财务数据和关键指标变化 - 第四季度总收入为2.7亿美元，同比增长6% [10][21]；全年总收入为10.8亿美元，同比增长4% [21] - 第四季度云收入为1.09亿美元，同比增长20% [10][22]；全年云收入为4.08亿美元，同比增长21% [22] - 第四季度服务收入为1.2亿美元，恢复增长 [22]；全年服务收入为5.03亿美元，同比下降4% [22] - 第四季度剩余履约义务（RPO）为22亿美元，同比增长25%，环比增长7% [10][22]；2026年RPO目标为26.2亿至26.8亿美元，同比增长18%-20% [26] - 第四季度调整后营业利润为9100万美元，营业利润率为33.8% [23]；全年调整后营业利润为3.87亿美元，营业利润率为35.8%，较2024年改善超过100个基点 [23] - 第四季度调整后每股收益为1.21美元，同比增长3% [10][23]；全年调整后每股收益为5.06美元，同比增长7% [23] - 第四季度经营活动现金流为1.47亿美元，同比增长40%，自由现金流利润率为52.7% [24]；全年经营活动现金流为3.89亿美元，同比增长32%，自由现金流利润率为34.6% [24] - 递延收入同比增长21%至3.37亿美元 [24]；年末现金为3.29亿美元，零债务 [24] - 2025年公司斥资2.75亿美元进行股票回购，第四季度为7500万美元 [24] - 2026年总收入指引中点为11.43亿美元，同比增长6%（若剔除许可证和维护收入的衰减，增长率为10%） [26] - 2026年调整后营业利润率指引为34.5%-35% [27]；调整后每股收益指引为5.04-5.20美元 [27] - 2026年云收入预计增长21%至4.92亿美元 [28]；服务收入预计增长3%至5.17亿美元 [28] - 许可证和维护收入衰减预计将对2026年总收入增长造成约4个百分点的阻力 [28] - 公司引入新的“四年期年化经常性收入”（ramped ARR）指标，截至2025年末超过6亿美元，同比增长23% [11][21] 各条业务线数据和关键指标变化 - 云业务：第四季度实现创纪录的云订单量 [5]；全年新云订单中超过55%来自新客户 [10]；第四季度超过75%的新云订单来自新客户 [10]；合同期限保持在5.5-6年，38%的RPO将在未来24个月内确认为收入 [22] - 服务业务：第四季度表现优于预期，恢复增长 [22]；公司已在1月新增约100名服务人员以支持增长 [29] - 产品更新：公司近期正式推出AI智能体（AI agents）和Agent Foundry平台 [7][13]；本季度还发布了新的履约优化模拟功能 [17] - 供应链执行应用：Active Warehouse（仓库管理）应用在功能和技术上持续保持领先，在选型过程中绝大多数潜在客户认为只有该产品能满足其需求 [18]；Active Transportation（运输管理）应用在2025年也取得了战略胜利和全球关键上线 [18] 各个市场数据和关键指标变化 - 垂直市场销售多元化，在零售、杂货、食品分销、生命科学、工业、科技、航空、第三方物流等多个子行业均有稳固的业务基础 [11] - 第四季度赢单率保持在70%以上 [10] - 第四季度交易案例包括：一家财富100强家装公司成为Active Warehouse新客户、一家高端百货连锁成为Active Omni和Active Warehouse新客户、全球最大的医疗外科产品供应商成为Active Warehouse新客户等 [12] 公司战略和发展方向和行业竞争 - 公司战略重点是通过平台、产品和人才方面的战略投资来加速发展势头 [6] - 在平台和产品方面，公司是供应链商务领域的领先创新者，致力于加快行业领先解决方案的实施 [7]；2025年研发团队推出了Enterprise Promise & Fulfill等新服务以及众多行业领先功能 [8] - 在人才方面，2025年重组了全球销售团队，并新增了销售领导和产品专家 [8]；聘请了新的首席运营官和首席营销官以推动增长 [8][9] - 公司强调统一平台（Unified Platform）战略，客户不再希望为仓库和运输选择独立的系统栈，而是看重单一平台优化整个供应链入站和出站流的能力 [18] - AI智能体战略：公司设计了基础AI智能体以解决仓库、运输、客服中心和商店等领域的日常问题 [14]；通过Agent Foundry，客户可以使用自然语言在Active平台内快速构建或定制自己的智能体 [7][13]；商业化策略是提供低风险的Active Agent试点项目，目标是让客户在试点完成后增加订阅 [15][16] - 公司长期财务目标是实现可持续的两位数收入增长，并在企业软件同行中保持顶尖的营业利润率 [25] 管理层对经营环境和未来前景的评论 - 2025年在动荡的宏观环境中取得了成功，第四季度和全年业绩超出预期 [5] - 业务基本面稳固，公司以加速的势头进入2026年 [31] - 新一年的销售渠道在所有产品套件中保持强劲，增长机会众多，包括增加新客户、交叉销售不断增长的统一产品组合、将本地部署客户迁移至云端以及续签首批大型Active Warehouse客户群 [13] - 管理层对云收入增长的持久性充满信心 [10] - 由于国内研发成本抵扣加速的税法变更，导致税率上升，但这同时是第四季度现金税减少1500万美元和全年现金税减少3600万美元的主要驱动因素 [24] 其他重要信息 - 公司更新了合作伙伴计划，涵盖全球系统集成商、曼哈顿专家以及谷歌和Shopify等技术合作伙伴 [9] - Active Store（门店）产品以Active POS（销售点）应用为核心，现在也嵌入了智能体AI，以帮助门店员工提高销售效率 [16] - 公司预计，随着时间的推移，新客户贡献的云订单比例将恢复到三分之一左右 [10] - 综合订阅、维护和服务利润率预计2025年同比持平 [29]；剔除许可证和维护收入衰减的影响，2026年目标意味着同比改善50个基点 [30] - 第四季度云收入包括130万美元的客户清算阻力，该因素未包含在先前的指引中 [22]；该阻力年化影响为250万美元 [100] 总结问答环节所有的提问和回答 问题: 关于云迁移（WMS）和快速续约计划的进展及对2026年模型的影响 [34] - 公司从2025年中开始推动本地部署客户向Active Warehouse迁移，已看到早期成功，渠道正在建立，部分交易已在2026年第一季度完成 [35][36] - 公司已在1月新增100名服务人员，这体现了对服务业务簿的信心 [36] - 在加快实施时间和实现价值方面取得了良好进展，这体现在一些多年期部署的加速上，并且能够以固定费用、固定时间表的方式完成迁移交易 [40] - 新披露的“ramped ARR”同比增长23%，部分驱动力是公司能够以更快的速度销售更多交易，更快地推动收入增长 [41] 问题: 第四季度自由现金流强劲，关于2026年现金税以及自由现金流与EBIT/EBITDA关系的展望 [43] - 关于现金税的评论与之前类似 [44] 问题: 第四季度RPO表现强劲的原因，包括交易时间、产品和地区分布 [47] - 第四季度的优势体现在各种产品和交易类型上，许多交易类型覆盖了整个产品套件，这增强了公司对下一年渠道的信心 [48] - RPO的连续增长和同比增长表现突出，但公司也意识到2026年是续约增加的一年，因此引入“ramped ARR”指标，让投资者能结合RPO更好地衡量增长 [49][50] - 如果坚持将所有交易都按五年期续约，RPO增长可能会更高，但公司认为允许部分交易在三年期续约以便更早提价对业务更有利 [53][55] 问题: 关于2025年续约占RPO订单的18%与2026年18%-20%的指引，是否存在保守假设或期限动态影响 [58] - 关键因素包括保守性和期限动态 [59]；如果坚持所有交易按五年期续约，续约比例和RPO同比增长都可能更高，但公司产品粘性强，客户不会流失，所有客户都会续约，因此有机会在三年而非五年后再次提价，这对公司有利 [60] 问题: 关于服务业务，公司在增加人员并指引2026年增长3%，是什么支撑了对该业务的信心 [61] - 信心来源包括：第四季度及去年全年的强劲订单增长将继续推动2026年服务业务；2025年中启动的迁移计划开始见效，渠道和交易量增加；AI智能体是重要机遇，公司拥有大量具备领域专业知识服务人员，可以快速帮助客户实现价值 [62] - 这是公司自推出云产品以来，首次有机会同时向所有云客户进行即时增销 [63] 问题: 关于新订单构成，新客户贡献在2025年很高，预计将回归正常，但2026年新订单指引仍健康，这是否意味着迁移或交叉销售加速 [68][69] - 新订单包括新客户、现有客户内的扩展以及从本地部署到云的转换 [70] - 现有客户内的扩展是一个重大机遇，公司在新客户获取方面做得很好，并且有活跃仓库客户的续约周期，交叉销售和扩展的时机已经成熟，这也是夺取市场份额的一种方式 [71] 问题: 关于服务业务展望，固定时间表的提案是否降低了风险 [73] - 公司总是尝试降低沟通的风险并采取保守态度，在所有的收入中，服务收入是最难提前一年预测的 [74] - 现有的渠道、去年和第四季度获得的新客户提供了很多清晰度，既定的上线时间表是固定的，这带来了很多明确性，围绕迁移所做的固定费用工作也可能带来服务收入的上升空间 [76] 问题: 关于RPO表现优异，新举措（如专用迁移团队、合作伙伴重点、扩展策略）是否已开始产生效果 [80][81] - 2025年实施的一些计划产生了积极影响，但大部分已关闭的渠道销售周期较长，因此主要归功于2025年之前的准备工作 [82] - 2025年所做的准备工作将为2026年带来成果，特别是在2025年下半年实施的计划 [83] 问题: 关于“ramped ARR”指标，如何影响年内云收入贡献以及对20%增长的可信度 [84][85] - “ramped ARR”是基于2025年末已售出的所有合同，计算未来四年的收入增长，不包含任何新销售，全部是已承诺收入，新销售会增加这部分承诺收入 [87] - 收入增长时间因产品而异，但过去几年的销售增长量使得每个类别逐年递增，复合推动了每年的增长 [88] - 公司的总留存率是世界级的，这增强了信心，“ramped ARR”的假设是无流失和未提价，这实际上创造了上行空间，因为提价的机会大于流失风险 [91] 问题: 关于AI智能体的货币化策略、采用势头以及对近期增长的潜在贡献 [93][94] - 公司对发布的产品感到兴奋，并认为其市场定位独特，基于真正的API驱动微服务平台 [95] - 公司从概念验证或试点开始，提供低成本、低风险的90天概念验证，配备现场部署工程师帮助客户使用标准智能体并构建至少一两个自定义智能体 [96][97][98] - 目标是让客户在试点结束后无法放弃使用，然后进行货币化，定价将采用简单的溢价模式，便于销售和购买 [98][99] 问题: 关于第四季度客户清算造成的130万美元阻力是否在指引内，以及2026年的年化影响 [100] - 该130万美元阻力发生在第四季度，未包含在之前的指引中，年化影响为250万美元，现已计入所有预测数字 [100][103] 问题: 关于服务业务的中期正常化增长率展望 [107] - 公司的服务业务具有独特的领域特定性优势，尤其是在AI智能体方面，价值在于与领域知识结合 [110] - 基于此，公司对服务业务实现中个位数增长率有信心，但不期望也不希望其达到两位数增长，重点是将云业务实现20%以上的两位数增长 [110] 问题: 关于去年提到的实施项目延迟，是否有更新，是否全部在2025年完成 [112] - 情况不一，但很大程度上没有项目停止，只是放缓，现在都已恢复部署，有些甚至超前于计划 [113] - 公司不仅提供固定费用的迁移方案，有时还主动向客户提出固定费用方案以加速完成后续配送中心的部署 [114] 问题: 2026年RPO指引中是否包含了AI智能体订阅的增量贡献 [121][122] - 公司采取了非常保守的方法，任何在AI方面的贡献都将是今天所讨论指引之外的增量 [122] 问题: 第四季度的订单有多少是第三季度延迟的补足，有多少是团队超常发挥 [123] - 第三季度订单略低于预期，但公司当时表示仍有望完成全年目标，而全年指引超出了4000万美元，因此这绝对不仅仅是季度时间问题，更是团队的出色表现 [124] 问题: 关于CIO对批准大型WMS和TMS迁移项目的情绪，以及过去6-9个月的变化 [128][129] - 情绪在过去6-9个月没有发生剧烈变化，正在进行项目的客户喜欢公司所做的一切关于加速和简化的工作，以更快获得投资回报 [129] - 公司仍看到健康的渠道，客户认识到要实现其业务战略，需要软件支持，市场上没有其他供应商能提供公司在该领域的产品，因此保持了非常高的赢单率 [130][131] 问题: 关于本季度销售组合（新客户、迁移、交叉销售）以及未来一年的演变预期 [132] - 长期来看，规则是三分之一来自新客户，三分之一来自扩展，三分之一来自迁移 [133] - 2025年55%来自新客户是卓越表现，公司希望新客户占比更高，因为这意味着夺取市场份额，但现实地看，随着新客户增加，扩展机会也增多，同时有一批成熟的客户准备迁移，因此长期来看三分之一的规则可能会重新发挥作用 [133] 问题: 关于客户迁移上云后，如何继续通过服务和领域专业知识推动增值和增销 [138] - 客户上云后，每季度会获得包含新功能的更新，公司的团队会帮助客户确定哪些功能可以立即增加价值 [138] - 最成功、从软件平台获得最大价值的客户正是那些密切关注季度更新的客户，因此相关的服务是贯穿合作生命周期的小剂量持续投入，而非过去本地部署时代可能每5或10年一次的大升级 [139][140] 问题: 在新业务优势方面，是否有特定垂直行业表现出更多吸引力 [143] - 业务非常多元化，公司在零售领域很强，但第四季度的胜利远远超出了零售范围，很高兴看到在零售以外的领域获得更多优势和主导地位 [143]

ARR指标的扭曲现象 - ARR（年度经常性收入）正被初创公司广泛用于展示快速增长，例如Midjourney在不到三年内ARR从零增长到2亿美元，ElevenLabs在20个月内ARR从零飙升至近1亿美元，Lovable在三个月内ARR从零增长到1700万美元，Cursor在一年内ARR从零做到1亿美元 [6] - 风险投资行业规模巨大，超过3000家VC公司管理着超过3600亿美元的资产，预计到2029年风险投资将成为一个超过7000亿美元的行业 [8] - 创始人们面临巨大压力，将各种非经常性收入计入ARR，包括试点项目、一次性交易甚至尚未激活的合同，这种做法被描述为"氛围收入"（vibe revenue） [4][8][9] ARR指标在AI时代的不适用性 - ARR指标诞生于21世纪初的SaaS浪潮，适用于稳定可预测的商业模式，但AI公司的业务动态与SaaS有本质区别 [10] - AI客户行为模式不同，早期客户更像是进行实验而非长期承诺，签订短期试点项目导致极高的客户流失风险 [12] - AI服务计费方式基于Token使用量，具有不可预测的波动性，与传统SaaS的"按席位"线性定价模式完全不同 [12] - AI初创公司的经济模型受制于少数巨头如OpenAI和Anthropic，这些"inference whales"拥有巨大定价权，可能随时调整成本，改变AI初创公司的单位经济模型 [13] 初创生态系统的封闭循环问题 - 创业过程被"产品化"，像Y Combinator这样的机构将创办公司的方法标准化，导致创始人学会套用固定"剧本" [17] - 生态系统内部存在交易循环，许多AI初创公司将产品卖给其他初创公司，形成封闭经济圈 [18] - ARR指标成为给高估值找借口的工具，形成"如果我想给你更多的钱，请给我更多的ARR，我就会给你更高的估值"的循环逻辑 [18] - 风险投资是一个相对封闭的圈子，特定类型的人和商业模式更容易获得资金，导致可疑指标被接受为行业标准 [18]

AI作为根本性技术变革 - AI被视为科技发展的"正餐"，代表使用工具、理解世界和生产价值方式的根本性重写[2][3] - 与半导体、个人电脑、互联网、移动互联网等"前菜"技术相比，AI是之前所有技术准备的汇总和升华[9][15] - AI具备三个前所未有的特征：总接口性、红利叠加性和路径依赖性，使其成为不可或缺的核心技术[11][13][14] AI技术的核心特征 - 总接口性：AI作为"所有工具的总接口"，未来人类使用其他技术都将通过AI完成，类似于万能遥控器[12] - 红利叠加性：AI同时捕获算力红利、数据红利和模型红利，三种红利叠加产生强大的赢家通吃效应[13] - 路径依赖性：AI形成闭环飞轮效应，拥有算力和高质量数据的公司通过"更多数据→更强模型→更多用户→更多数据"的循环建立持续优势[14] 科技公司估值逻辑演变 - AI时代估值基于"算力获取能力+模型演化速度"，与传统科技时代的估值逻辑完全不同[19][20] - 科技公司市值呈现明显跃迁：从1970年代百亿美元级别发展到2020年代向3-5万亿美元逼近，预计2030年代将出现十万亿美元级公司[21] - NVIDIA的价值不仅在于卖芯片，更在于掌握全球算力分配的主动权[19] AI应用发展阶段分析 - AI应用尚未大规模爆发是因为技术仍处于剧烈变化期，大模型每三个月就出现新版本，接口和能力快速迭代[22][23] - 技术低门槛导致应用同质化严重，各种AI编程助手、自动写作制图产品海量但差异极小，竞争走向价格战甚至免费化[24] - 真正的大规模应用需要等技术进入平台期，类似PC用20年普及办公自动化，互联网用15年孕育出Google和Amazon[22] AI行业指标评估风险 - 在AI行业，年度经常性收入是极不可靠的指标，续费率可能出现断崖式下跌[26] - 价格战不可避免，许多产品从收费到打折再到免费，AI应用生命周期被压缩极短[26] - 用户心智尚未固化，工具替代性极强，将年度经常性收入作为AI公司核心价值依据存在风险[27]

ARR的定义与计算 - ARR是评估SaaS企业价值最核心的指标，算法为月收入乘以12 [1] - 该指标被平移至AI行业，但存在滥用问题 [4] - 部分企业用最高单月收入或单日收入乘以365来测算ARR，导致指标失效 [2][7] SaaS行业ARR的适用性 - SaaS企业收入可预测性强，客户留存率高，NDR普遍超过100% [3] - SaaS公司毛利率通常在70%以上，收入质量高 [3] - 订阅模式下收入稳定，ARR能真实反映业务价值 [3] AI行业ARR的滥用现象 - 新成立AI初创企业总收入可从0美元跃升至200万美元，ARR增长存在水分 [5][6] - 企业通过短期付费用户数据乘以12制造"理论ARR"，操纵估值 [7] - 三种常见ARR套路：同行互刷假热度、KOL高返佣掩盖成本、低价引流后暴涨 [8][9][10][11] ARR不适用于AI企业的原因 - 商业模式变化：AI企业采用基于结果的定价模式，收入不可预测性增强 [12] - 早期收入多为实验性收入，客户粘性差且续费可能性低 [13] - 盈利能力差异：AI企业算力成本占运营成本50-75%，远高于SaaS的20% [14][15] AI企业价值评估新思路 - 从静态收入预测转向动态评估，结合客户收入增速和产品市场占有率 [15] - 拆分收入类型并差异化评估，综合考量收入质量 [15] - 需建立基于使用量商业模式的新评估体系 [15]