良好，尽管第一季度表现不佳 [51] - 增长跨越每个垂直领域和地域 [52] 问题: 核心业务持续增长约20%与ARR增长17%之间的协调 - 业务趋向于进行更大的交易，这会在ARR上线时产生一些不均匀性，但随着时间的推移，如果业务以某种速度增长，ARR应与之匹配，只是不会逐季度匹配 [58] - 第三季度有机ARR增加了2200万美元，预计第四季度会有所加速 [59][60] - Infusion业务第一季度较慢，但第二和第三季度表现良好，这需要时间才能流入营收和ARR [54] - 第三季度表现强劲，第四季度看起来非常相似 [55] 问题: 2026年Infusion业务定价和合同结构修订的时间和幅度预期 - 新定价模型的目标是从2026年1月1日开始向所有新客户推出，然后逐步覆盖现有客户群 [66] - 意图不是提高价格，而是将客户支付的价格与价值对齐，方法与大约两年半前对Clearwater所做的类似 [67] - 预计整个过程将在2026年完成，但需要谨慎处理，因为不同的客户情况不同 [68] - 商业模型调整的目标是扩大适用ARR的基础，而不是提高百分比 [70] 问题: 在实现显著EBITDA超预期与分配更多资源加速营收上线之间的权衡 - 权衡不在于资金，而在于使用生成式AI和加速 onboarding [73] - 重点是利用技术实现更多的自助服务和代理驱动的 onboarding，而不是雇佣更多人员 [73] - 可能会考虑在营销等方面花费更多资金，这将在规划2026年时考虑 [74] 问题: 2026年Infusion业务增长加速的潜力 - Infusion平台是稳健、可扩展和稳定的，预计通过专门的团队、商业模型调整以及销售风险、托管服务和客户报告来驱动增长 [77] - 核心业务可以增长并可能从12%加速，商业模型有助于增长，向当前客户群销售更多产品也有助于增长 [78] - 加速的幅度将在2026年2月的指引中更清晰，重新加速预计在2027年上半年全面体现 [79] 问题: Bistro解决方案对当前保险客户的适用性以及首批客户合同时间表 - Bistro在另类资产方面提供了最佳的可视化和报告，具有战略重要性 [81] - 将其从原有环境迁移到Clearwater环境的工作已基本完成，与核心平台的整合正在进行中 [81] - 预计2026年产生吸引力 [82] 问题: 国际业务表现和核心Clearwater留存趋势 - ARR的地域分布在第三季度与第二季度一致 [87] - 所有提供的指标都是跨整个业务的，但AUM和增销主要发生在Clearwater业务内 [87] 问题: 客户采纳合并后资产的主要终端市场或地域 - 资产管理成为年初至今最大的预订行业，这是首次发生，因为其拥有最大的TAM [90] - 风险相关产品和另类资产的吸引力显著增加 [91] - 资产管理、风险和另类资产方面存在显著差异 [91] 问题: 竞争对手对Clearwater转型的反应 - 公司接到更多电话，竞争地位使其能够与任何人竞争 [92] - 客户和分析师赞赏公司有机会构建非常特别的东西 [93] - 生成式AI和单一实例多租户模型的能力显著不同，公司非常喜欢当前的竞争环境 [94] 问题: 核心交叉销售预订增长70%的当前渗透率和未来白空间 - 正在取得强劲进展，希望在未来几年内将LPX覆盖整个保险客户群 [98] - MLX（抵押贷款、私人信贷、私人债务）以及Prism和一些风险解决方案也势头强劲 [98] - 从市场层面看，如果会计业务有一定规模的ARR，那么另类资产、风险以及前中后台也应能产生类似的ARR [100] - 看到40%的同比增长以及2026年更快的预订增长令人兴奋 [101] 问题: VKB交易整合进展和统一平台推出的要点 - 专注于向客户展示整合成果，其他客户已经整合了这些平台，因此整合能力应该很高 [102] - 预计在明年年中上线，进展顺利，预计按时交付 [103] 问题: 核心Clearwater业务中另类资产驱动的新预订占比趋势 - 另类资产是一个重要的增长向量，预计其ARR最终将与会计ARR相似 [106] - 过去另类资产占预订量的24%-25%，现在已超过35%，预计2026年及以后将继续加速 [107] - 第三季度同比增长70%的数字包括了不止另类资产，但另类资产是其中的一大部分 [108][110] 问题: AgenTeq AI的定价模型、市场策略和早期采用者洞察 - 生成式AI的影响主要体现在毛利率的改善上，核心稳态客户毛利率已达82%，超出预期 [112] - 另一个主要影响领域是增强的客户报告，客户能够与数据对话，这将体现在如Prism等产品的额外预订上 [113] - 公司不单独对生成式AI收费，而是构建使用生成式AI的产品并向客户收费 [115] - 自Connect会议以来，用户参与度的增长非常令人印象深刻 [116]

文章核心观点 - 科技伦理教育是培育负责任创新人才、为科技创新注入伦理基因长效保障的战略支点，其课程化是实现系统化落地的核心抓手，需要从体系构建、内容创新、师资培育、实践融合四个维度协同发力，推动教育从知识传授向素养培育转变 [1] 体系构建 - 纵向构建全学段教育链条，基础教育阶段重启蒙，将科技伦理融入中小学科学等课程，例如在初中信息技术课中通过APP隐私权限设置实践普及数据保护理念 [2] - 高等教育阶段重深化，推行通识+专业+专题分层课程模式，面向全体学生开设科技伦理导论必修课，在专业课程中嵌入算法公平性等细分模块 [2] - 继续教育阶段重实用，聚焦科技从业人员需求，联合科技管理部门开发伦理审查实操等培训课程，横向推动多学科+跨部门协同，将科技伦理教育与课程思政深度融合 [2] 内容创新 - 课程内容需兼顾理论深度与实践价值，夯实理论根基，系统阐释科技伦理的核心原则与理论框架，帮助学生掌握分析伦理问题的思维工具 [3] - 紧跟前沿议题，建立由高校等组成的研究小组，定期梳理生成式AI版权争议、脑机接口隐私保护等内容，让教学内容与技术发展同频共振 [3] - 强化案例驱动，构建正面引领+反面警示案例库，精选典型性与警示性案例，将抽象理论转化为可操作的伦理决策能力 [3] 师资培育 - 构建培养+引进+协同立体化机制，通过本土培养提升教师跨学科能力，高校可启动科技伦理教师专项培训计划，组织教师开展跨学科研修 [4] - 建立科研伦理实践挂职制度，安排教师到省级科技伦理审查委员会或科技企业伦理部门协助工作，以提升实践教学能力 [4] - 外部引进拓宽师资知识视野，明确伦理学专家+行业资深专家双引进标准，聘请具有10年以上科技企业伦理管理经验的专家担任兼职教师 [4] 实践融合 - 创新教学方法，打造沉浸式课堂，推广案例研讨+模拟决策教学模式，选取真实伦理事件组织课堂辩论，让学生扮演伦理审查员处理数据隐私保护等问题 [6] - 搭建实践平台，联合政府部门等建立省级科技伦理实践基地，组织学生亲身参与科技伦理审查实践或行业伦理标准制定 [6] - 优化评价方式，构建过程性评价+能力测评双维度评价体系，基于伦理案例分析报告等多方面考核综合打分，并引入第三方评价机制确保客观公正 [6]