公司信息 * 涉及公司为**IQVIA**，一家为制药和生命科学行业提供先进分析、技术解决方案和临床研究服务的公司[1] * 公司近期进行了业务部门重组，将原有的**技术与分析解决方案**部门拆分重组，形成了新的**商业解决方案**部门和调整后的**研发解决方案**部门[8][28] * 公司首席财务官即将交接，**Ron**为即将离任的CFO，**Mike**为即将上任的CFO[1] 财务与运营表现 **第四季度业绩与业务构成** * 第四季度业绩强劲，按实际汇率计算增长接近**10%**，按固定汇率计算增长约**7%**[8] * **技术与分析解决方案**业务实现了强劲的有机增长，尽管上年同期对比基数较高（增长超过**9%**）[8] * 在**技术与分析解决方案**业务内部，**真实世界数据**业务部分实现了双位数增长，而咨询、分析、信息和技术等其他部分则实现了低至中个位数增长[9] * 按历史**技术与分析解决方案**业务构成划分：约**三分之一**为真实世界数据业务，约**四分之一**为信息业务，**20%** 为咨询业务，其余**低20%** 区间为技术业务[13] **2025年业绩指引与增长动力** * 公司指引新的**商业解决方案**部门将增长**8%**，而**研发解决方案**部门将增长**4%**[16][24] * 增长动力与历史上**技术与分析解决方案**部门类似，以患者解决方案（原商业导向的真实世界数据业务）的强劲增长为主，信息等其他业务部分则以低至中个位数增长[21] * 并购活动对整体增长的贡献预计约为**150个基点**，其中约**三分之二**将贡献给商业解决方案部门，其余贡献给研发解决方案部门[24] **利润率与成本结构** * 业务重组后，从收入和利润率角度看，两个新部门的财务特征与重组前相比变化不大[28] * 公司长期目标是每年实现**0至30个基点**的EBITDA利润率扩张[129] * 影响利润率的主要非运营因素包括**汇率波动**和**成本转嫁项目**，2025年这两项共同对报告的利润率造成了约**70个基点**的阻力[128] * 业务组合（如利润率较低的FSP、CSMS业务增长更快）和定价因素在2025年对利润率造成了约**100个基点**的额外阻力，但公司的生产力计划带来了约**100个基点**的顺风，大致抵消了这部分影响[129] * 定价环境稳定，公司对定价采取战略性和纪律性的决策，并通过持续的生产力计划（包括代理AI）来保障项目交付利润率[134][135] **订单与取消情况** * 2024年，CRO业务因《通货膨胀削减法案》引发的项目集中审查，取消额达到约**30亿美元**，高于正常年份的约**20亿美元**[106] * 2025年，取消趋势已恢复正常水平，主要由药物无效性等常规原因驱动，与AI无关[106][107] * 公司强调应关注**12个月滚动**订单数据，而非季度数据，因为季度波动性大，且公司采用严格的“按合同确认”的订单记录政策[110][117] * 整体环境健康，领先指标良好，包括强劲的管线、良好的RFP流，以及下半年新兴生物制药融资的反弹[118] **资本结构与资本配置** * 公司当前杠杆率约为**3.6倍**，目标杠杆率维持在**3-4倍**的区间内[139][141] * 资本配置在股票回购和收购之间保持机会主义，具体取决于收购管线的强度、要价以及公司股价水平[142] * 管理层认为当前公司股票估值（市盈率约**13倍**）被显著低估，历史市盈率通常在**十几倍到二十倍出头**，当前股价为股票回购提供了有吸引力的机会[141][145] 行业趋势与竞争格局 **行业整合与外包趋势** * 制药公司在商业领域的供应商格局比CRO行业更为分散[29] * 公司正看到**商业解决方案**领域的整合趋势，越来越多的制药客户希望将部分商业组织、分析甚至产品的端到端商业化进行外包[30] * 公司能够提供端到端商业化服务的关键在于其综合能力：数据、分析、领域专业知识以及合同销售组织[30] * 驱动这一趋势的原因是制药公司需要在**新药发布**和**现有平台**之间更有效地分配资源[31] **AI的影响与公司定位** * AI被视为**机会而非威胁**，公司认为其数据护城河、领域专业知识和技术能力构成了竞争优势[44][46][148] * **数据护城河**的四个关键特征：1)**专有性**（非公开数据）；2)**复杂性**（“非常混乱”，需要清洗、桥接编码、匿名化和链接）；3)**动态性**（每日更新，日处理交易量超过纽约证券交易所）；4)**敏感性**（需遵守全球各地严格的隐私和合规法规）[47][48] * 公司每年在数据获取上投入**数亿美元**，并在数据治理上再投入**额外的数亿美元**[50] * 理论上可以重建其数据集，但实践上极其困难，公司拥有**71年**的历史和来自全球**15万**个不同数据源的数据[50] * 公司估计，制药行业使用的数据中约有**四分之三**来自IQVIA[61] * 数据来源多样，包括处方、电子病历、索赔、实验室和基因组数据，关键在于能够对去标识化的数据进行纵向链接[64][65][67] **AI带来的具体业务影响** * AI可能侵蚀公司少量业务，例如咨询业务中的**初级市场研究**（约占全球咨询和分析业务的**5%**，而该业务占原TAS收入的**20%**），整体风险收入规模估计约为**1亿美元**[70][74][79] * 但AI带来的机遇远大于潜在损失[71] * **机遇体现为**：1) **保护收入**：通过推出AI辅助工具（如与勃林格殷格翰合作的DaaS+）来现代化低附加值服务，锁定客户并保护数据销售[74]；2) **创造新收入**：开发变革性产品（如上市规划AI工具），为客户创造巨大效率价值，并可能带来新的服务需求[74][75]；3) **提升效率**：通过AI代理化内部流程来提升生产力和利润率[91][92] * 在临床开发方面，AI的初始影响预计将体现在**药物发现**领域，可能在**3-5年**内带来变革，通过识别更多高成功概率的分子来改变投资回报率计算，从而可能增加进入临床阶段的分子数量[89][94] * 制药公司可能会将AI带来的效率提升和节约重新投资于扩大其研发管线[90][94] * 由于行业受到严格监管、合同周期长（**3-5年**）且流程复杂，AI对CRO行业不会立即造成通缩冲击，效率提升带来的收益将在公司和客户之间通过谈判分享[91][92] * 公司预计**研发解决方案**部门的利润率将继续提高，并且公司将继续获取市场份额[93]

AI时代对传统商业护城河的冲击 - AI正从极客玩具大规模进入普通人的真实生活，例如春节活动期间，全国有超过1.3亿人体验了AI购物，AI买门票订单呈现环比爆发式增长 [2] - 移动互联网时代的“护城河”，如流量逻辑、场景壁垒和用户习惯，在AI冲击下正在经历重构 [2] - 以ChatGPT为代表的AI平台从根本上挑战了互联网时代的底层逻辑，旧的护城河正在加速瓦解 [6] 移动互联网时代的核心护城河：网络效应 - 网络效应是指产品价值随用户数量增加而指数级上升，形成正反馈循环，微信是典型案例，其月活用户已超过14亿 [3][4] - 网络效应构成了强大的用户迁移壁垒，因为用户需要重建数百甚至数千个社交连接，转换成本极高 [3] - 腾讯的社交、阿里的电商以及字节的信息分发是网络效应最突出的三家，但各自护城河逻辑不同 [4] AI时代用户行为与竞争逻辑的根本转变 - 用户积累逻辑发生质变，单纯追求用户规模不再是不可撼动的壁垒，用户忠诚度几乎为零，平台转移成本极低 [6] - AI更像纯粹的工具而非社交网络，无法形成传统意义上的网络效应，产品价值不会随用户数量显著增长 [6] - 用户评判标准简化为好不好用、强不强、快不快、准不准 [6] 信息权力结构与商业模式的去中介化 - 信息获取从“平台推送”转向“AI寻找”，用户与AI形成直接双向互动，绕过了第三方服务商和推荐算法 [7] - 依赖算法攫取用户注意力并通过广告变现的商业模式面临瓦解风险 [7] - 电商平台壁垒被削弱，用户可直接询问AI完成比价和交易，形成“去中介化”趋势 [7] AI时代企业的新护城河：数据复利 - 企业护城河逻辑已改变，需聚焦于AI自身的核心能力，核心概念是“数据复利” [8][9] - 模型是“大脑”，数据是“记忆”，真正能留住用户的是业务场景中积累的、不可搬迁的“记忆” [10][11] 数据护城河的三个核心维度 - **第一层：私有上下文**：通用模型不知道的公司内部特殊条款和私有事实，是AI产生价值的土壤 [12] - **第二层：交互反馈闭环**：用户在产品内的修改、评价等动作形成“私有化训练”，调教过的AI比智商更高但不认识业务的新AI更好用 [13] - **第三层：行业“暗知识”**：藏于企业内网、业务缝隙和老员工直觉里的结构化数据是真正的黄金，能构筑难以逾越的壁垒 [14] B端企业AI应用的核心价值与锁定效应 - B端企业需要的是懂业务、懂流程、不出错的“老师傅”，而非博而不精的通用模型 [15] - **不可模拟的历史记忆**：系统积攒的过去三五年的业务轨迹构成了企业的“数字基因”，是新模型无法瞬间获得的 [16] - **业务耦合的“锁定效应”**：当AI应用深度嵌入企业审批流、财务流和供应链流，数据成为流转的血液，替换意味着重写整套作业标准，隐形成本高昂 [17][18] - 顶级B端AI应用能利用积累的数据进行预测，将数据转化为具有预测力的武器 [18] 对开发者的启示与未来方向 - 开发者不应将精力浪费在“模型选型”这种边际效应递减的事情上，不能只做模型的搬运工 [19][20] - 应思考如何在产品设计阶段，让用户在每一个交互中产生高价值的“反馈数据”，让系统成为企业业务数据的“汇聚盆” [20] - 技术会迭代，算法会贬值，唯有在漫长业务流转中沉淀下来的、带有企业体温和逻辑的数据会随时间产生复利 [21][22][23] - 构建“数据-业务”循环系统，让数据与系统耦合且无法简单“一键导出”，从而形成用户无法轻易抽身的“业务+数据黑洞” [23][24]

市场展望与核心趋势 - AI Agent正从“助手”进化为“自主Agent”，目前处于2025年的“Agents with guardrails”阶段，并将迈向2026年及以后的“Fully autonomous Agents”时代[4] - Voice AI率先突破，员工人数增长最快的早期GenAI公司集中在语音AI开发领域，例如NURIX（12个月员工增长+611%）和Retell AI（+340%）[6][7] - AI Agent并购浪潮来袭，仅2025年至今已发生超过35起收购案，Sales、Marketing和Coding AI是下一步整合重点[11] - “利润挤压”全面蔓延，Reasoning models使输出Token量激增约20倍，导致计算成本飙升，危机正从编码AI蔓延至所有Agent类别[11] - Agentic Commerce加速，安全支付障碍正被攻克，Stripe于2025年9月宣布推出用于Agent支付的API，“AI原生支付”赛道形成[11] - “数据护城河”战争爆发，软件巨头如Salesforce和Atlassian限制API速率以巩固生态壁垒[14] - Agent监控工具成新刚需，Agent的可靠性仍是重大挑战，失败、“幻觉”或不可预测行为会立即带来运营问题[14] 融资与并购动态 - AI Agent领域资金爆炸式增长，2024年Agent创业公司融资总额达38亿美元，几乎是2023年的三倍[17][30] - 2025年至今AI Agent及Copilot领域已发生超过35起收购案[11] - 近期代表性融资案例包括Larridin（Seed VC轮1700万美元，投资者包括Andreessen Horowitz和Bloomberg）和Traceloop（Seed VC轮610万美元）[15] 技术堆栈与生态全景 - CB Insights绘制了170多家核心创业公司的市场全景图，涵盖AI Agent基础设施、开发平台、多Agent编排、Web搜索与工具使用、内存、评估与可观测性、语音、支付等核心模块[18] - 核心企业用例覆盖生产力与个人助手、通用企业工作流、软件开发、客户服务、数据分析、销售、会计、网络安全、Web研究与数据提取、HR、营销等多个横向应用领域[18] - 行业特定用例深入供应链与物流、金融服务与保险、法律与合规、游戏、医疗健康、工业等垂直领域[18] 商业化落地与赛道表现 - 在所有横向应用中，“软件开发”（Mosaic得分中位数737）和“客户服务”（Mosaic得分中位数714）因其定义明确的工作流和可测试环境，已率先实现规模化商业落地[19][20] - Coding AI Agent领跑营收，Anysphere旗下的Cursor达到惊人的5亿美元ARR，replit达到1.5亿美元ARR[26][31] - Customer service AI Agent估值最高，平均估值倍数（Revenue multiples）高达219倍，远超80倍的平均水平，反映资本市场对其“替代人工”能力的极高预期[26][31] - 收入领先的Agent创业公司平均成立时间仅为3.8年，展现被极度压缩的成功周期[26] - 在Agent基础设施层，Voice AI已成为新战场，2025年融资4亿美元[27][32] 巨头竞争战略 - 亚马逊通过Bedrock Agents和自定义编排器聚焦企业集成，并扩展至面向消费者的Agentic AI，其战略重点为高[38] - Alphabet（谷歌）利用其专有Gemini模型，通过全面的构建工具和市场策略吸引开发者，战略重点为高[38] - 微软结合预构建业务Agent和强大的开发工具，创建端到端生态系统，满足即时业务需求，战略重点为高[38] - 巨头正争相定义Agent间通信协议，例如Anthropic的MCP、谷歌的A2A和IBM的ACP[27] 风险与挑战 - 信任仍是最大障碍，Agent的可靠性、推理能力和访问权限问题是通往完全自主的最大瓶颈[20] - 最大的技术风险是不可靠，Agent的失败、产生幻觉或行为不可预测会立即带来运营问题和商业风险[29] - “利润挤压”导致经济悖论，一份年费25,000美元的企业合同，在Reasoning模式下平均预期利润从22,750美元变为亏损14,500美元[37] - “vibe coding”时代结束，计算成本飙升正迫使玩家整合，挣扎的玩家将寻求退出[28] 未来发展方向 - 下一步浪潮是垂直化，随着横向应用趋于饱和，将深入金融、医疗、工业等特定行业的垂直Agent，尤其是在有严格监管和数据敏感性的领域[22][34] - Agent监控工具正在成为必不可少的企业级新类别，以应对Agent“不可靠”的巨大风险[35] - 云巨头（亚马逊、谷歌、微软）正通过不同战略加速“圈地”，争夺对Agent经济的最终控制权[36]

寒武纪基础软件平台进展 - 发布基础软件平台Cambricon NeuWare，全面兼容PyTorch最新版本和Triton算子开发语言，支持用户模型和自定义算子快速迁移 [1] - 平台在大模型与搜广推训练推理方面完成大规模技术验证，支持DeepSeek V3、Qwen系列等MoE类模型训练，实现发布即适配 [1] - 平台提供完整的驱动运行时库、编译器、算子库和集群工具，Kernel调度吞吐达每秒数十万任务，达到业界领先水平 [1] OpenAI政策调整 - OpenAI更新使用政策，ChatGPT不再协助提供需要持牌专业人士才能给出的专业建议，包括医疗、法律和财务等高风险领域 [2] - 政策收紧主要源于法律风险上升、全球合规压力增大以及ChatGPT使用日益商业化 [2] - 此次调整是AI角色从“顾问”回到“助手”的转变，为未来进入关键行业铺设制度护栏 [2] 美团全模态模型开源 - 美团开源全模态模型LongCat-Flash-Omni，总参数量5600亿，激活参数量270亿，在全模态基准测试中达到开源SOTA水平 [3] - 模型支持128K tokens上下文窗口及超8分钟音视频交互，预训练使用超2.5万亿词元多模态语料库 [3] - 美团LongCat官方App开启公测，支持联网搜索和语音通话，音频通话10分钟且响应快速，视频通话功能后续上线 [3] 百度文心AI漫画功能 - 百度文心APP推出“魔法漫画”功能，用户通过一句话或一张照片即可在两分钟内生成多图多页、剧情完整的AI连载漫画 [4] - 功能支持自定义角色形象、九种风格选择，每页漫画自动生成文字解说，可一次性生成6-7页 [4] - 支持“续写”和“改编”功能，用户可基于原剧情延伸或重写新版本，生成的漫画可下载图片或分享到微信朋友圈 [4] Cartesia语音模型与融资 - 美国语音生成创企Cartesia完成1亿美元融资，英伟达参投，同时推出全新语音模型Sonic-3 [5] - Sonic-3支持42种语言和500多种音色，模型延迟仅90毫秒，端到端响应时间在190毫秒以内，采用非Transformer的SSM架构 [6] - 该模型支持语音克隆、自定义发音和情绪控制，目前已服务数千家企业 [6] Turbo AI用户增长 - AI笔记应用Turbo AI由两位20岁大学辍学生创办，过去半年用户从100万飙升至500万，年经常性收入达八位数且持续盈利 [7] - 产品主打课堂场景，可将录音、课件、PDF、YouTube视频转化为笔记、闪卡和测验题 [7] - 团队仅15人，客户包括高盛、德勤、麦肯锡等知名企业，至今仅融资75万美元 [7] AI浏览器发展态势 - 主流AI浏览器分为渐进派和激进派，后者将AI作为浏览器核心并支持智能体模式 [8] - ChatGPT Atlas执行力最强能真正操作网页和自动化任务，Comet信息聚合全面但执行慢，Dia速度快但总结缺细节 [8] - 主要安全威胁是“间接提示注入攻击”，黑客可将恶意指令隐藏在网页中误导AI执行，目前尚无明确解决方案 [8] 智能眼镜合作与市场 - 依视路旗下BOLON眼镜与Rokid联合推出BZ5000 AI智能眼镜，整机仅重38g，集成1200万像素摄像头和6小时续航 [9] - 依视路在中国选择Rokid，看重其自研YodaOS系统打通高德导航、支付宝支付等本土化深度服务 [9] - Rokid乐奇眼镜在Kickstarter创下45天募集361万美元的全球智能眼镜品类历史纪录，已获5000多名支持者认可 [9] AI研究的公共利益导向 - AI教母李飞飞呼吁大学与非营利机构重新承担推动AI作为公共产品的使命 [10] - 开放科学历史塑造了现代AI，但当前趋势正从“共享研究事业”变为“封闭商业竞赛” [10] - 大学面临市场失灵，在计算能力和数据资源方面严重不足，需建立全球协作网络实践公共利益使命 [11] 数据护城河构建策略 - 当基础设施提供商成为最强竞争对手时，初创企业唯一防御路径是构建耗时多年无人能复制的“数据围墙花园” [12] - VLex整合欧洲最全法律数据库，OpenEvidence建立高可信医学研究数据库，数据专有性、受监管性和动态精选性构成护城河 [12] - 潜在机会存在于供应链物流、地方政府记录、前沿科学等碎片化高敏感或难获取的数据领域 [12]

行业趋势：基础设施提供商向上层应用进军 - 生成式人工智能领域的头部公司如OpenAI和Anthropic正从纯粹的基础设施提供商向技术栈上层进军，与依赖其模型的初创公司直接竞争 [1] - OpenAI发布面向消费者的视频生成应用Sora，Anthropic推出企业生产力套件Claude Teams，标志着它们从提供原始API能力转向提供直接面向终端用户的完整产品体验 [1] - 这种转变被比喻为农场（模型公司）在向餐厅（初创公司）出售食材的同时，也开始自己经营餐厅，使得初创公司的竞争环境发生根本性变化 [1] 初创公司的防御性战略：构建数据护城河 - 当基础设施提供商成为直接竞争对手时，初创公司可行的防御性商业模式是构建“数据的围墙花园”，即围绕专有、高价值且难以获取的数据建立护城河 [2][3] - 构成有效数据护城河的数据集需具备专有性（无法在开放网络免费获取）、受监管或敏感性（需通过合规或许可获取）以及动态且经精选（持续更新并经过验证）的特征 [2][4] - 真正的持久优势不在于AI模型本身，而在于耗时多年精心构建、无人能复制的高质量、稀缺且可信的数据体系，因为模型规模和算力的竞赛最终会趋同 [3][5] 数据护城河的成功案例：法律与医疗领域 - 西班牙法律软件公司VLex通过系统性地收购、授权并数字化分散在不同司法辖区的判决和法规，建立了欧洲最全面的法律数据库之一，为其AI法律检索工具提供了坚实支撑 [5] - VLex的护城河在于其耗时多年构建的、涵盖数十年判决和评论的专有法律数据语料库，这使得其AI工具能基于权威、完整且实时更新的法律文本进行推理，优于通用大模型 [5] - 在医疗领域，OpenEvidence通过建立合作关系和授权协议，构建了一个结构化的高可信医学研究数据库，其AI能基于证据精确回答临床问题，避免了通用模型的“幻觉”问题 [6][7] - 在法律和医疗这类高风险的垂直领域，数据的准确性、权威性和完整性至关重要，专有数据不仅构成了护城河，也带来了远超通用模型的用户体验 [6][7] 潜在的数据围墙花园机遇领域 - 供应链与物流领域存在机遇，船运清单、港口记录等数据分散且数字化程度低，整合全球贸易专有数据可构建用于预测性供应链管理或风险建模的AI智能层 [8][9][10] - 地方与市政政府记录，如建筑许可、分区申请等数据散落在成千上万的地方政府体系中，系统性地整合这些数据可形成面向房地产、基础设施开发商的专有数据围墙花园 [11][12][13] - 前沿科学领域如合成生物学、量子材料的研究成果分散在不同期刊与实验室数据库中，汇聚这些数据为结构化数据集可训练AI模型以加速科研创新 [14][15][16] - 文化与创意档案，包括博物馆、档案馆的海量图像、手稿等资源大多处于碎片化或未数字化状态，可通过授权与结构化处理转化为训练AI模型的数据底座 [17][18] - 众多垂直细分行业，如兽医病例、建筑蓝图、小众制造规范等，产生专有但非结构化的数据，初创公司可瞄准这些被大公司忽视的细分市场建立数据排他性 [19][20][21] - 气候与环境数据分散于政府机构、非政府组织与科研机构，且多以不可读格式存储，整合这些数据可建立专有气候数据语料库，支撑合规报告、风险评估等AI产品 [22][23] 构建数据护城河的战略重要性 - 在模型规模、计算资源和分发渠道上，初创企业很难与大型模型公司竞争，但在高质量数据长期处于碎片化、高敏感或难以获取的领域存在突破口 [24] - 在这些领域，数据主权和信任的重要性超过了单纯的模型算力或通用能力，构建数据护城河需要巨大的前期投入和细致的基础建设，包括达成复杂的授权协议 [24] - 一旦成功构建起基于专有数据的体系，它几乎无法被复制，能够在竞争激烈的人工智能版图中形成少数真正持久且可防御的优势 [24]

公司概况与市场地位 - 公司Oura是一家生产智能戒指的AI原生硬件公司，其产品重4–6克，戒面宽度不足1厘米[3] - 公司在智能穿戴市场占据一席之地，其产品一年售出300万件[2][12] - 公司正在进行E轮融资，规模为8.75亿美元，估值达109亿美元，相较于上一轮50亿美元估值翻了一番[3] - 公司已从银行财团获得2.5亿美元的循环信贷额度[3] - 公司首席执行官形容其增长"就像火箭一样"，并表示从未见过如此强劲的季度[4] 发展历程与关键节点 - 公司故事始于2013年的芬兰，创始团队由Petteri Lahtela、Kari Kivelä和Markku Koskela组成，他们曾在Polar和诺基亚工作[7] - 2015年底获得第一笔230万美元融资，同年第一代产品发布并在Kickstarter上众筹，15小时达到10万美元目标，最终筹得65万美元[10] - 2017年3月斯坦福研究所的研究发现Oura Ring是测量睡眠最精准的可穿戴设备，为公司带来正面关注[10] - 2018年第二代产品正式发售，销量飙升至近10000枚，员工达约50人，业务拓展至美国[11] - 2020年产品因体温监测功能被用于新冠早期筛查，销量开始爆发[11] - 2021年5月顺利完成1亿美元C轮融资[12] - 自2015年以来，Oura Ring已售出550万件，营收达5亿美元，预计2025年将达到10亿美元[12] 产品技术与数据优势 - 最新一代产品Oura Ring 4升级了专有的Smart Sensing技术，信号通路从8个增加至18个，以提升数据连续性和准确性[14] - 产品内置传感器可监测心率、血氧、体温、压力、经期预测等，从睡眠监测发展为AI原生健康平台[15] - 公司发布人工智能驱动型Oura Advisor，提供个性化指导和洞察[14] - 今年初公司获得美国FDA的"医疗设备认证"，其数据和分析达到医疗级别[15] - 公司拥有近150亿小时的数据护城河，构成其核心竞争优势[16] 商业模式与客户拓展 - 公司开创"硬件销售+订阅服务"模式，戒指售价约399欧元，应用程序订阅费为每月5.99欧元，约20%收入来自订阅[15] - 客户群体从个人用户拓展至企业，推出"健康风险管理"产品，客户涵盖医院系统、银行、体育联盟等[12] - 最大机构客户是美国国防部，已向军事人员分发数万件戒指用于追踪疲劳程度，NASA也是其客户[15] - 公司收购数据分析公司Veri和Sparta Science，并与德康达成战略合作，共同开发糖尿病慢病管理解决方案[15] 未来战略与资金用途 - E轮融资资金将用于研发"无创血糖趋势监测"[16] - 资金将用于招聘更多医疗数据科学家，训练针对特定人群的健康模型，如老年人健康监测模型和孕妇健康管理模型[16] - 公司接下来会重点布局亚洲市场，包括中国、日本和印度[16]