多模态生成在广告行业的应用 - 多模态生成技术已在广告行业成功试水并带来实际收益，部分企业正加大投入以变革广告内容生产与分发流程[3] - 生成式AI在广告领域的渗透从2022年起步，目前已覆盖文案生成、数字人卖货、图片/视频创作等场景，显著提升生产效率[6][7] - 腾讯广告妙思平台整合商品混剪、数字人口播、图生图等技术，将AI应用扩展至审核、分发等全流程环节[7] 生成式AI驱动的广告推荐系统 - 传统广告推荐依赖判别式模型，存在负面样本定义不准确、内容库局限等问题[9] - 生成式推荐系统突破现有物品库限制，通过多模态数据处理能力生成个性化内容，但面临新用户冷启动、实时性等挑战[10] - 腾讯广告算法大赛聚焦全模态序列生成式推荐（AMGR），要求基于用户多模态行为数据预测广告交互，推动技术前沿探索[14][16] 腾讯广告算法大赛的价值 - 提供脱敏真实业务数据，帮助参赛者理解用户行为复杂性并培养商业思维[17][18] - 总奖金池达360万元，冠军团队独享200万元，并开放实习Offer及转正机会[19][21] - 往届参赛者入职后快速成长，如Bid Shading算法实现大盘收入提升3%[22] 行业动态与人才需求 - 腾讯2025Q1营销服务收入同比增长20%至319亿元，AI技术升级成为核心驱动力[26] - 广告行业对生成式AI人才需求上涨，大赛为在校生提供零基础切入机会[27][28] - 报名面向全球高校学生，截止日期为7月31日，优胜者可申请深圳人才政策支持[23][29]

纪要涉及的行业和公司 - **行业**：AI行业、金融行业、编码领域 - **公司**：微软、亚马逊、Meta、谷歌、Snowflake、MongoDB、Cloudflare、Cursor、Segment Tree、Cloud Function、Glomac、Peplaxy、Manz、Fellow、Melexis、Coze、N8N、Salesforce、Oracle 纪要提到的核心观点和论据 1. **海外科技大厂AI布局与战略** - **谷歌**：推出新版模型Gemini 2.5 Pro获业界认可，平台产品AI Studio市场反响一般，正通过增长策略提高活跃度[2] - **微软**：专注AI基础设施建设，Azure云服务提供强大GPU算力，AI Foundry平台支持多种开源模型，在边缘计算和ToB场景表现突出；Copilot系列产品在M365办公场景广泛应用，但发展低于预期[1][2] - **亚马逊**：通过AWS云服务推动AI发展，侧重算力支持和图像模型服务，面向中小企业提供模型部署方案，并通过API销售云模型[1][2] - **Meta**：推出LLAMA4并收购Scale AI，旨在优化数据层提升模型能力，早期在开源领域贡献为后续发展奠定基础，但目前效果未显著[1][2] 2. **B端SaaS AI应用落地挑战与机遇** - **挑战**：面临幻觉、安全、数据隔离和成本等多重挑战，模型调用成本高昂是主要瓶颈[3] - **机遇**：若AI功能使用成本接近零，渗透率和使用量将显著提升；2025年是AI应用开发大年，数据库和数据分析公司如Snowflake、MongoDB等受益[24][28] 3. **AI agent开发相关要点** - **核心壁垒**：垂直领域专家知识和私有数据，工程化解决方案如Workflow管理是关键技术[1][11][12] - **与LM区别**：需使用LM、各种工具和处理多步任务，开发流程关键技术包括传统NLP搜索、workflow管理等[11] 4. **微软产品表现与发展情况** - **Copilot系列**：在M365办公场景广泛应用，Word和Excel表现较好，PowerPoint因视觉元素处理能力不足评价较低，整体发展低于预期[1][15][16] - **云平台及SaaS应用**：Azure服务和Office 365全家桶有优势，但M365 Copilot系列发展需优化提升[17] 5. **AI应用市场趋势** - **通用与垂直代理**：通用代理在专业化领域表现不佳，未来垂直代理将迎来爆发式增长，多个擅长特定领域的代理将存活[26][27] - **大厂与中小厂商**：大厂完善底层技术后将发力应用层面，带动中小厂商与数据库及SaaS公司合作[29] 其他重要但可能被忽略的内容 - **微软Azure Foundry优势**：提供开发AI agent所需模型和丰富工具，与Azure原有存储账户和虚拟机打通，架构更便捷高效[10] - **多模态能力进展缓慢原因**：发展速度慢，微软去年精力投入安全领域影响AI产品发展，今年领导层开始重视AI功能开发[18][19] - **重要技术进展**：Sapec的MCP技术、谷歌的a2a技术标志agent落地进展，关注RAG技术和Fine - tuning技术，更多是优化模型架构降低成本[34]

公司融资与估值 - Scale AI获得Meta Platforms的重大投资，估值达到290亿美元（约2083.98亿元人民币）[1] - 公司去年5月完成F轮融资1亿美元，估值138亿美元（约991.69亿元人民币），一年内估值翻倍[1] - Meta支付143亿美元（约1027.62亿元人民币）取得Scale AI约49%股权，为Meta史上第二大交易[2] 公司业务与战略 - Scale AI成立于2016年，专注于安全、AI对齐与评估领域，为生成式AI企业、大型企业及政务机构提供数据标注和模型评估服务[1] - 公司将利用新资金加速技术创新、深化与客户战略合作，并计划将收益回馈给现有股东[2] 管理层变动 - Scale AI联合创始人兼CEO Alexandr Wang（28岁）将加入Meta，领导其AI战略任务[1][2] - 公司董事会任命战略主管Jason Droege暂代CEO职务，Wang将继续担任董事并协助原有项目推进[2]

融资与战略发展 - 硅基流动完成数亿元人民币A轮融资，由阿里云领投，创新工场等老股东超额跟投，华兴资本担任独家财务顾问 [1] - 公司定位为AI基础设施领域专业选手，通过技术突破解决国内AI行业发展重大问题，业务因开源大模型崛起和推理算力需求激增迎来爆发式增长 [1] - 融资资金将用于加大研发投入，拓展海内外市场，目标成为开发者首选的生成式AI开发平台 [1] 技术突破与产品创新 - 自主研发高性能推理引擎，显著提升芯片计算效率，完成国产芯片深度适配，实现国产算力从"可用"到"好用"的突破 [2] - 2025年2月推出基于国产算力的DeepSeek-R1 & V3服务，用户体验和性价比达国际主流GPU水准，验证国产算力部署大模型的商业可行性 [2] - 推出异构算力纳管平台，通过弹性调度技术整合碎片化算力资源，提升运营效率，推动算力资源普惠化 [2] - 大模型云服务平台SiliconCloud上线超百款主流开源大模型，提供模型精调、托管到部署的一站式解决方案，总用户数突破600万，企业客户数千家，日均Token生成量上千亿 [4] 应用场景与生态建设 - 一站式工作流设计平台BizyAir实现云端GPU与本地ComfyUI无缝协同，提供开箱即用模板，支持自定义模型与节点，已应用于阿里巴巴通义万相视频生成工作流 [6] - 推出API服务、专属实例、软件订阅及大模型一体机等多元解决方案，覆盖大语言模型、文生图、视频生成等领域，服务互联网、金融、制造、文娱等行业头部客户 [6] - 未来将持续降低AI开发与部署门槛，携手上下游合作伙伴推动AI技术深度应用，加速行业智能化升级 [6] 行业活动与趋势 - 创始人袁进辉将在AICon大会分享《AI-Native Cloud构建之路与展望》，聚焦推理引擎、FaaS、MaaS、工作流等技术探索 [1][10] - AICon北京站将围绕AI Agent、多模态应用、大模型推理优化等议题探讨技术与应用融合趋势 [10]

AI开源生态现状 - 开源AI形成自我加速的良性循环，但"开放"定义权争夺战已悄然打响[1] - 部分机构通过限制性许可证进行"Open-washing"，享受开源声誉红利却不给予实际自由[3] - 传统软件许可证难以适应AI模型复杂性，需专门为开放模型/数据/权重设计的新型许可证[6][7] 行业标准化进程 - PyTorch基金会推出"模型开放框架"(MOF)分级标准和OpenMDW许可证，明确开放定义[4] - Linux基金会作为中立第三方推动协议标准化，降低厂商锁定风险[9][10] - 70%-80% PyTorch文档流量来自中国，反映其在该市场的广泛采用基础[6] 技术发展趋势 - 具身智能领域需机器人操作系统、行为模型等工具支持，PyTorch成为主流训练框架[10] - AI智能体架构创新加速，开源社区需建立通用接口协议构建技术底座[8][9] - 生成式AI工具需保持human-in-the-loop模式，避免完全自动化导致的幻觉问题[12] 企业战略动态 - Meta、谷歌、微软等竞争对手在PyTorch基金会实现开源协作，共同提升框架性能[8][9] - Adobe等公司通过隐形AI集成实现技术价值，降低用户学习成本[12] - 中国DeepSeek-R1与海外Llama 4等开源模型推动开放定义演进[6] 人才与教育 - AI时代教育者需率先掌握人机协作技能，平衡工具使用与核心能力培养[13] - PyTorch启动大使计划培育区域社区，通过20分钟短演讲展示多元创新项目[11] - 认证培训项目需应对氛围编码、智能体系统等新兴技能需求[13] 行业风险警示 - 数字内容真实性危机迫近，合成媒体以假乱真威胁信息生态[15] - 技术滥用导致假消息泛滥，需建立C2PA等数字水印验证机制[15] - 监管需平衡创新空间与风险防控，过度限制将阻碍行业发展[14]

报告行业投资评级 - 看好丨维持 [8] 报告的核心观点 - 美东时间5月20日谷歌2025年度I/O开发者大会带来以人工智能为核心的重大更新，涵盖多领域，展现其在生成式AI领域深厚实力，AI产品商业化进度值得期待，建议关注AI Agent相关标的、国产算力产业链、算力基础设施 [2][10] 根据相关目录分别进行总结 事件描述 - 美东时间5月20日谷歌2025年度I/O开发者大会开幕，带来以人工智能为核心的重大更新，涵盖搜索、浏览器、办公工具、硬件设备等多领域 [2][5] 事件评论 - 多款大模型发布，Gemini系列模型持续演进，发布Gemini 2.5 Pro与Gemini 2.5 Flash，Gemini 2.5 Pro在LLM Arena测评表现出色，Gemini 2.5 Flash相较上一代效率提升22%，使用Token可减少20% - 30%，还发布文生图模型Imagen 4、视频生成模型Veo 3及AI电影创作应用Flow，后续大模型性能竞争或更激烈 [10] - 结合搜索、购物等场景，大模型重构现有应用，搜索功能引入Gemini 2.5 Pro模型推出AI Mode功能，谷歌购物实现个性化推荐等功能，谷歌或借此加速AI大模型商用进度，增强营收能力 [10] - 订阅费率提升，谷歌探索新的商业化模式，推出全新AI订阅套餐Google AI Ultra，首在美国推出并将推广到其他国家，订阅者拥有高级AI功能访问权限，每月订阅费249.99美元，超OpenAI的ChatGPT Pro订阅计划，谷歌试图实现收入来源多元化 [10] - 海外大模型持续迭代，关注AI产业投资机会，谷歌开发者大会展现其在生成式AI领域实力，AI产品商业化进度值得期待，建议关注AI Agent相关标的、国产算力产业链、算力基础设施 [10]

活动基本信息 - 活动类别为特定对象调研 [2] - 活动参与方包括达实智能副总经理、董事会秘书吕枫，证券事务代表兼投资者关系总监管小芬，29 位机构及个人投资者 [2] - 活动时间为 2025 年 5 月 22 日 13：00 - 16：30，地点在公司会议室，形式为现场参观 + 现场交流 [2] DeepSeek对智慧空间行业的影响 - DeepSeek出现前，公司已在AIoT平台部署判别式AI能力，用于设备故障预警、能耗异常检测等场景 [2] - DeepSeek支持开源且可本地部署，使公司能在客户数据不出园区的前提下，将大语言模型能力融入AIoT平台 [2] - 公司将AIoT智能物联网管控平台与AI大模型深度融合，构建出更强大的智慧空间AI应用能力，包括智能问答、智能分析、智能控制与自然语言指令理解 [2][3] 各领域客户智慧空间AI应用投入意愿 - 企业园区客户在智慧空间AI应用方面展现出较强投入意愿 [3] - 2025年3月，公司推出AI大语言模型接入的AIoT平台V7内测版本，获国内某知名商业银行超2000万元的AIoT物联网平台订单 [3] - 公司服务的企业客户广泛分布于金融、科技、高端制造等重点行业，多为行业头部企业，如中金公司、小米、立讯精密等 [3] - AI大模型与AIoT平台融合，帮助企业客户实现节能减排、优化物业管理，提升园区智能化水平和用户体验，降本增效且增收创利 [3] - 公司依托优质客户资源和深化的AI能力，有望推动AI业务在企业园区场景规模化落地 [3]

纪要涉及的行业和公司 - **行业**：AI 行业 - **公司**：英伟达、中金公司、Deepseek、Minimax、谷歌、OpenAI、台积电、海力士 纪要提到的核心观点和论据 - **AI 技术发展与投资机会**：未来两到三年 AI 技术将快速迭代，由产业需求和开源大模型驱动算力需求增长 ，有望为中国 GDP 带来超 12.4 万亿人民币增量，对应每年约 0.8%额外增长率 ，云厂商和第三方算力提供商加大基础设施建设，AI agent 加速实现和智能终端应用涌现是商业闭环关键[1][2] - **英伟达对行业的影响**：英伟达是 AI 领域产业推动者，过去六年芯片算力增长 4000 倍 ，总裁强调硬件半定制化、架构升级和内存带宽提升是投资热点，高吞吐、低延时互联架构支持云端应用[1][3][4] - **算力需求影响**：云端算力需求增速旺盛，依赖算法支持；端侧算力直接影响消费者体验 ，未来具身智能时代端侧算力需求或超每秒 1000 个 TOKEN，核心芯片或 SoC 芯片领域成长空间大[1][5] - **AI 基础设施建设方向**：从堆叠服务器芯片转向系统优化与效率提升，涵盖算法模型、软件系统、硬件架构及跨区域数据调动整合能力 ，全产业链条工程优化与系统效率提升成主流共识[1][6] - **中国 AI 发展挑战与机遇**：中国 AI 发展迅速但有薄弱环节，国内算力能力提升及系统扎根后，生成式 AI 行业有望全球引领 ，美国出口管制促使加快自主研发，内循环打通后将在多方面领先[1][7][8] - **国内资本开支潜力**：2023 - 2025 年 AI 资本开支总量接近 300 亿美元 ，预计 2026 - 2027 年头部云厂商资本开支迎来上行周期[3][9] - **AI 对端侧设备影响**：英伟达优化蒸馏技术使更多模型可在端侧部署，国内 SoC 厂商制程进步 ，端侧算力需求 10 个 TOPS 以内可满足初步运行，工程优化使模型参数与体验关联减弱，端侧 SoC 迭代提升消费者认可度[10][11] - **AI agent 市场前景**：AI agent 分自主和生成式智能体，已形成较好闭环 ，未来两到三年可能快速普及，2030 年市场规模或达 400 亿美元 ，任务执行单元价值显现[12] - **AI agent 替代传统 APP 可能性**：AI agent 有可能替代传统 APP 成为新内容分发入口 ，C 端和 B 端都有应用优势，B 端付费场景或形成新生产变革[13] - **人工智能与移动互联网生态差异**：人工智能生态形成网状共生模式 ，大模型基础设施开发商涉足多领域，促进应用性能和交互体验提升，整合算力和数据资产[14] - **英伟达大会信息**：展示个人端小型化算力基础设施和 B 端半定制化硬件架构 ，推动 AI 进化加速，驱动 C 端商业模式闭环，解决伦理与安全问题是重要方向[15] - **英伟达技术创新体现**：半导体先进制程快速迭代，存储能力提升 ，保持 FP4 重密算力三年翻 10 倍迭代能力 ，系统端算力能力显著提升，未来或推出高集成度机架[16][17] - **英伟达数据传输进展**：推出 GPU 交换机，2025 下半年至 2026 年规模交付 ，光电合封及硅光引擎优化网络架构，提高传输速度和带宽[18] - **AI 应用发展方向**：从生成式 AI 走向代理 AI 再到物理世界模拟 ，国内有望快速进入 Federated AI 阶段，目标是实现硅基与碳基生命互动释放生产力[19] - **全球算力基础设施发展**：过去三年全球算力基础设施发展迅速 ，新生态形成推动商业闭环，AI 技术迭代促进社会生产力进步与变革[20] 其他重要但是可能被忽略的内容 - 2018 年以前国内 3G 和 4G 在移动互联网发展周期中迭代快，2018 年后迎来 5G 建设浪潮带动互联网应用迭代[9] - Minimax 从模型快速应用普及过程中，将不同能力分层，任务执行单元价值显现[12] - 英伟达 GB300 芯片是技术迭代路径清晰的重要体现[15]

生成式AI行业现状 - 全球科技圈因GPT-3等生成式AI技术爆发而加速发展，但主流闭源模型（如GPT-4、Claude 3）的运作机制不透明，商业化受限且API费用高昂[1][6] - 开源模型普遍仅公开权重，关键训练代码、数据集和配置被隐藏，阻碍学术研究与商业应用[6] Moxin-7B的核心突破 - 采用全透明开源策略，公开从数据清洗到强化学习的全流程细节，包括预训练代码、超参数配置、数据处理脚本等[2][5][7] - 数据集透明度高：预训练使用SlimPajama（627B tokens）和DCLM-BASELINE，指令微调采用Tulu 3和Infinity Instruct，强化学习数据来自OpenThoughts和OpenR1-Math-220k[7][8] - 高性能低成本：7B参数模型在零样本任务（ARC-C 58.64%）、数学推理（MATH-500 68%）超越更大规模模型（如70B参数的Llama-3-Instruct）[9][21] 技术创新与架构优化 - 基于Mistral-7B增强：36层Transformer（原版32层），4096维隐藏层，GQA+SWA支持32K长文本处理，推理速度更快且内存占用更低[14][17] - 数据策略严格：通过MinHash-LSH技术去重（相似度阈值0.8），清洗后保留627B Token（RedPajama原版的49%），代码数据来自The Stack-dedup（6TB开源代码）[15] - 训练成本仅16万美元（GPT-3训练成本460万美元），采用混合精度训练和滚动缓存机制优化效率[15][17] 评测表现对比 - Base模型：Moxin-7B-Enhanced在HellaSwag（80.03）、ARC-C（58.64%）等任务上超越LLaMA 3.1-8B、Qwen2-7B等同类模型[20] - Instruct模型：Moxin-7B-DPO在GSM8K（81.19）、MATH（36.42）等任务表现优于Qwen2.5-7B-Instruct[20] - Reasoning模型：Moxin-7B-Reasoning在MATH-500（68.6%）超越Llama-3.1-70B-Instruct（64.6%），验证小模型强化学习效果[21] 开源生态价值 - 提供完整开源资源：包括Base/Instruct/Reasoning模型权重、训练框架DeepScaleR和AReal，支持社区复现[12][23] - 为中小企业和研究团队提供可控AI解决方案，降低技术门槛[23]

财务数据和关键指标变化 - 2025年Q1营收1.269亿美元，同比增长23.5%，超指引190万美元且较Q4环比增长 [4][29] - 2025年Q1末ARR达4.939亿美元创纪录，同比增长22.7% [5][30] - 2025年Q1毛利率达创纪录的78.9%，较2023财年的76.5%大幅提升 [30] - 2025年Q1调整后EBITDA为4510万美元，同比增长40%，利润率达35.5%创纪录 [5][31] - 连续五个季度实现GAAP净利润，2025年Q1为690万美元 [32] - 2025年Q1研发投入3740万美元，占营收21.6%，较上市时杠杆提升超320个基点 [32] - 2025年Q1自由现金流2300万美元，同比增长168% [33] - 2025年Q1末现金及现金等价物2.829亿美元，净现金2.376亿美元 [33] - 2025年Q1净收入留存率为114%，较上季度的116%有所下降；毛收入留存率保持在98% [33][34] - 2025年Q1股权薪酬及相关工资税为2760万美元，占Q1营收21.7%，占比随规模扩大而降低 [34] 各条业务线数据和关键指标变化 - Infusion 2025年Q1初步营收5450万美元，较2024年Q1增长13% [37] 公司战略和发展方向和行业竞争 - 战略收购Infusion、Beacon和Bistro，目标打造行业首个完全云原生投资平台，整合前中后台运营，消除行业碎片化 [19] - 执行路线分三个阶段：第一阶段聚焦各独立业务2025年目标，提升市场竞争力和增长；第二阶段实施强大的交叉销售策略；第三阶段实现一个平台的长期愿景 [23][24][25] - 公司认为其单实例多租户架构具有颠覆性，未来客户将迁移至此架构，相比主要竞争对手的遗留平台有竞争优势 [9] 管理层对经营环境和未来前景的评论 - 市场复杂性增加，机构投资者需对全球投资组合进行持续调整，公司价值主张更显重要 [5] - 公司在监管报告方面表现出色，多数客户已符合新NAIC规定，单实例多租户模式优势明显 [7] - 对收购后的业务整合和发展充满信心，预计推动20%的增长、每年50个基点的毛利率提升和200个基点的EBITDA扩张 [27] 其他重要信息 - 2025年Q2，不考虑收购影响，预计营收1.29亿美元，同比增长约21%；收购业务预计贡献4500万美元，总营收预计达1.74亿美元，同比增长约63% [37] - 2025年Q2，不考虑收购影响，预计EBITDA为4500万美元，利润率35%；收购业务预计贡献800万美元，综合EBITDA利润率30.5%，较2024年提高约250个基点 [38] - 2025年全年，预计营收7.2 - 7.28亿美元，同比增长约59% - 61%；预计EBITDA为2.3 - 2.35亿美元，利润率约32% [39] - 2025年预计折旧和摊销费用1 - 1.2亿美元；股权薪酬费用约1.39亿美元，占营收约19%；净利息费用约4000万美元；股份数量预计约300万股；继续采用25%的非GAAP税率 [39][40] 总结问答环节所有的提问和回答 问题1: 如何看待2026 - 2027年的营收增长和利润率提升节奏 - 公司长期承诺保持20%的营收增长，Infusion业务预计从当前的13%逐步提升至20%，预计2026年开始加速增长，到2027年Q2达到公司增长水平；EBITDA利润率预计以每年200个基点的速度扩张 [47][49][50] 问题2: Bistro如何融入公司业务布局 - Bistro和Beacon提供的可视化和风险分析能力是横向能力，适用于公司运营的所有垂直市场，将推广到Clearwater的1400个客户和Infusion的900多个客户 [52][53] 问题3: 宏观环境对业务需求的影响以及是否在指引中考虑宏观风险 - Q1营收表现稳健，4月初步数据未显示业务放缓迹象，公司营收对下行风险有较好的保护；指引是基于各业务的相对贡献和现有信息制定，NRR在Q1略有下降是因为AUM增长的顺风因素减弱，但公司对逆风有较好的抵御能力 [59][60][61] 问题4: 收购后的协同效应实现速度 - 预计Infusion业务在两年内重新加速增长；成本方面，预计第一年和第二年分别提高400个基点的毛利率，并实现2000万美元的成本协同效应，部分G&A协同效应已在本周实施，预计在Q3和Q4显现 [65][66] 问题5: 从季节性角度看Infusion和Beacon的营收贡献以及是否考虑交叉销售协同效应 - 公司认为有机增长数据与年初预期一致，收购业务的整合将迅速进行，届时难以区分增长来源，但公司对指引有信心，指引是基于各业务的增长预期构建的 [71][72][73] 问题6: Infusion的定价和合同结构以及对增长加速的影响 - Infusion客户对建立类似公司的商业模型接受度高，公司已将财务和法律团队整合，统一推动该计划；但希望建立可持续的价格增长模式，预计2026年产生影响 [77][79][80] 问题7: 有机增长和无机增长的贡献分别是多少 - 可根据Q2的收购业务贡献按比例推算Q3和Q4的贡献；全年指引可按照Clearwater和Beacon 20%的增长、Infusion 13%左右的增长来计算 [85][87] 问题8: 公司如何深入拓展资产管理客户的股票业务 - Infusion在股票业务方面有不同的技术需求和专业知识，公司收购后将整合相关知识产权；通过三阶段战略，逐步实现前后端一体化平台，有望彻底改变投资管理技术 [89][90][94] 问题9: Infusion在对冲基金市场的表现以及近期可实现的改进 - Infusion的客户流失率已趋于稳定，与2024年情况一致；公司可将Infusion的前端和中端系统销售给Clearwater的1400个客户，同时整合资源加大研发投入，预计两年内将Infusion的增长率提升至20% [100][102][106] 问题10: 构建单一安全主数据的研发强度以及上线后的规模效应 - 公司各系统架构均为单一安全主数据，构建该系统将改变投资管理技术，但需要时间；联合公司有1000人从事研发，预计能够在不增加太多成本的情况下推进相关计划 [109][111][112] 问题11: 如何管理Infusion带来的股票风险以及其定价策略 - Infusion的定价与AUM无关，不受市场波动影响；公司认为其商业模型有待改进，计划快速启动相关工作，四个月后推向市场，新模型将应用于新客户 [116][117][118] 问题12: Bistro如何纳入指引以及其增长机会 - Bistro是资产收购，暂无营收；其提供的横向用例可应用于替代资产领域，市场上缺乏类似解决方案，公司将关注其发展，有望加速三家公司的增长 [120][121][122] 问题13: 公司过去的经验如何为整合收购业务提供信心 - 公司已迅速整合运营团队，认为可以复制之前的成功经验；Helios技术的存在将有助于提高毛利率，公司对实现收购时的指引充满信心 [127][128] 问题14: 整合过程中如何看待胜率和销售效率 - Infusion的胜率很高，是具有颠覆性的平台；随着业务深入，将评估其失利原因；交叉销售的胜率通常更高，公司的战略整合将增强交叉销售能力 [131][132][134] 问题15: Infusion业务的续约季节性 - Infusion业务的续约周期有年度因素，且更多业务在Q4获得，年初会有一些变化，Q4 - Q1是一个阶段变化 [138][139]