2025年业绩快报核心数据 - 公司2025年实现营业收入9.21亿元，同比增长43.76% [4] - 归母净利润亏损1.95亿元，上年同期亏损1.67亿元 [4] - 扣非净利润亏损2.02亿元，上年同期亏损2.01亿元 [4] - 基本每股收益为-0.45元，加权平均净资产收益率为-6.22%，较上年同期下降1.23个百分点 [4][19] - 以最新收盘价计算，市净率（LF）约19.9倍，市销率（TTM）约80.78倍 [4] 市场环境与业务表现 - 公司主营非易失性存储芯片NAND Flash、NOR Flash，易失性存储芯片DRAM以及衍生产品MCP [14] - 2025年，中小容量存储芯片市场受益于人工智能驱动的新一轮行业上升周期，供需结构持续优化，产品销售价格稳步回升 [14] - 下游需求在5G基站建设、智慧城市安防升级、智能穿戴创新、汽车电动化与智能化等驱动下整体复苏并呈现结构性增长，覆盖网络通信、安防监控、消费电子、工业控制、汽车电子等领域 [14] - 公司积极把握市场机遇，通过有效的市场策略与客户拓展，带动营业收入与盈利能力同步提升，各季度营业收入均实现环比增长 [14] - 随着产品销售价格回升，整体毛利率较上年同期大幅提升，各季度毛利率均实现环比增长，存储板块业务已实现盈利 [14] - 受益于市场供需关系好转，公司产品市场价格持续回升，报告期内资产减值转回金额同比大幅增长 [14] 历史财务与估值趋势 - 根据业绩快报数据绘制的市盈率（TTM）图显示，公司市盈率在特定时点为负值（如-135.9倍、-65.64倍），并与行业均值进行对比 [6][7] - 市净率（LF）历史分位图显示，公司市净率分位在特定时点分别为9.83%、14.84%、40.48%、45.48%、61.76%、68.61%等，并与行业均值进行对比 [10][11][12] - 历年总营收、净利情况图显示，公司营业总收入从2020年的5.306亿元增长至2025年的9.214亿元，而归母净利润与扣非净利润在2023年至2025年期间为负 [15][16] - 历年同比增长率图显示，2025年营业总收入同比增长率为43.76%，而归母净利润及扣非净利润同比增长率在部分年份为负 [15]

财务数据和关键指标变化 - **第四季度收入**为 9140 万美元，同比增长 17%，超过收入指引上限 [4] - **年度经常性收入**为 3.66 亿美元，同比增长 17%，环比增长 1800 万美元 [4] - **非GAAP运营收入**为 420 万美元，占收入的 4.6% [4] - **2025财年全年收入**为 3.432 亿美元，同比增长 15% [32] - **期末剩余履约价值**在第四季度同比增长 35% [26] - **净收入留存率**已提升至 105%，高于2024年底的 100% [29] - **第四季度毛利率**为 77%，与去年同期持平，环比上升 1 个百分点 [34] - **销售与营销费用**占收入的 42%，环比下降 1 个百分点 [35] - **研发费用**占收入的 18%，与去年同期持平 [36] - **一般及行政费用**占收入的 12%，同比下降 4 个百分点 [36] - **总运营费用**为 6600 万美元，占收入的 72%，环比下降 3 个百分点 [36] - **第四季度自由现金流**为 1120 万美元，占收入的 12%，去年同期为 150 万美元，占 2% [37] - **2025财年全年自由现金流**创纪录，接近 2400 万美元，自由现金流利润率为 7% [37] - **40法则**得分从2024年的 15 提升至2025年的 24 以上 [31] - **2026年第一季度收入指引**为 9170 万至 9370 万美元，中点同比增长 16% [40] - **2026年第一季度非GAAP运营收入指引**为 -450 万至 -250 万美元 [40] - **2026年全年收入指引**为 3.9 亿至 3.98 亿美元，中点同比增长 15% [41] - **2026年全年非GAAP运营收入指引**为 700 万至 1300 万美元 [41] 各条业务线数据和关键指标变化 - **ARR超过10万美元的客户**增长至 698 家，同比增长 18% [5] - **ARR超过100万美元的客户**增长至 56 家，同比增长 33% [33] - **拥有多个产品的客户**占比为 44%，其贡献的ARR占比为 74% [33] - **拥有三个以上产品的客户**贡献的ARR占比为 51% [28] - **拥有五个以上产品（全平台部署）的客户**贡献的ARR占比为 20%，同比翻倍 [28] - **企业客户群ARR**同比增长 20% [25] - **指南和调查**是公司迄今为止增长最快的产品 [11] - **平台销售**表现特别强劲 [32] - **第四季度总ARR增长**中，58% 由现有客户扩展驱动，没有单笔扩展超过 100 万美元 [33] 各个市场数据和关键指标变化 - **超过25家AI原生公司**已成为ARR超过10万美元的客户 [5] - **一家全球顶级前沿AI实验室**已成为七位数（百万美元级别）客户 [9] - **企业市场**已成为核心增长引擎 [25] - **平台胜率**对比点解决方案正在提高 [10] - **AI代理触发的查询量**占总查询量的比例已从去年10月的几乎为零增长至 25% [11] 公司战略和发展方向和行业竞争 - **AI是结构性顺风**：AI使软件开发变得更容易，但创造本身不再是护城河，真正的优势在于团队学习、迭代、改进和自动化的速度，而代理分析是关键 [24] - **平台战略**：公司正将围绕分析的利基点解决方案整合到其综合平台中，以提供更大价值 [27] - **AI代理平台**：公司推出了全球AI代理、专业代理和模型上下文协议，旨在从根本上改变团队处理分析数据的方式 [12] - **收购InfiniGrow**：收购了这家AI原生营销分析初创公司，以增强平台作为上下文系统的能力，并扩大将获客、激活和留存整合到一个连续反馈循环中的能力 [12] - **定价与包装简化**：推出了新的定价策略，将实验、会话回放、指南和调查等产品的货币化集中为核心平台费用（基于事件）的百分比加成，旨在降低采用摩擦并鼓励更多平台消费 [29] - **竞争定位**：公司认为其平台在准确性（复杂生产级查询成功率76%）和上下文集成方面远超通用文本到SQL方法（7倍优势）或数据平台（如Snowflake Cortex, Databricks Genie）的AI分析功能 [8][116][119] - **市场整合**：公司继续整合碎片化的市场，其平台战略正赢得更多客户 [10][38] 管理层对经营环境和未来前景的评论 - **AI驱动分析需求**：AI编码助手压缩了开发周期，导致功能发布速度与验证功能是否有效之间的差距扩大，使理解用户行为成为瓶颈，这为Amplitude创造了机会 [6][7] - **企业市场成熟**：上市策略已成熟，更加专注于基于价值的用例和企业内的多产品部署 [10] - **未来增长基础**：2025年的工作为未来长期增长奠定了坚实的基础，企业已成为核心增长引擎 [25] - **AI代理前景**：管理层预计，未来绝大多数分析查询将由代理完成，类似于过去两年软件工程中代码主要由代理生成的情况 [84][85][86] - **客户预算趋势**：AI环境提高了分析的价值和紧迫性，因为迭代周期缩短至数周或数天，客户迫切需要了解产品方向是否正确 [93][95][96] - **2026年展望**：公司对继续以有纪律的方式推动收入增长充满信心，并相信其AI工具将降低采用全平台的障碍，带来更大的货币化机会 [38][39] 其他重要信息 - **股票回购**：鉴于强劲的资产负债表和业务基本面，董事会已批准额外 1 亿美元用于股票回购 [38] - **平均合同期限**：现已超过 22 个月 [26] - **代理分析平台成功率**：过去六个月，在复杂生产级查询上达到 76% 的成功率 [8] - **MCP集成**：通过MCP与Anthropic、Figma、OpenAI、GitHub、Lovable和Slack集成，将行为智能带入团队已有的工作环境 [9] - **客户案例**： - **NTT Docomo**：使用Amplitude的AI代理将活动分析时间减少了 90% 以上 [21] - **西门子**：通过从多个点解决方案整合到Amplitude的AI分析平台，实现了用户行为的统一实时视图，并通过重新分配营销支出，使网站流量同比增长 90%，预计会议注册出席人数增长 50% [22] - **全球大型音乐流媒体应用**：成为新客户，将使用Amplitude分析和会话回放来理解数亿月活用户的收入驱动因素 [23] 总结问答环节所有的提问和回答 问题: Amplitude的代理与第三方代理（如通过Claude）有何区别和演进路径？ [44] - **回答**: 两者使用相同的基础设施，即模型上下文协议，无论是Amplitude的全局代理、专业代理还是外部AI客户端（如Claude）的查询，都通过同一套编排器解释，并利用相同的上下文系统来生成答案 [45][46] 问题: 第四季度业绩超预期的幅度似乎比以往小，这是否与季度后期交易集中有关？ [47] - **回答**: 第四季度在新客户ARR方面表现强劲，但许多新客户的交易在季度后期完成，且本季度没有看到很多非常大的扩展交易，这为未来增长奠定了基础 [47][48] 问题: 净收入留存率的改善主要归因于更多的交叉销售/向上销售，还是更好地减少了客户流失？ [53] - **回答**: 2025年NRR的改善主要与交叉销售能力有关，随着公司解决了过去因过度销售分析容量导致的问题，数据摄入带来的向上销售也开始对NRR产生贡献，未来两者都将推动进一步改善 [53][54] 问题: 在新的定价模式下，数据量向上销售将在2026财年的增长算法中扮演什么角色？ [55] - **回答**: 新的定价结构鼓励客户向平台添加更多数据，因为边际增量成本更低，这仍将为Amplitude带来增长，但推动NRR的最大收益将继续来自交叉销售机会和产品扩展 [55][56] 问题: 新的定价模式如何帮助买家管理成本可预测性，同时公司又如何控制嵌入AI的成本？ [62][63] - **回答**: 公司通过平台工具为客户提供数据摄入的可见性，并与销售团队合作，在销售过程中就数据增长如何转化为成本进行沟通，这是一种更友好的合作方式。新定价模式在季度新ARR中已有近20%的试点采用，客户认为其更透明、摩擦更小，并降低了AI产品的采用障碍 [64][65] 问题: 收购InfiniGrow主要解决了哪些客户需求，如何加速平台机会？ [66] - **回答**: InfiniGrow团队在AI分析和自动化工作流程方面有深厚积累，其见解有助于塑造分析类别的未来。此外，该团队非常熟悉营销侧的分析师角色，有助于公司服务那些希望从传统营销技术工具迁移过来的客户 [68][69][70] 问题: 产品采用的自然路径是什么？代理将如何推动未来的交叉销售？ [73] - **回答**: 分析是核心，使平台其他部分（实验、会话回放、指南和调查）更有价值。代理通过自动化这些产品中耗时的任务（如观看大量会话回放、建议实验最佳实践）来大幅提高生产率，从而解锁更多使用场景，促进交叉销售 [73][74][75][76][77] 问题: 相对于点解决方案，胜率提高是源于上市策略和定价调整，还是其他因素？ [78] - **回答**: 胜率提高主要归功于销售团队努力向客户展示平台价值，以及产品团队创建了能够很好协同工作的优秀产品，形成了真正无缝的工作流程集成 [78][79] 问题: 预计未来12-24个月内，代理查询在总查询量中的占比会达到什么水平？ [84] - **回答**: 预计绝大多数查询将由代理完成，代理将不断运行以分析数据、寻找根本原因、提出建议等。目前，直接使用仪表板的查询增长与业务规模大致同步，而代理查询量正在飙升 [84][85] 问题: 随着AI代理的普及，是否看到了新的用户或业务线使用Amplitude？这对上市策略有何影响？ [104] - **回答**: 用户群体（产品、营销、工程和数据团队）没有根本变化，但客户极度渴望获得关于如何利用AI分析的教育。因此，上市策略的重点转向培训、分享愿景、演示产品，以帮助客户取得成功 [105] 问题: 如何平衡来自小型客户（新应用开发增加）的潜在新需求与向上市场发展的战略？ [107] - **回答**: 公司同时服务两者，初创公司和前沿客户推动创新，然后公司有意识地将这些创新带给企业客户。理解用户和产品方向的核心需求对所有规模的公司都是一样的 [107][108] 问题: 2026年七位数交易的渠道如何？是否有特定垂直领域增长显著？ [109] - **回答**: 公司看到很多AI公司成为客户，包括25家ARR超过10万美元的AI公司，以及一家大型基础模型实验室的七位数合同 [109][110] 问题: 面对Snowflake和Databricks等数据平台在AI应用方面的进展，是否看到客户用例的模糊或竞争？ [113][115] - **回答**: 客户始终需要最先进的能力，Amplitude专注于提供最强大和精准的分析系统。公司在复杂查询上达到76%的准确率，远高于通用文本到SQL方案（约10%），这得益于其专为分析设计的上下文层、正确的工具调用和迭代查询能力，差异显著 [116][117][118][119] 问题: 盈利能力超预期，内部是否也使用代理提升了销售效率？对2026年自由现金流有何预期？ [120] - **回答**: 盈利能力的提升是销售与营销、服务成本和一般行政等多方面持续努力的结果，引入代理能力也有贡献。结构性变化，如签订更长期合同，减少了销售团队每年续签的工作量，使其能更专注于新客户和扩展交易，这种效益将持续 [121][122] 问题: 2026年全年收入指引范围（8百万美元）比往常更宽，原因是什么？范围两端分别考虑了哪些情景？ [125] - **回答**: 制定指引时基于对执行能力的判断，范围反映了公司在产品组合、目标企业客户等方面有广泛的机遇，无需过度解读 [125]

财务数据和关键指标变化 - **第四季度收入**为9140万美元，同比增长17%，超过收入指引上限 [3] - **全年收入**为3.432亿美元，同比增长15% [32] - **年度经常性收入**在第四季度末达到3.66亿美元，同比增长17%，环比增长1800万美元，创下自2021年以来最高的净新增ARR季度 [3][32] - **非GAAP营业利润**为420万美元，占收入的4.6% [3] - **非GAAP每股净收益**为0.04美元，基于1.415亿稀释后股份，去年同期为0.02美元，基于1.357亿稀释后股份 [36] - **自由现金流**在第四季度为1120万美元，占收入的12%，去年同期为150万美元，占收入的2% [36] - **全年自由现金流**创纪录，接近2400万美元，自由现金流利润率为7% [37] - **毛利率**为77%，与2024年第四季度持平，较上一季度上升1个百分点 [34] - **销售与营销费用**占收入的42%，较第三季度下降1个百分点 [34] - **研发费用**占收入的18%，与2024年第四季度持平 [35] - **一般及行政费用**占收入的12%，较2024年第四季度下降4个百分点 [35] - **总运营费用**为6600万美元，占收入的72%，环比下降3个百分点 [35] - **剩余履约义务**在第四季度同比增长35%，当前RPO全年保持超过20%的增长 [26] - **平均合同期限**现已超过22个月 [26] - **基于美元的净留存率**已超过105%，而2024年底为100% [28][33] - **“40法则”得分**从2024年的15分提升至2025年的超过24分 [31] 各条业务线数据和关键指标变化 - **ARR超过10万美元的客户**增长至698家，同比增长18%，其中包含超过25家AI原生公司 [4][33] - **ARR超过100万美元的客户**在第四季度增长至56家，同比增长33% [33] - **多产品客户**占比达到44%，74%的ARR来自该客户群 [33] - **多产品附加率**：74%的ARR来自使用超过一个产品的客户，较去年提升15个百分点 [27] - **产品深度采用**：51%的ARR来自使用超过三个产品的客户，而使用5个以上产品的全平台部署占比为20%，同比翻倍 [27] - **Guides and Surveys产品**是公司迄今为止增长最快的产品 [10] - **AI代理触发的查询量**大幅增长，从去年10月的几乎为零增长至占总查询量的25%，并推动了绝大部分增量查询增长 [10] - **AI代理分析平台**在复杂的生产级查询上达到76%的成功率，是纯文本转SQL方法的7倍 [6] 各个市场数据和关键指标变化 - **企业客户群**的ARR同比增长20%，拥有比公司其他业务更高的留存率和扩展率 [25] - **平台销售**表现强劲，针对单点解决方案的胜率正在提高 [9][32] - **新客户与扩展交易**表现强劲，包括一家全球最大的音乐流媒体应用、The Cheesecake Factory、Asana、PGA of America、CrossFit、Stewart Title Guaranty Company、Crunch Fitness、Whoop、Once Upon Publishing和NTT Docomo等企业 [21] - **AI公司客户**：超过25家领先的AI原生公司是ARR超过10万美元的客户，此外一家全球最大的前沿AI实验室是七位数（百万美元级）客户 [8][108] - **国际案例**：日本电信公司NTT Docomo有超过1000名活跃用户使用Amplitude，其AI代理将活动分析时间减少了90%以上 [21] - **行业案例**：西门子通过使用Amplitude，实现了网站流量同比增长90%，会议注册出席人数预计增长50% [22] 公司战略和发展方向和行业竞争 - **AI驱动战略**：公司认为AI是结构性顺风，AI使软件更易创建，但创造已不再是护城河，真正的优势在于团队学习、迭代、改进和自动化的速度，而代理分析是关键 [24] - **平台整合**：公司正通过将围绕分析的细分单点产品解决方案整合到其综合平台中，以提供比拼接单点解决方案更大的价值 [26] - **定价与包装简化**：推出了新的定价策略，核心计费指标（事件数）不变，但将实验、会话回放、指南和调查等其他产品的货币化集中为核心平台费用（基于事件）的百分比加成，旨在降低采用摩擦、提高成本透明度和确定性 [28][29][30] - **收购InfiniGrow**：收购了这家AI原生营销分析初创公司，以增强平台作为上下文系统的能力，并将获取、激活和留存纳入一个连续的反馈循环 [11][67] - **产品发布**：推出了全球AI代理、专业代理和模型上下文协议，代表了团队处理分析数据方式的根本性转变 [11] - **MCP集成**：通过与Anthropic、Figma、OpenAI、GitHub、Lovable和Slack的MCP集成，将行为智能引入团队已有的工作环境 [8] - **市场竞争**：平台胜率相对于单点解决方案正在提高，公司认为其平台提供了生产环境所需的准确性和上下文，与Snowflake Cortex或Databricks Genie等方案相比有显著优势（76% vs 约10%的准确率） [9][79][115][118] 管理层对经营环境和未来前景的评论 - **AI创造需求**：AI编码助手压缩了开发周期，公司交付新产品的速度加快，这导致在“使用和学习”侧出现了瓶颈，理解用户行为、判断功能是否有效成为最困难的问题，而这正是Amplitude的用武之地 [4][5] - **市场机会**：随着新AI产品的加入，市场机会显著扩大，这些产品有望扩大采用率和用例 [27] - **未来增长基础**：2025年是创新、执行的一年，为长期增长战略奠定了坚实基础，企业已成为核心增长引擎 [25] - **前景展望**：公司对继续整合碎片化市场、改进市场进入策略和加速创新步伐充满信心 [38] - **AI对分析预算的影响**：AI提高了分析环节的紧迫性和比较价值，当迭代周期以周或天计时，持续了解方向是否正确变得至关重要，同时买家也渴望了解AI将如何重塑该领域 [92][94][95] - **2026年指引**：第一季度收入预计在9170万至9370万美元之间，中点同比增长16%；全年收入预计在3.9亿至3.98亿美元之间，中点同比增长15% [40][41] - **2026年利润指引**：预计第一季度非GAAP营业利润在-450万至-250万美元之间，非GAAP每股净收益在-0.02至-0.01美元之间；预计全年非GAAP营业利润在700万至1300万美元之间，非GAAP每股净收益在0.08至0.13美元之间 [40][41] 其他重要信息 - **股票回购**：董事会已批准额外1亿美元的储备金用于股票回购 [38] - **现金流使用**：公司已利用并计划利用现金进行回购，以最小化稀释影响 [37] - **平衡执行**：本季度没有单笔交易超过100万美元，但实现了史上最高的多产品和10万美元ARR落地交易数量 [4] - **代理查询增长预期**：管理层预计，绝大多数分析工作将通过代理完成，类似于过去两年编码领域发生的变化，代理将自动化大部分数据整理和分析工作 [84][86] - **服务客户范围**：公司同时服务初创企业和大型企业，初创企业往往推动能力创新，而后被有意识地引入企业市场 [106] 总结问答环节所有的提问和回答 问题: Amplitude的代理与第三方代理（如通过MCP连接的Claude）有何区别和演进预期？ [43] - **回答**: 两者使用相同的基础设施，MCP是外部产品连接Amplitude并请求一组调用的方式，全球代理和专业代理也使用相同的基础设施，区别在于调用这些工具的位置（Amplitude UI内部或外部如Claude、Slack），但处理查询和提供答案的底层架构是相同的 [44][45][46] 问题: 第四季度业绩超预期的幅度似乎比以往小，ARR却在加速增长，这是由于季度后期交易集中吗？ [47] - **回答**: 第四季度是新客户ARR表现强劲的季度，许多新客户在季度后期才完成签约，同时本季度没有看到很多非常大的扩张交易，这为未来增长积累了机会 [47][48] 问题: NRR（净收入留存率）的改善，多大程度上归因于增销和交叉销售，而非减少流失？ [54] - **回答**: 2025年NRR的改善主要与交叉销售能力相关，销售团队接受了平台销售培训并引入了新功能，随着之前容量相关问题的解决，数据摄入带来的增销也开始对NRR改善做出贡献，未来增销和交叉销售都将推动进一步改善 [54][55] 问题: 在2026财年的增长算法中，数据量增销将扮演什么角色？ [56] - **回答**: 新的定价策略鼓励客户向平台添加更多数据，因为边际增量成本更低，这虽然仍会为Amplitude带来增长，但NRR的最大收益将来自交叉销售机会和产品扩展，公司希望客户不惧怕添加更多数据并充分利用平台 [56][57] 问题: 新的定价模式如何帮助买家管理成本可预测性，公司又如何控制嵌入AI后的成本？ [62][63] - **回答**: 公司通过平台工具帮助客户了解数据摄入情况，并与销售团队合作，在销售过程中向客户展示数据增长如何转化为成本，这是一种更温和的协作方式，本季度已有近20%的新ARR使用了试点阶段的新定价方案，客户认为其更透明、摩擦更小，并有助于降低AI产品的采用门槛 [64][65] 问题: 收购InfiniGrow主要是为了应对什么客户需求，如何加速平台机会？ [66] - **回答**: 收购主要基于两点：一是InfiniGrow团队在AI分析和自动化工作流方面有深厚积累和前瞻视野，与公司创新方向一致；二是该团队非常熟悉营销侧的分析师，有助于公司服务从传统营销技术工具迁移过来的客户 [67][68][69] 问题: 产品采用的自然路径是什么？代理将如何推动额外的交叉销售？ [73] - **回答**: 分析是核心，使平台其他部分（实验、会话回放、指南和调查）更有价值，代理通过大幅提升其他产品的使用效率（如会话回放代理可分析数百条回放）来推动采用，未来不同代理可以协同工作，从分析到问题诊断再到实验建议，形成一个无缝的工作流，极大降低使用门槛并解锁使用量 [73][74][75][76][77] 问题: 相对于单点解决方案，胜率提高是市场进入策略和定价更新的结果吗？ [78] - **回答**: 定价更新较新，并非胜率提高的主因，主要原因是销售团队努力向客户展示平台价值，以及产品团队创造了能够很好协同工作的优秀产品，形成了真正的平台工作流，这带来了显著价值 [79][80] 问题: 预计未来12-24个月，代理查询在总查询量中的占比会达到多少？ [84] - **回答**: 预计绝大多数分析工作将通过代理完成，代理将不断运行，监控仪表板、寻找根本原因、提出建议等，目前直接使用仪表板的查询增长与业务增长基本一致，而代理查询量正在飙升，类似于编码领域正在发生的变化 [84][85][86] 问题: 2026年非GAAP营业利润率约2.5%，有哪些潜在的上行空间？ [90] - **回答**: 公司正走在收入增长快于费用增长的道路上，通过改进市场进入策略、优化流程、现代化应用架构等方式持续提高效率，销售与营销以及G&A预计将继续提升效率，这些因素共同构成了2026年的计划 [90][91] 问题: AI是否影响了客户的 analytics 预算？ [92] - **回答**: AI从两方面产生影响：一是它成为瓶颈，在快速迭代的周期中，了解方向是否正确变得至关重要，从而提高了分析环节的价值和紧迫性；二是买家知道整个领域将被AI重塑，因此极度渴望获得相关教育和指导，而不仅仅是功能列表 [92][94][95][96] 问题: 是否计划对AI代理进行单独货币化？ [99] - **回答**: 大多数AI代理嵌入在核心平台中，旨在让客户更多地使用平台并扩展到其他模块，随着新产品的推出，其中一些可能会带来额外费用，公司对通过扩展平台用例和使用量来货币化AI能力感到兴奋 [99] 问题: 代理化是否会带来新用户或新业务线使用Amplitude，从而改变市场进入策略？ [102] - **回答**: 终端用户群体（产品、营销、工程和数据团队）没有根本变化，他们最迫切的需求是教育，因此市场进入策略的重点在于培训、分享愿景、演示产品并帮助客户取得成功 [103][104] 问题: 如何平衡来自小型客户的新需求与向上销售到企业市场的战略？ [106] - **回答**: 公司同时进行两方面工作，初创企业通常走在创新前沿，公司会将与他们合作产生的创新有意识地引入企业市场，无论是初创企业还是大型企业，理解用户和产品方向的核心需求是相同的，关键在于能够传授AI分析的前沿知识 [106][107] 问题: 2026年七位数交易的渠道情况如何？是否有特定垂直领域增长显著？ [108] - **回答**: 看到很多AI公司成为客户，拥有25家ARR超10万美元的AI公司客户，并与一家最大的基础模型实验室签订了七位数合同，这些客户非常清楚未来的可能性，并看到公司在该未来中的重要角色 [108] 问题: 面对Snowflake和Databricks等数据平台也在发展应用能力，是否看到用例上的竞争或模糊？ [111][112][114] - **回答**: 客户总是需要最先进的能力，公司专注于提供最先进、最强大的分析系统，在基准测试中达到76%的准确率，而Cortex或Databricks Genie可能在10%或以下，这是因为除了文本转SQL，还需要正确的上下文层和工具调用设计，以支持迭代查询，公司基于全球最大的用户行为数据库和数百万次查询的经验构建的代理，在准确性上存在巨大差异 [115][116][117][118] 问题: 盈利能力超预期，内部是否使用代理提升了销售效率？对明年自由现金流有何预期？ [119][120] - **回答**: 盈利提升是多项努力的结果，包括销售与营销、服务成本和G&A的优化，以及将代理能力引入内部工作流，结构性改进（如延长合同期限）带来了持久效益，例如销售团队可以将更多时间用于新交易和扩展交易，而非续约 [121][122] 问题: 全年收入指引范围（8百万美元）比往常更宽，原因是什么？范围两端分别考虑了哪些情景？ [125] - **回答**: 制定指引时基于对当期可执行情况的判断，范围较宽反映了公司在产品组合、目标企业客户改进等方面有广泛的机遇，不必过度解读 [125]

公司产品布局 - 公司目前的车规产品主要为SLC NAND Flash、NOR Flash以及MCP等 [1] - 公司暂时不涉及Auto-grade eMMC方案 [1]

公司产品与业务进展 - 公司目前的车规产品主要为SLC NAND Flash、NOR Flash以及MCP等 [2] - 公司暂时不涉及Auto-grade eMMC方案 [2] - 报告期内新增完成国内多家整车厂的白名单导入 [2] - 报告期内完成多家境内外一级汽车供应商（Tier1）的供应商资质导入 [2] - 公司车规产品已在多款车型中实现规模量产 [2] 公司战略与客户拓展 - 公司积极进行车规客户的导入和验证 [2]

文章核心观点 - AI驱动的开发范式正在发生根本性转变，资深开发者Peter Steinberger通过构建ClawdBot项目，展示了利用AI编程工具（如Claude Code、Codex）进行高效“智能体工程”的实践，其工作流、团队协作和软件架构理念与传统开发方式截然不同 [3][4][46][66] - 软件开发的核心从逐行编写代码，转变为设计可验证的闭环系统、引导AI智能体以及专注于整体架构和产品“品味”，这大幅降低了试错成本并提升了创新速度 [52][69][77][78] - 这一转变对软件行业和组织结构将产生深远影响，可能意味着未来需要更少但能力更全面的“构建者”，而传统大公司因组织边界和流程僵化，难以高效采用这种新模式 [101][102] 创始人背景与创业历程 - Peter Steinberger是PSPDFKit的创始人，该PDF框架被用于超过**十亿台**设备，他经历了严重的职业倦怠后卖掉股份，离开科技圈三年 [2][9][41] - 其技术生涯始于14岁，早期通过开发一款定价**5美元**的交友App，第一个月赚取**一万美元**，并因此决心创业 [13][15] - PSPDFKit起源于一个杂志阅读App的PDF渲染难题，Peter将其抽离为独立组件并销售，最初一周内以**200美元**的价格售出三份，随后价格涨至**600美元、800美元**，其收入很快超过他在旧金山工作的工资 [19][20][21][22] - 创业驱动力并非金钱，而是创造令人惊叹、注重细节和体验的产品，其理念是产品的“感觉”比功能列表更重要 [23][24] - PSPDFKit采用针对开发者的营销策略，通过打造卓越产品、撰写深度技术博客和参加开发者大会来建立口碑，而非侵略式销售 [27] AI编程实践与工作流变革 - Peter在2023年回归后直接使用Claude Code等AI工具，跳过了早期迭代阶段，其体验如同“赌场小老虎机”，对结果感到震撼并迅速上瘾 [46][47][49][50] - 当前工作流核心是“智能体工程”，其角色从编码者转变为“构建者”或“架构师”，同时管理**5到10个**并行运行的智能体，进行系统设计和规划 [54][62][68] - 高效秘诀在于构建“完整闭环”，让智能体能够自行编写测试、调试并验证其输出，从而确保代码质量并信任其结果 [69][70][71] - 使用AI编程要求开发者掌握新的“机器语言”，通过持续对话和反馈来引导模型，这是一种需要练习的技能 [56][75][76] - 开发过程更像迭代式“雕塑”，从一个模糊想法开始，通过快速试错（成本降至分钟级）来塑造产品，而非前期的完美规划 [77][78][79] ClawdBot产品理念与特性 - ClawdBot是一个高度个人化的AI助手，其愿景是成为理解用户上下文、情感和人际关系的“反CRM”式伙伴，类似于电影《Her》中的体验 [80][81] - 产品设计原则是将所有复杂性隐藏到“理所当然”的程度，用户通过自然聊天（如WhatsApp）与助手交互，无需感知后端的多智能体、算力等复杂系统 [84][92][96] - 其技术实现倾向于使用CLI工具而非MCP协议，因为CLI更灵活，允许模型使用如`jq`等工具进行链式组合和过滤，效率更高 [86][87][88][89] - 项目在社交平台爆火，一周内GitHub star数从**100**涨至**3000多**，并合并了**500多个**PR，Peter自嘲为“人肉合并按钮” [90][92] - 产品包含引导和“灵魂”塑造过程，通过对话生成记录用户偏好的文件（如`user.md`, `soul.md`），使交互体验更个性化 [97] 对软件工程与行业的影响 - AI编程可能显著改变公司人员结构，未来或仅需**三成**的现有人员规模，但要求成员具备高自主性、全栈产品视角和系统架构能力 [76][101][102] - 大公司因严格的角色分工和流程，难以有效采用这种新模式，这需要组织层面的深度重构而不仅是工具引入 [101][102] - 代码评审（PR）的意义发生变化，更应被视为“Prompt Request”，讨论重点转向架构决策、设计权衡和代码风格，而非逐行审查 [3][102][110] - 对持续集成（CI）的依赖降低，更重视本地的、由智能体执行的测试闭环（“full gate”），追求快速迭代 [105][107][108] - 未来的理想团队成员是活跃在开源社区、热爱技术“游戏”、具备快速学习和实验精神的全能型“构建者” [113][114][115]

Anthropic推出MCP服务，Claude向智能体平台演进 - AI模型公司Anthropic为其旗舰产品Claude桌面应用推出新功能，在“连接器”部分新增“精选”分类，整合了与Figma、Gemma、Canva、GitHub等生产力工具的深度集成[1] - 此次更新的核心是Model Context Protocol服务的大规模上线，该协议让AI模型能安全、标准化地“连接”到外部工具和数据，用户可授权Claude直接访问第三方服务数据并调用功能[1] - 此举标志着Claude从一个被动的“聊天机器人”，向一个主动的、能调度外部资源的“智能体平台”迈出了关键一步[1] MCP协议解决AI应用痛点并重塑工作流 - 当前AI应用繁多，用户需要在不同应用间不断复制粘贴、切换上下文，导致效率流失和灵感中断[2] - MCP协议的核心思想是为AI模型访问外部资源定义一个统一的“插座”标准，开发者可为任何工具编写符合MCP标准的“服务器”，Claude作为“客户端”通过标准接口通信，无需了解每个工具的内部细节[3] - 与旧模式相比，新模式允许用户在一个对话界面中用自然语言指挥，Claude扮演“调度员”和“执行者”，背后复杂的工具切换和数据搬运被MCP协议消化，实现了从问答到委派的范式转变[6][14] Anthropic的产品哲学与OpenAI形成差异化 - Anthropic的MCP服务强调安全与权限控制基石，所有连接需用户明确授权且运行在用户指定环境中，数据不会无故流向公司服务器，延续了其“宪法AI”安全理念[4] - 公司追求深度集成而非浅层连接，Claude能理解Figma组件的设计语义，基于GitHub代码变更历史给出建议，这需要深入的工具语义理解[4] - Anthropic从“精选”切入以控制体验，以“精选”形式推出首批深度合作工具，保证了初期用户体验的完整性和可靠性，避免了早期GPT Store的质量混乱问题[4] - 对比来看，OpenAI的路径更“开放”和“平台化”，鼓励大量开发者创建功能各异的GPTs，但导致碎片化和质量参差；Anthropic则选择了更“克制”和“集成化”的路径，亲自下场与头部生产力工具深度耦合，优先保障核心工作流的高质量打通[5] MCP协议的战略意图：争夺AI时代“操作系统”定义权 - MCP协议的推出揭示了Anthropic更深层的战略意图，即争夺AI时代“操作系统”的定义权[15] - 在AI原生时代，谁定义了AI模型与万千数字工具交互的标准协议，谁就掌握了生态的枢纽位置[15] - MCP协议本身是开源的，意味着任何模型或应用都可以实现它，如果被广泛采纳，将形成一种“去中心化”的AI工具生态，而非被某个巨头完全掌控的围墙花园[15] - 目前，Anthropic通过Claude的率先深度集成和“精选”生态，占据了事实上的引领者位置[15] 对开发者、算力成本及行业格局的潜在影响 - 对开发者而言，MCP降低了开发AI智能体的门槛，开发者无需针对每个模型都适配一遍插件系统，只需编写一个标准的MCP服务器，理论上就能被所有支持MCP的模型调用，带来了互操作性的希望[15] - 对算力成本有潜在影响：将专业工具的能力通过MCP外包，可以让大语言模型更专注于自己擅长的规划、理解和推理，而不是试图在参数中硬编码所有专业知识，这可能导致未来出现更“轻量”、更“通用”的核心模型，依赖外部工具网络完成复杂任务，从而降低对极致模型规模的依赖[16] - Claude上线MCP服务是Anthropic在AI竞争进入深水区后打出的一张极具分量的战略牌，它避开了与OpenAI在纯模型能力上的“军备竞赛”，转而开辟了“模型即枢纽”的新战场[16] - 其真正的价值在于正在悄然铺设一条轨道，这条轨道可能最终决定未来的AI生产力是以“单个超级应用”为中心，还是以一个“可自由插拔的智能体网络”为中心[16]

网通与消费电子领域需求 - 网通领域需求逐步增长，FTTR等家用侧网络通信需求持续修复 [1] - 可穿戴智能设备的存储容量需求持续增长 [1] 物联网与5G模块业务 - 物联网模块需求向好，伴随容量需求增长，MCP销售单价有望逐步提升 [1] - 5G模块的导入在逐步起量 [1] 车载存储业务进展 - 公司继续推进整车厂和Tier1客户的导入工作 [1] - 公司进一步推进市场份额的持续增长 [1]

市场交易与融资融券数据 - 1月22日，公司股价上涨1.38%，成交额29.75亿元[1] - 当日融资买入3.47亿元，融资偿还2.75亿元，融资净买入7219.60万元，融资余额达34.59亿元，占流通市值的6.31%，超过近一年90%分位水平[1] - 当日融券卖出1500股，金额18.60万元，融券余量5.51万股，融券余额682.76万元，超过近一年70%分位水平[1] - 截至1月22日，公司融资融券余额合计34.66亿元[1] 公司基本业务信息 - 公司成立于2014年11月26日，于2021年12月10日上市，主营业务聚焦中小容量通用型存储芯片的研发、设计和销售[1] - 主营业务收入构成：NAND产品占57.08%，MCP产品占25.88%，DRAM产品占10.43%，NOR产品占6.15%，其他(补充)占0.25%，技术服务占0.21%[1] 财务与股东情况 - 2025年1-9月，公司实现营业收入5.73亿元，同比增长28.09%；归母净利润为-1.46亿元，同比减少12.16%[2] - 截至2025年9月30日，公司股东户数为5.13万，较上期增加168.45%；人均流通股为8627股，较上期减少62.75%[2] - A股上市后累计派现1.35亿元，近三年累计派现5572.35万元[3] 机构持仓变动 - 截至2025年9月30日，嘉实上证科创板芯片ETF（588200）为第三大流通股东，持股703.25万股，较上期减少29.08万股[3] - 香港中央结算有限公司为新进第五大流通股东，持股368.08万股[3] - 南方中证1000ETF（512100）为第七大流通股东，持股283.14万股，较上期减少3.05万股[3] - 国联安半导体ETF（512480）为新进第十大流通股东，持股211.44万股[3] - 国联安中证全指半导体产品与设备ETF联接A（007300）、睿远成长价值混合A（007119）、华夏行业景气混合A（003567）退出十大流通股东之列[3]

MCP协议的发展历程与行业地位 - 一年内从开源协议发展为行业事实标准，增长极其迅猛 [2][4] - 关键分水岭发生在四月前后，Microsoft、Google、OpenAI等巨头公开表态采用MCP，使其从Cursor、VS Code等“大客户”扩散至整个行业 [2][4] - 协议本身从仅支持本地使用的“桌面玩具”，演进至支持远程server、认证机制、企业级OAuth重构，并于11月引入long-running tasks以支持深度研究和agent-to-agent交互 [2][5] MCP协议的技术演进与关键决策 - 传输层坚定依赖标准HTTP，但早期将双向流等关键能力设为客户端“可选项”，导致大多数客户端不实现，削弱了双向能力 [2][16] - 协议设计要求服务器端持有状态，在水平扩展（多Pod、多实例）时，同一交互可能打到不同机器，需借助Redis等共享存储拼接状态，在百万级请求规模下成为挑战 [3][17] - 为解决企业认证问题，六月规范做出关键调整：将MCP server明确定义为资源服务器，与中央身份系统（如Google登录、企业SSO）解耦，并补齐动态客户端注册等细节 [11] MCP在行业巨头中的应用与挑战 - Google、Microsoft等公司在使用MCP时，请求规模已达百万级，具体数字不便公开，大规模下的可扩展性问题凸显 [3][17] - 与Google、Microsoft、AWS、Anthropic、OpenAI等公司的资深工程师共同讨论，旨在为协议打下坚实基础，过程需要大量迭代以达成共识 [13][20] - 协议治理采用折中方案：有一个约8人的核心维护者小组做最终决策，兼具共识驱动和“技术独裁”特点，以适应AI领域快速变化的节奏 [22] MCP协议的核心功能与设计理念 - 引入“长时间运行任务”原语，旨在支持深度研究等需要长时间运行的异步操作，其设计足够通用，未来可支持返回中间结果，而非简单的异步工具调用 [5][54][57] - 协议强调“渐进式发现”原则，即先给模型少量信息，由其根据需要主动请求更多，以避免将所有工具一次性塞入上下文导致膨胀，此机制可通过模型训练系统性强化 [25][26] - 协议定位为连接模型与外部世界的通信层，其价值在于提供认证、可发现的工具连接性，与提供领域知识的skills是正交关系 [32][34][36] MCP的生态建设与未来方向 - 观察到MCP的大量使用发生在企业内部，增长速度远超外界可见，公司内部通过gateway和半托管平台（如Kubernetes集群）简化部署 [41][42][43] - 推动建立类似npm的官方registry作为公共发布中心，同时支持子registry进行策展和过滤，并希望企业能建立内部私有registry，形成分层信任体系 [44][45][49] - 正在与OpenAI等合作制定MCP UI（或称MCP Apps）的共同标准，目标是实现“一次构建，到处运行”，通过iframe嵌入原始HTML的方式提供更丰富的交互界面，超越纯文本限制 [66][67][72] 加入基金会的影响与社区号召 - 将MCP捐赠给Agentic AI Foundation旨在保证项目的中立性和永久开放性，消除行业对协议被收回或变为专有的担忧，公司对MCP的投入和承诺并未改变 [6][77][78] - 基金会门槛很高，只接纳维护良好、有真实采用和长期价值的项目，避免成为“项目垃圾场” [9][78] - 呼吁社区通过构建高质量的MCP servers、提供反馈、参与Discord讨论、贡献SDK（如TypeScript、Python、Go）等方式积极参与 [76][77]