文章核心观点 - 涂鸦智能在CES 2026期间举办“涂鸦开发者日”，联合全球科技领袖与行业组织，共同探讨AI技术从概念走向大规模应用的趋势，并致力于加速“实体AI”时代的发展 [1][5] 领导层对话：AI从概念到应用的演进 - 涂鸦智能联合创始人、COO兼CFO Alex Yang与谷歌云及AWS的嘉宾进行深度对话，聚焦AI从技术概念向大规模应用过渡的趋势，并分享对AI原生设备的前瞻见解 [2] - 谷歌云全球制造总监Praveen Rao指出，多模态能力已成为AI系统的基础与核心，该趋势正从虚拟应用延伸至现实世界，未来AI设备将无缝整合视觉、语言、音频等信息，并具备类人智能以提供主动服务，期待与涂鸦等AI公司合作加速AI原生设备部署 [3] - AWS人工智能、汽车与制造首席策略师Danny Smith表示，在复杂多变的商业环境中，企业级智能体AI能与涂鸦共同开发，保持实时态势感知，并在架构框架和经济模型指导下于数秒内做出最优决策，从而驱动卓越的商业成果 [3] 小组讨论：AI原生时代的互操作性 - 蓝牙技术联盟副总裁Chuck Sabin表示，连接性是全球创新的驱动力，蓝牙技术连接音频、医疗、工业及零售等领域的设备，提供安全可靠的无线体验，正与涂鸦等成员公司合作以实现设备间的无缝互操作性并加速创新 [4] - Wi-Fi联盟营销副总裁Jeff Platon指出，AI正在开启连接体验的新篇章，通过使Wi-Fi认证测试与新兴标准对齐，确保Wi-Fi成为未来智能连接体验可信、安全的基础 [4] - 连接标准联盟认证与测试负责人Jon Harros强调，在AI驱动的当下，开放标准与协作创新至关重要，联盟作为共同基础，与涂鸦等创新成员公司合作推动安全、可互操作的解决方案，以促进下一代AI设备发展并加速大规模应用 [4] - 芯科科技家庭业务产品线副总裁Colin Cureton认为，大规模部署AI原生系统的最大挑战是碎片化，老旧系统、专有协议和孤立设备使得AI引擎难以实现统一协调与数据互操作，芯科科技正与涂鸦等技术公司合作构建稳健安全的连接平台，并积极参与连接标准制定，为全球开发者大规模部署AI原生解决方案奠定基础 [4] 主题演讲：AI重塑人机交互的消费逻辑 - 涂鸦智能联合创始人、COO兼CFO Alex Yang发表“AI正在重新定义生活”演讲，强调其AI助手将现代家庭生活中碎片化的智能设备、数字服务、健康、日程等整合为直观体验，理解并适应人的习惯，旨在创造一个真正为人服务的家，而不仅仅是自动化 [5] - Robopoet创始人兼CEO Joe Sun在题为“具有纯粹情感价值的AI伴侣硬件”演讲中指出，对Z世代用户而言，情感伴侣机器人是具有情感温度的“电子伙伴”，在涂鸦支持下，其机器人能根据用户日常互动动态调整情感状态与行为反馈，建立更深的情感连接 [5] - Wisdom Oasis AI联合创始人Olivier Garreau在题为“当AI开始关怀：更智能育儿的未来”演讲中表示，AI正在重新定义父母与婴儿的互动方式，借助涂鸦的AI技术，其创新解决方案能实时响应并深度理解婴儿的细微需求，新一代AI创新将承载更深的人文关怀 [5] - 随着AI从虚拟世界走向现实生活，消费体验与行业应用中的人机交互正在被重新定义，涂鸦开发者日展示并讨论了AI技术在多模态感知、自主决策和情感陪伴方面的突破，涂鸦将与全球科技参与者合作共同推动并加速实体AI的发展 [5]

文章核心观点 - 文章对比分析了两家科技驱动型公司Skillsoft和Futu Holdings的投资前景 两家公司均瞄准利基增长市场 但业务领域和当前表现迥异 最终认为尽管两家公司都具吸引力 但Skillsoft因其显著更低的估值而提供了更具吸引力的增长投资机会 [1][17][18] Skillsoft (SKIL) 业务与财务表现 - 在2026财年第三季度 公司总收入环比微增 但同比下降6% 这主要归因于占收入近22%的Global Knowledge部门收入同比下降18% [2] - GK部门导致了2080万美元的非现金商誉减值损失 并造成490万美元的调整后净亏损 管理层正在积极评估该部门的战略替代方案 包括潜在出售 以阻止其拖累资产负债表 [2][3][6] - 尽管人才发展解决方案部门收入同比下滑2% 但公司对其通过Percipio平台实现的AI原生路线图感到乐观 并已成功签约首批四家大型企业客户 [4] - 公司盈利能力显著改善 2026财年第三季度调整后净收入环比增长83% 同比增长27% 然而 调整后EBITDA利润率环比下降30个基点 同比下降160个基点 [5] - 分部来看 TDS部门调整后EBITDA利润率同比提升20个基点 而GK部门调整后EBITDA利润率为负11.6% 凸显了GK部门无法贡献盈利的问题 [5][6] - 管理层决定不再提供GK部门全年收入和调整后EBITDA指引 但重申了TDS部门的展望 表明其将专注于数字订阅业务 [6] Futu Holdings (FUTU) 业务与财务表现 - 在2025年第三季度 公司总收入同比大幅增长86.3% 其中经纪佣金及手续费收入增长90.6% 利息收入增长79.2% [7][10] - 强劲的收入增长推动运营利润率扩大了160个基点 反映了核心业务的高效运营 [7] - 以客户为中心的战略成效显著 资金账户数量同比增长42.6% 经纪账户数量同比增长30.8% 总用户数同比增长16.8% [8] - 客户获取遍及多个市场 其中香港市场因股市表现强劲和IPO渠道稳健而处于领先地位 新加坡市场新增资金账户连续增长 马来西亚市场贡献显著 [8][9] - 客户基础扩张带动客户总资产同比增长79% 交易额同比增长105% [9] - 公司在加密货币领域增长迅猛 该季度加密货币交易量环比飙升161% 主要得益于加密货币资产环比增长90%以及交易速度加快 在香港市场 以太坊交易量高于比特币 Solana也贡献显著 [10][11] 市场预期与估值比较 - Zacks共识预期显示 Skillsoft的2026财年销售额和每股收益预计将分别同比下降3.6%和3.7% 过去60天内有一项上调 无下调 [12] - Futu Holdings的2025年销售额和每股收益预计将分别同比大幅增长60.2%和90.2% 过去60天内有两次上调 无下调 [13] - Skillsoft的12个月远期市盈率为1.56倍 低于其3个月中位数3.75倍 Futu Holdings的12个月远期市盈率为15.46倍 低于其3个月中位数17.45倍 相比之下 Skillsoft的估值显得更低 [15][18] 公司战略与前景总结 - Skillsoft正在进行结构性调整 旨在改善收入和盈利能力 正转型为精简的AI原生数字订阅业务 [17] - Futu Holdings通过在不同区域成功扩张客户基础 提升了资金账户和客户资产 并有望从加密货币市场中获益 [17]

公司融资与定位 - 公司在种子轮获得数百万美元融资，估值近千万美元，投资方包括金沙江创投、高瓴创投和Classin [1] - 公司定位为更适合大众的Vibe Workflow产品，旨在降低AI工作流的使用门槛 [1][2] 产品理念：Vibe Workflow - 核心产品理念是结合Agent的智能与传统Workflow的可控性与稳定性，称为“Vibe Workflow” [3][4] - 旨在解决现有Workflow产品（如n8n、扣子）对非技术用户过于复杂、以及纯Agent方案（如Manus）成本高、稳定性不足、结果不一致的问题 [3] - 通过将每个工作流节点升级为独立的Agent，并为其配备2-3个工具，在保留动态性的同时提升可控性 [2] 产品核心特点与优势 - **搭建成本极低**：用户可用一句话生成Workflow，系统通过“Agent Editor”将Agent白盒化，自动完成多步规划 [5] - **简化复杂逻辑**：为每个Agent提供沙箱环境操作电脑、写代码、调用工具，内部测试显示一个Refly.AI节点可替代约20个n8n节点的功能 [5] - **执行成本低廉**：每个简单任务执行仅消耗1-2个积分，成本约0.1至1元人民币，相比Manus单任务数美元的成本降低了至少5-7倍 [8][9] - **初始生成消耗低**：一句话生成Workflow仅消耗数千至上万个token，远低于用n8n搭建流程所需的大几十万token [8] 目标市场与用户画像 - **早期用户**：有n8n、Dify使用经验但觉得搭建复杂，或寻求简单替代方案的用户，产品支持从其他平台一键迁移工作流 [13] - **核心场景**：聚焦于自媒体内容创作，帮助用户串联不同模型自动抓热点、按风格批量生成文章、播客或视频内容 [13] - **扩展场景**：计划向教育、职场白领（写报告、产品分析）、金融（财报分析）等偏赚钱、职场、教育的场景扩张 [13] - **市场定位**：满足C端用户AI参与的内容生成型任务，而非企业级需要100%稳定的自动化任务 [10][11][12] 技术架构与数据战略 - **分层架构**：工程复杂度高，包含Agent生成Workflow、节点即Agent的编排引擎、成规模的Tools体系以及为Agent配备的虚拟电脑 [39][43] - **数据飞轮**：通过Workflow交互收集用户的行为数据（Action）和思维链数据，这比传统聊天机器人收集的浅层数据更有价值，用于优化产品和预测用户下一步行为 [15][16][22][26][27] - **模型使用策略**：让强模型（如GPT-5、Claude Sonnet 4.5）负责任务规划和工具选择，让便宜且稳定的模型（如Kimi K2）负责具体执行，从而控制成本并利用模型增长 [48][50][54] - **兼容性与壁垒**：在模型之上构建抽象层，可兼容不同模型和模态，避免被单一厂商锁定；当前工程复杂度可形成3-6个月的加速窗口期，小团队难短期超越，大厂复制需投入50-100人团队干一两年 [51][52][55] 团队与商业化 - **团队构成**：约13-14人，强调职能完备（产品、运营、研发、算法、测试等），招专才并配以AI工具提升效率，而非盲目追求“通才” [40][41][42][44][45] - **商业化假设**：核心是封装并规模化销售有价值的生产流程和模板，短期内可视为售卖AI时代的Workflow模板 [29][60] - **发展历程**：团队源自字节跳动早期“大模型+低代码+Workflow”项目经验；产品从剪藏插件演进到生成式画布，最终确定Vibe Workflow方向，并于2024年8月底想清楚产品架构，11月底趋于稳定 [28][30][36][37][38] 行业展望与公司愿景 - **短期愿景**：成为AI原生的内容创作平台，内容可实时生产、个性化定制 [58][62] - **长期终局**：通过收集用户全维度行为数据，构建用户的数字化版本，使其能通过AI完成侵入物理世界的复杂任务 [58][59] - **行业机会**：看好AI自动化修复小问题、以及模型在细粒度编辑能力上的进步，这将大幅提升创作者工具的上限 [61][62] - **创业建议**：拉长时间维度做不可替代的事；产品迭代要比模型能力快3-6个月；早期团队应重视价值观对齐而非仅看履历光鲜 [63][65]

文章核心观点 - 长江证券构建了以AI-native为核心理念的智能变更质量管理平台，以应对核心交易系统变更在复杂性、效率、风险评估和测试覆盖等方面的挑战 [2] - 该平台融合模型上下文协议、大模型智能体、图检索增强生成、思维链及混沌工程等关键技术，实现了变更全流程的智能化管控 [2] - 通过该平台的实践应用，公司实现了从“经验驱动”向“数智驱动”的转型，显著提升了变更效率与系统稳定性，为证券行业提供了可复制的实践范本 [2][37] 研究背景 - 核心交易系统是证券公司业务运营与风险控制的核心基础设施，其稳定性直接关系到资本市场的平稳运行 [3] - 2014年至2024年间，监管部门对33家证券公司出具的信息技术类罚单达49张，其中信息安全事件相关罚单34张，占比高达69%，凸显了系统安全稳定运行的脆弱性 [3] - 市场深化改革、金融科技迭代加速、程序化交易需求激增以及监管趋严，使得传统变更质量管理模式难以适应需求 [3] 研究对象基本情况 - 长江证券成立于1991年，于2007年在深圳证券交易所主板上市，是中国第6家上市券商 [4] - 公司已建成证券金融控股集团架构，旗下拥有7家全资和控参股子公司 [5] - 截至2025年6月末，公司在全国31个省、自治区、直辖市的160个城市设有300家分支机构 [5] 科技赋能与系统建设情况 - 公司秉持“科技驱动、智慧运营”理念，高度重视核心系统的稳健性与安全性 [7] - 以2024年为例，公司核心交易系统升级涉及修改点超过13400个，新增或变更业务参数超400个，新增功能接口超650个，新增数据字典超130个，新增数据表超1480张 [7] - 面对庞杂的变更规模，公司通过技术革新构建了智能变更质量管理新体系，实现了核心系统变更零故障 [7] 传统变更质量管理模式的问题 - 系统变更质量管理依赖个人经验与文档，缺乏体系化平台支撑，培养一名能独立承担评估的技术人员需5–8年 [8] - 变更环节缺乏统一技术架构与标准接口，导致开发效率低下、系统耦合度高 [9] - 核心交易系统代码规模达数百万行，模块间接口超17000个、参数超4000个，传统方式理解与问题定位效率低下 [10] - 每次升级涉及数千甚至上万个修改点，人工评估难以全面覆盖风险，存在漏判、误判风险 [11] - 变更评估占整个升级周期超过70%的时间，传统人工设计测试案例效率低下，覆盖不足影响测试可信度 [12] - 系统链路冗长复杂，常规单点验证无法全面评估异常扰动下的整体稳定性 [13] 智能变更质量管理解决方案 - 构建变更点分层评估模型与标准化管理流程，为变更点评估提供结构化框架 [15] - 引入PDCA循环方法论，形成覆盖变更评估全流程的标准化、平台化管理体系 [17] - 打造AI-native智能技术支撑体系，通过模型上下文协议构建具备认知协同能力的智能体矩阵 [19] - 基于图检索增强生成实现系统认知与问题精准定位，大幅提升问题排查效率 [20] - 运用思维链技术智能评估变更风险，通过风险评估矩阵量化影响程度 [22] - 依托大模型智能体实现测试用例的智能生成与执行，测试全流程实现闭环管理 [24] - 基于混沌工程构建系统稳定度评估体系，主动注入故障以识别架构薄弱点 [26] 实践成效与价值 - 提质：系统问题定位时间缩短50%，核心交易系统可用率指标和可靠性指标保持100% [29] - 增效：变更实施周期缩短约三分之一，测试全流程耗时减少70% [30] - 降险：2024年400多项新增业务参数确认实现线上化全覆盖且无一差错 [31] - 赋能：激活核心交易系统数据资产，为产品设计优化、客户服务体验提升等提供数据洞察 [32] 经验总结与展望 - 未来将构建持续优化的技术迭代机制，确保系统长效适配 [33] - 深化人机协同的运营模式，明确人工与智能体的职责边界 [34] - 加强数据治理与知识融合，提升输入数据质量并增强系统整体认知能力 [35] - 推动行业协同与生态共建，积极参与行业标准制定，助力资本市场数字化转型 [36]

业绩总结 - 第二季度财报显示，收入为2.36亿美元，同比增长29%[7] - 非GAAP运营利润率为20%，同比增长17个基点[7] - 非GAAP调整自由现金流利润率为121%[7] - 预计2026财年收入指导为9.36亿至9.42亿美元[75] - 非GAAP净收入每股预计为0.82至0.83美元[75] 用户数据 - 客户留存率为121%，显示出强劲的客户忠诚度[7] - 加入GitLab初创企业计划的新初创公司数量环比增长72%[13] - 56%的新加入初创公司为人工智能公司[14] - GitLab Ultimate产品占总年度经常性收入的53%[22] 未来展望 - 2024财年的一般和行政费用为150,405千美元，预计2025财年将增加至192,877千美元[84] - 2025财年非GAAP一般和行政费用为121,349千美元，占收入的16%[84] - 2024财年GAAP运营亏损为187,440千美元，2025财年减少至142,715千美元[85] - 2025财年非GAAP运营收入为77,646千美元，运营收入率为10%[85] - 2024财年归属于GitLab的净亏损为425,677千美元，2025财年减少至6,326千美元[86] - 2025财年非GAAP净收入为124,841千美元，净收入率为16%[86] - 2024财年经营活动提供的净现金为35,040千美元，2025财年为负63,971千美元[87] - 2025财年调整后的自由现金流为119,999千美元，自由现金流率为16%[87] - 2025财年每年经常性收入（ARR）包括客户的增销、价格调整和用户增长[90] - 2025财年的美元基础净保留率为基于客户基础的ARR变化百分比[92]

法律调查事件 - Frank R Cruz律师事务所正代表投资者对Confluent Inc可能违反联邦证券法的行为进行调查 [1] - 调查针对在Confluent投资中遭受损失的投资者 旨在协助其追回投资损失 [2] 财务表现与股价影响 - 公司2025年第二季度财报披露某AI原生客户转向自建数据平台管理 导致Confluent Cloud使用量减少 [2] - 该客户虽在第三季度与公司达成Confluent Platform协议 但第四季度起总支出将显著减少 预计使云收入增长率降低低个位数百分比 [2] - 财报发布后次日(7月31日)公司股价单日下跌8.67美元 跌幅达32.8% 收盘报17.73美元/股 [2] 客户结构变化 - AI原生客户战略调整对云业务收入产生实质性影响 反映企业客户向自建数据平台迁移的趋势 [2] - 公司通过平台交易部分抵消云业务损失 但未能完全弥补收入缺口 [2]

文章核心观点 - 生成式UI技术正从初代"玩具"阶段快速演进至具备复杂表达力和风格多样性的新阶段 通过"代码转UI"技术路线突破模板化限制 实现设计领域的生产力跃迁 [6][7][30] - AI在设计系统理解和遵循能力上的突破将成为行业拐点 未来70%+设计工作可由AI完成 设计师角色将转向创意决策等高价值领域 [5][41][43] - 界面设计工具将向四种可能形态演进：AI增强型专业编辑器、AI主导型编辑器、AI原生简化编辑器、一站式应用生成工具中的功能模块 [45][46][59] 01 无处不在的UI - 全球单日新增UI界面达千万量级 构成数字世界基础隐形设施 生成式AI在UI领域的变革潜力堪比其在文字图片视频领域的颠覆性影响 [6] - UI界面本质是信息容器 具有逻辑结构与视觉表现双重属性 这使其区别于普通图像生成任务 [14] 02 初代生成式UI - 早期技术路线分为"代码转UI"和"套模板"两种 前者受限于模型审美能力不足 后者受制于模板库丰富度 生成结果被专业设计师视为"玩具" [7][17][19] - 2024年6月行业数据显示 Galileo AI平台生成界面总数达160万 Figma因模板相似度问题被迫下线并重构AI功能 [8][20][22] 03 技术革新 - Claude 3.5 Sonnet在代码生成领域的突破成为关键转折点 使AI生成界面突破简单表达限制 实现"灵感涌现"式复杂设计 [25][27][30] - 新技术路线下 相同提示词可生成风格迥异的界面 彻底解决早期模板化导致的雷同问题 3D地图编辑器等非常规界面成为可能 [29][30][32] 04 基于设计系统的UI生成 - 大模型展现出对Airbnb等知名产品设计系统的理解能力 无需专门训练即可生成风格近似界面 但细节规范遵循度仍不足 [33][35][36] - Ant Design等开源设计系统已实现AI稳定生成 风格配置功能使健身房后台等专业界面能保持视觉一致性 [38][40][41] 05 AI-native界面设计编辑器 - 未来工具形态存在四种假设：传统编辑器+AI辅助(70/30分工)、AI主导型编辑器(30/70分工)、简化型AI原生编辑器(80%AI工作)、嵌入式生成功能 [45][46][59] - 专业编辑器与AI原生工具将长期共存 前者服务深度定制需求 后者满足快速原型设计 类似Photoshop与Canva的互补关系 [45][46][47] 06 设计与研发角色变化 - 传统UX/UI设计师岗位已合并为Product Designer 设计系统普及使视觉规范工作被工具替代 设计师价值转向创意决策 [49][51][52] - 未来"3D"角色(Definer/Designer/Developer)界限模糊 Maker将借助AI工具完成全流程工作 但面对不确定性的创意能力仍是人类核心价值 [51][52][53] 07 彩蛋问答 - Claude 3.5生成计算器界面时出现按钮样式偏差 反映当前AI在细节修改环节仍存在"最后100米"问题 [54][57][58] - 预测到2030年 四种工具形态市场份额可能为：AI主导型编辑器20% AI原生简化编辑器60% 嵌入式生成功能20% [60][61]