Artificial intelligence tools are projected to radically alter the wealth management industry, with new platforms promising to help advisors expedite administrative work and sharpen investment planning. In certain use cases, tools like Jump AI and Motion are already making good on that promise. But the technology still has room for improvement in other applications. To find out where gaps remain, Financial Planning surveyed 250 advisors about the AI capabilities they most want — and still lack — in today' ...

Oct 29, 2025 4:00 AM Eastern Daylight Time Share GenAI, Agentic AI Transform German Work Practices Enterprises combine AI tools, hybrid work and global talent strategies to balance innovation with efficiency and compliance, ISG Provider Lens report says FRANKFURT, Germany--(BUSINESS WIRE)--Slowing growth and persistent skill shortages are prompting enterprises in Germany to adopt new workplace models centered on flexibility and autonomous AI systems, according to a new research report published today by Inf ...

Criteo首席技术官Diarmuid Gill在主题演讲中深入剖析了AI技术层级的演进："从基于数据统计的机器学习，到依 赖大规模算力的深度学习，再到处理文本序列的大语言模型，如今我们已进入能够规划、行动并使用工具执行任 务的AI Agent时代。" 2025年10月28日，北京 - 全球领先的数字广告平台Criteo近日于北京举办了以"智领变革，AI重塑商业未来"为主题 的圆桌讨论会，首次向中国市场系统阐释了其Agentic Commerce（智能体商业）策略—— 凭借其全球海量的商业 数据与强大的AI技术引擎，助力中国出海企业实现全球增长。 随着近一年生成式人工智能的爆发式增长，AI已深度渗透至消费者的购物旅程中。据Omnicom Media Group报告 显示，近四分之一的搜索请求由AI驱动，AI搜索正成为新的购物渠道。在这一背景下，数字广告的下一波浪潮 Agentic AI 已悄然来临。与仅能响应指令的传统AI不同，Agentic AI在预设目标与授权范围内，能够执行自主规 划、工具调用与任务闭环，为商业与营销模式带来系统性变革的潜力。 从"机器学习"到"智能体"， AI技术演进与消费者行为变革 ...

One of the most compelling updates this week came from a Harvard Business Review article “Designing a Successful Agentic AI System.” Its authors argue that agentic AI will only deliver value when companies redesign workflows around outcomes, not tasks, and rethink how humans and intelligent systems collaborate.By completing this form, you agree to receive marketing communications from PYMNTS and to the sharing of your information with our sponsor, if applicable, in accordance with our Privacy Policy and Ter ...

Manhattan Associates (NasdaqGS:MANH) Q3 2025 Earnings Call October 21, 2025 04:30 PM ET Company ParticipantsGeorge Kurosawa - Equity Research Senior Associate of Back Office SoftwareDennis Story - CFOMark Schappel - Managing DirectorMichael Bauer - Head of Investor RelationsBrian Peterson - Managing Director of Application SoftwareEric Clark - President and CEOTerry Tillman - Managing Director of Application Software and SaaS Equity ResearchConference Call ParticipantsJoe Vruwink - Senior Research Analyst o ...

Manhattan Associates (NasdaqGS:MANH) Q3 2025 Earnings Call October 21, 2025 04:30 PM ET Company ParticipantsGeorge Kurosawa - Equity Research Senior Associate of Back Office SoftwareDennis Story - CFOMark Schappel - Managing DirectorMichael Bauer - Head of Investor RelationsBrian Peterson - Managing Director of Application SoftwareEric Clark - President and CEOTerry Tillman - Managing Director of Application Software and SaaS Equity ResearchConference Call ParticipantsJoe Vruwink - Senior Research Analyst o ...

财务数据和关键指标变化 - 第三季度总收入为2.76亿美元，同比增长3%；若排除许可证和维护收入（受云转型压缩影响），总收入增长7% [17] - 云收入增长21%至1.05亿美元，略高于预期；服务收入下降3%至1.33亿美元，但好于预期，部分原因是约200万美元服务收入从第四季度提前至第三季度确认 [18] - 剩余履约价值（RPO）同比增长23%至21亿美元，环比增长3%；预计2025年全年RPO将达指引区间的高位 [4][18] - 调整后营业利润为1.03亿美元，调整后营业利润率为37.5%，同比提升约40个基点，超出计划 [19] - 第三季度调整后每股收益为1.36美元，同比增长1%；GAAP每股收益为0.96美元，同比下降7% [20] - 营运现金流增长49%至9300万美元；若剔除美国税法变更带来的约2000万美元收益，营运现金流增长约18%；自由现金流利润率为32%，调整后税息折旧及摊销前利润率为38% [21][22] - 递延收入增长17%至2.97亿美元；期末现金余额为2.64亿美元，无负债；本季度斥资5000万美元回购股票，年初至今回购总额达2亿美元 [22] - 公司上调2025年全年指引：总收入预期为10.3亿至10.77亿美元（中值10.75亿美元）；调整后营业利润率中值提升至35.6%；调整后每股收益中值上调0.16美元至4.96美元 [23][24] - 预计第四季度总收入为2.64亿美元，调整后营业利润率为33%，每股收益为1.11美元 [24] 各条业务线数据和关键指标变化 - 云业务表现强劲，21%的增长驱动了整体收入和利润的超预期表现 [4] - 服务收入虽同比下降3%，但执行情况好于预期，服务积压订单和渠道为2026年恢复增长奠定基础 [4][18] - 新推出的企业承诺与履约（EPF）产品已有多家客户上线，并签署了大型新协议，例如一家全球大型第三方物流公司 [12][13] - 供应链规划解决方案取得进展，首位客户（一家拥有超过700家门店的美国零售商）已上线，该客户同时使用Active Warehouse和Active Transportation [15] - 销售点（POS）业务交易量同比增长超过80%，得益于零售客户开设新店、交易量增长以及更多收银台部署产品 [89] 公司战略和发展方向和行业竞争 - 战略重点包括赢得新客户、交叉销售统一产品组合以及将本地部署客户转换为云客户 [5][6] - 在产品方面，正投资于所有Manhattan Active解决方案中的代理人工智能（Agentic AI），目前正与部分战略客户进行早期接入计划，涉及仓库、运输、门店和联络中心等应用；首批代理计划于2026年初全面上市 [10][11][12] - 新推出的EPF产品旨在与SAP等领先ERP系统无缝协作，帮助客户提升供应链的敏捷性和响应能力，并在供应链规划与执行解决方案之间架起桥梁 [12][14] - 公司任命Greg Betts为新设立的首席运营官，其将专注于扩展转换和续约的操作框架，并推动与全球系统集成商、曼哈顿专家以及Google和Shopify等技术合作伙伴的下一代合作伙伴模式 [9][10] - 公司正战略性地投资于销售和营销团队，并成熟其上市合作伙伴关系，包括新增关键销售人才、组建由公司资深员工领导的专门续约团队以及启动转换计划 [8][9] 管理层对经营环境和未来前景的评论 - 全球宏观环境仍然波动且不确定，但公司2025年至今的执行力、服务积压订单和渠道都为2026年服务恢复增长奠定了基础 [4][18][26] - 尽管存在宏观不确定性，但由于年初至今的强劲表现，公司对实现2025年RPO指引的高位充满信心，并预计2026年云收入将增长20% [4][18][25][27] - 公司业务基本面强劲，对长期机遇感到乐观；平台优越，产品组合在供应链商务生态系统中提供一流功能，这推动了坚实的渠道，为销售团队提供了众多增长机会 [5] - 关于2026年的初步参数，公司预计云收入增长20%，服务收入在2026年将实现增长，同时维护费用的流失预计将开始加速；在增加业务投资（尤其是在销售和营销方面）的同时，调整后营业利润率预计将扩大50至75个基点 [25][26] 其他重要信息 - 平均合同期限保持在5.5至6年，但部分客户选择了更长的上线时间表；预计38%的RPO将在未来24个月内确认为收入 [19] - 公司更改了提供年度指引的时间，未来将在第四季度财报电话会议上提供包含所有熟悉细目的初始年度指引，以更好地与软件同行保持一致，并为日历预算周期留出充足时间 [25] - 公司董事长Eddie Capel将于1月1日完成其剩余执行管理职责的过渡，并将继续担任董事会主席 [16] - 公司长期财务目标是实现可持续的两位数顶线增长以及相对于企业软件同行的上四分位数营业利润率，在增长和盈利能力之间保持平衡的投资方法 [22] 总结问答环节所有的提问和回答 问题: 关于RPO水平、可见度以及进入2026年及以后的乐观情绪 - 第三季度RPO同比增长23%，若对去年同期外汇影响进行标准化处理，增长为两位数；对未来RPO的乐观源于未来18个月内的重要续约周期，涉及一些大型仓库管理客户，当前RPO在续约前逐渐减少，续约后将重新提升至更大规模 [30][31][32] 问题: 关于转换策略、将本地部署客户迁移至云端的进展以及WMS客户云化组合的趋势 - 对转换计划的早期成功感到兴奋；采取了更主动和咨询性的方法，向首批约100家相似的仓库管理客户提供了固定费用、固定时间表的转换方案，获得了较高的接受度，并在第三季度产生了约30个新的渠道交易，预计第四季度将有更多交易完成 [33][34][35][36] - 第四季度将把此方法扩展到仓库管理的其他客户群以及运输管理客户群，并用于帮助在配送中心推广落后的客户加快进度 [36][37] 问题: 第四季度开局强劲，与去年同期的对比 - 软件业务的线性通常偏向季度的第三个月；与去年同期类似，今年第三季度订单额较低，但预计第四季度将非常强劲，与去年情况类似 [39] 问题: 新任首席运营官Greg Betts将如何帮助公司增长 - Greg将专注于转换和续约计划，成熟合作伙伴生态系统，其工作重点是加快从现有客户和新客户构建渠道的速度，并认为存在一些可以快速产生影响的低垂果实 [40][41] 问题: 固定费用和时间的转换策略相关的风险因素 - 风险通过可重复性和相似性来管理；由于客户运行的是公司部署的软件，公司清楚其扩展情况和仓库数量，风险较小；随着在转换和部署中构建更多自动化和利用AI，未来希望更多采用固定费用模式，以货币化所构建的成果和创造的加速，并保持利润率 [44][45][46] 问题: 2026年云增长、服务恢复增长和利润率扩张的展望是否与之前想法一致 - 对市场目前的共识估计感到满意，认为其处于正确区间，并将在下次财报电话会议上提供明确指引 [47] 问题: 从定性角度描述服务业务在进入2026年的势头 - 今年服务渠道和积压订单持续增强，对当前第四季度的情况感到满意，并认为进入明年会更好；对实现全年RPO指引高位充满信心 [50][51] 问题: 关于成功转换并添加整个Active产品组合的食品饮料客户的案例启示 - 该案例兼具转换和交叉销售，表明统一平台的故事正在引起共鸣；一旦客户意识到其真实性，需要时间落地，但正在发生，并在第三季度的业绩和渠道中有所体现 [52][53] 问题: 关于扩展系统集成商生态系统以匹配需求增长和积压订单容量 - 已开始与系统集成商合作伙伴进行对话，对发展方向感到兴奋；正在对合作伙伴计划进行更改，使其更类似于ServiceNow或Salesforce的模式，明确相互期望；新任首席运营官将接管培训、教育、认证团队，使其更易于合作伙伴使用，并更好地构建经过认证的顾问生态系统 [56][58][59] 问题: 代理人工智能的客户接受度、用例以及其是否助推加速转换 - 代理人工智能引起良好反响；早期接入计划的客户反馈积极，对其平台能够快速部署标准代理感到惊喜；正在探索客户希望将代理扩展至尚未使用曼哈顿系统的运输网络部分的请求 [60][61][62] 问题: 在新团队和计划（续约、转换）上对销售和营销的投资是人员重新分配还是增量投资 - 绝对是增量投资，但也混合利用了公司资深员工；新续约团队由一位在公司27年的资深员工领导，团队混合了内部和外部经验人员；首席运营官Greg带来了微软专注于转换和云平台扩展的经验；旨在结合外部知识技能与公司内部的深厚知识 [64][65][66] 问题: 帮助在配送中心推广落后的客户的举措主要与服务和预算解锁相关还是其他共性 - 原因多样，有时客户可能专注于其他事情而未能推广所有仓库；公司现在采取更主动、咨询性的方法，确保所有部署完成，而不仅仅是完成初始销售合约中的前几个仓库后便转向下一个客户 [67] 问题: 第三季度服务业务超预期的驱动因素，以及200万美元收入从第四季度提前至第三季度的原因 - 首要原因是服务团队持续高水平执行，能够更快完成项目；客户满意并希望加快进度；服务渠道和积压订单不断增长，对进入2026年感到乐观 [70][71] 问题: 上市侧招聘进展与新员工初始生产力 ramp-up - 上一季度引进了运输管理系统（TMS）、销售点（POS）和战略销售的新领导，他们正在组建团队并持续引进人才；目前处于奢侈地位，有大量优秀候选人，正以适当速度引进，以确保快速产生效果，并预计未来几个季度销售团队将稳步增长 [72][73] - 在进行这些投资的同时，继续实现坚实的利润率 [75] 问题: 代理人工智能对内（如研发杠杆）和对外（如增量收入模型）的影响 - 内部已在各个部门看到代理人工智能带来的杠杆效应，包括研发；通过利用代理人工智能，每个季度发布更多功能，拉大与竞争对手的差距 [79][80] - 外部方面，基于真正云原生微服务API优先的平台，代理人工智能可以原生在平台内快速部署，无需数据湖，延迟低，安全性高，这在与客户沟通时引起共鸣；在收入方面采取保守态度，尚未确定定价和收入影响，目标是通过代理人工智能实现收入增长和利润率扩张 [82][83][92] 问题: 供应链规划应用目前的参考客户情况以及到2026年底的目标 - 在客户和渠道方面领先于计划；不仅作为统一玩法被现有仓库和运输客户添加，也作为客户首次购买曼哈顿产品或首个Active产品的切入点，令人鼓舞；渠道状况良好，领先于预期；对该产品的增长轨迹感到满意 [85][87] 问题: 销售点业务面临的挑战 - 销售点业务表现兴奋；第三季度交易量同比增长超过80%，得益于零售客户增长、新店开设、交易量增加以及更多收银台部署；对即将到来的第四季度零售旺季感到期待 [88][89] 问题: 代理人工智能早期接入计划的反馈以及其对毛利率的影响预期 - 反馈积极，客户对能够快速启动标准代理感到惊讶；随后客户开始思考能否为其独特流程构建定制代理；目标是通过代理人工智能实现收入增长和利润率扩张，不预期利润率稀释，定价细节将在下次财报电话会议分享 [92][94][95][96] 问题: 新logo占渠道35%，现有客户扩展何时在渠道中占比提升，以及渠道转化典型时长 - 35%指的是新云业务渠道，不包括续约渠道；续约和交叉销售转化比新logo快；新logo销售周期通常不止三个月，多为多季度销售周期；部署时间因产品而异，销售点可快速推出，仓库部署可能时间较长，但通过自动化和AI加速部署有助于客户更快实现投资回报 [97][98]

行业与公司 * 报告主题为人工智能行业 特别是对当前普遍认知的AI神话与现实进行检验 [1][2] * 报告由Bernstein研究团队发布 属于其年度Bernstein University系列的一部分 [1][7] 核心观点与论据 AI的价值焦点与未来方向 * 当前AI的价值焦点并非仅限于大型语言模型和芯片 真正的价值正转向应用层AI和智能体AI [8][9] * 未来AI的关键发展方向是智能体AI 即具备独立规划、记忆和行动能力的系统 [2] * 主权AI将推动数据中心需求激增 电力公司、冷却解决方案、房地产和传输网络将成为下一级受益者 [2][11] * 2025年第三季度 应用AI领域的投资达到174亿美元 同比增长47% [9] AI生产力提升的现实挑战 * AI并非能为所有采用者带来立竿见影的生产力提升 其收益遵循J型曲线 初期效率可能下降 [14][16] * 企业级生成式AI采用仍处于早期阶段 美国一项调查显示采用率仅为23% 且使用频率不高 在用户中 不到一半的人承认定期使用生成式AI [15] * 采用AI的初期 企业平均每位员工每周节省的时间仅为30分钟 效果微不足道 [15] * 美国人口普查局对数千家制造企业的调查发现 采用AI解决方案的组织在最初几个月的生产力实际上下降了1.33% 在调整了早期采用者偏差后 初始阶段的生产力下降幅度甚至高达60% [16] * 规模较大、历史较长的公司在采用AI时损失更大 因其流程惯性更强 [16] AI领域的竞争格局与进入壁垒 * 基础模型领域可能形成双头垄断或寡头垄断格局 巨大的资本需求和计算能力需求将参与者限制在少数资源雄厚的科技巨头内 [3][32] * 训练顶级模型的成本急剧上升 ChatGPT 3的估计训练成本为300万美元 而ChatGPT 4的估计成本在4100万至7800万美元之间 [32] * 尽管达到特定能力水平的成本在下降 例如 在MMLU测试中达到60%分数所需参数从2022年4月的5400亿个降至2024年4月的38亿个 查询成本从每百万令牌20美元降至7美分 但顶级模型的竞争壁垒仍在不断提高 [33][36] 地缘政治与数据优势 * AI将成为保护主义和国际竞争的新战场 中美两国都在采取措施加强自身AI生态系统并限制对方 access [27][28] * 各国正推动主权AI 即利用本国基础设施、数据和劳动力生产AI的能力 法国和印度是除中美外的例子 [29] * 在基础模型性能上 中美模型之间的差距正在迅速缩小 [31] * 对于企业级部署 关键的竞争优势并非拥有最好的LLM 而是数据护城河 即可用于微调AI解决方案的内部数据量 [5][57] AI投资历史与关注点起源 * AI投资热潮并非始于2022年ChatGPT发布 企业AI投资的最高峰实际上发生在2021年 并在2017年后开始加速 [44][53] * 生成式AI的私人投资在2021年出现最大增幅 达到145亿美元 2024年仅为略超此水平 [53][54] * 当前AI浪潮的关键驱动因素包括Transformer模型的出现、每年产生的海量数据以及计算能力的提升 [43][55] * 近80%有史以来生成的数据都产生于本十年内 [55] 提示工程的局限性 * 有效使用LLMs并非仅关乎提示技巧 提示工程本身是一项繁琐的任务 且没有万能钥匙 [59][60] * 向模型提供过多信息会导致答案准确性下降 超过一定程度反而会增加幻觉风险 [60][62] 其他重要内容 * 报告通过7个常见认知的检验来阐述观点 旨在澄清市场预期与运营现实之间的危险鸿沟 [7] * 报告包含大量图表数据支持其论点 例如AI采用阶段、生产力J型曲线、模型性能比较等 [12][18][23][25][30][35][38][50][56]

Welcome back to NextGen Investing. It's now time to discuss some of these major takeaways from AI events that occurred throughout this past week as we've seen some volatility in names like Salesforce as well as of course oracles as we just discussed. But joining us now to provide some more clarity on some key takeaways from these events is Corey Johnson, chief market strategist at Apistrophe Capital Research.So Corey, thank you so much for being with us on this Friday. Really excited to get your thoughts he ...

新商业范式 - Agentic AI时代的商业模式核心是按结果收费，而非销售软件工具，这可能是中国软件企业的一个新突破点[3][5] - 早期公司的收入增长速度是关键投资基准，从天使轮到A轮，收入需增长5到10倍[7] - 企业需为客户创造10倍以上的价值，才能保证5到10倍的年增长速度[7] 竞争策略与壁垒 - 创业公司应聚焦细分垂直行业，直接交付结果，远离大厂竞争，AI时代的迭代速度是移动互联网的3倍以上[8] - 传统网络效应、规模效应和数据壁垒正在减弱，数据飞轮壁垒不高，因大部分信息重复，核心数据有限[26][27] - 新的壁垒在于找到巨头看不上的细分市场“猥琐发育”，或依靠极致的速度和执行力[3][27][49] - 增长本身就是最大的壁垒，一旦形成用户心智和增长壁垒，对手难以追赶[35][37] 组织与思维变革 - 企业转型需分三层推进：思想变革、组织变革，最后才是产品变革[20] - 思想变革是关键，最高领导者需自上而下拥抱AI，通过全员行为改变（如全员编程）实现思维转换[20][25] - 组织变革可借鉴“特区”模式，组建年轻、热爱AI的“特种兵”团队，打破传统岗位划分，实现效率提升10倍以上[21][22] - AI-DLC开发范式中，AI是平等的伙伴和流程驱动者，开发效率可提升3倍、4倍、5倍，而非线性的15%、30%[14][15][16] 技术平台与杠杆利用 - 创业者应充分利用平台能力，避免重复造轮子，将非差异化工作交由平台处理，聚焦自身价值创造[9][29] - 亚马逊云科技等平台提供完善工具链（如Bedrock、AgentCore），可帮助创业者加速创新[9][11][12] - 软件企业应加入合作伙伴网络，利用Marketplace等渠道触及全球客户，并借助平台解决出海合规问题[43] 出海战略 - 出海是必选项，国内市场可作为产品打磨和团队练兵的“盐碱地”，但真正盈利需转向全球市场，海外价格可达国内的3倍以上[41] - 更激进的策略是创业第一天就直接出海，避免陷入国内竞争泥潭[45] - 中国软件企业在开发效率和运营水平上已具备全球一流竞争力，甚至超出海外同行，应借势全球基础设施（如算力、算法）全力出海[46][47] - AI时代为中国软件企业提供了弯道超车的机会，使其与全球企业站在同一起跑线上[42] 行业趋势与指标 - Agentic AI爆发要素已具备：大模型具备类人思考能力、MCP协议实现数据与应用接口调用、开发工具链日益完善[11][12] - 行业衡量指标正从MAU（月活跃用户量）转向Token消耗量，Token消耗多代表用户正使用工具解决问题[38][39] - 软件企业交付价值的方式正从提供工具转向交付结果，例如呼叫中心服务从提供工具变为自动化处理客户支持需求[12][13]