财务数据和关键指标变化 - 公司已公布本年度经调整后的营业利润率指引约为37% [67] - 公司的长期营业利润率目标为41% [67] - 新的交易模式预计将在下一年对利润率造成约400个基点的不利影响，使报告利润率与45%的潜在水平之间存在差距 [67] 各条业务线数据和关键指标变化 - 建筑业务表现亮眼，在第二季度延续了前几个季度的强劲表现 [31] - 建筑业务增长得益于新客户数量的强劲增加和现有客户的持续扩张 [31] - 在建筑行业内，数据中心、工业和基础设施建设的强劲势头，抵消了商业建筑领域的疲软 [31] 公司战略和发展方向和行业竞争 - 公司的核心战略重点是利用云和人工智能技术，推动设计与制造的融合 [13][14] - 公司正在进行市场推广模式的优化，包括调整组织结构、削减部分非销售职能（如市场营销）的投入，并将节省的资金重新投资于构建未来能力，如加强渠道合作伙伴整合和提升自助服务能力 [23][25][26] - 公司认为自身在人工智能领域比竞争对手领先数年，优势在于长期投入、自建AI技术栈带来的70%效率提升，以及独有的三维数据访问和处理能力 [54][56][57] - 公司的AI战略是一个连续体，从功能自动化（内置于订阅产品中）到工作流自动化，再到系统自动化（可能采用基于用量的消费模式） [39][40][46] - 公司计划通过现有产品提价以及针对资源密集型工作负载采用代币等基于用量的模式来实现AI技术的货币化 [46][49][50] 管理层对经营环境和未来前景的评论 - 建筑行业客户面临的核心战略挑战是整合和管理数据，以应对远程工作、供应链冲击和应用人工智能的需求 [33] - 建筑行业客户希望通过连接设计和施工前阶段的数据，来提前发现并解决70%可能在施工现场出现的问题，并将数据关系延伸到资产运营和维护阶段，创造数字孪生 [34][35] - 在人工智能时代，横向连接（如设计阶段对施工阶段的影响）将变得更加重要，AI能够将仿真提前，在早期规避可能造成巨大成本的问题 [37][38] - 人工智能将推动从人主导的流程向机器主导的流程转变，机器可以处理人脑无法处理的复杂跨领域连接，并能24小时不间断工作，这将创造巨大的价值货币化机会 [40][41][42] 其他重要信息 - 公司即将举行的用户大会（AU）上将分享更多关于AI项目Bernini和货币化策略的细节 [50][66] - 公司在处理客户数据用于AI训练时，会通过标记和过滤来保护客户的知识产权和独特设计 [75][76] - 公司的Forma平台是建筑行业的行业云，为客户提供数据模型、统一数据栈和协作能力 [71] 总结问答环节所有的提问和回答 问题: 市场推广模式优化具体指什么 - 优化主要针对市场推广职能，包括削减部分非销售职能（如市场营销、客户成功、销售运营和技术支持）的投入，并将节省的资金重新投资于构建新能力，如渠道合作伙伴整合和自助服务能力 [25][26] 问题: 交易模型的当前进展和预期效益如何 - 交易模型的实施按计划进行，未出现重大意外事件，这得益于良好的执行 [27] - 优化是一个持续的过程，包括对收入和成本的多项调整，有些见效快（如今年初9%的裁员），有些则需要多个季度（如低端客户转向电子商店） [28] - 财务影响方面，收入前成本已从计入"收入前"转为计入"销售与市场营销"费用，该影响首先体现在账单上，然后迅速影响利润表，公司已度过账单影响的高峰期，正接近收入影响的高峰期，预计影响将在明年开始消散 [28][29] - 目前尚处于数据迁移和优化阶段，通过交易模型获得数据驱动、增加交叉销售机会的效益为时尚早 [30] 问题: 建筑业务持续强劲的动力和未来增长点 - 动力来自新客户增加和现有客户扩张，业务的多元化（如数据中心、工业基建的强劲抵消了商业建筑的疲软）有助于稳定表现 [31][32] - 公司在建筑信息模型领域的竞争优势在于帮助客户整合数据，连接上下游（设计、施工、运营），创造数字孪生以实现持续价值 [33][35] 问题: 拥有设计阶段优势对销售建筑管理平台的重要性 - 在人工智能时代，横向连接至关重要，AI能够利用设计阶段的数据，提前模拟并影响施工决策，避免后期高昂的成本问题 [37][38] 问题: AI产品的货币化策略和定价思考 - 货币化将采用两种方式：功能自动化将作为增值功能内置于现有订阅产品中并通过提价体现价值；对于计算密集型的工作流和系统自动化，将采用基于用量（如代币）的消费模式 [39][40][46][49][50] - 定价策略仍在细化中，更多细节将在用户大会上公布 [50] 问题: 如何看待为追求AI收入而可能面临的利润率压力（参照其他公司案例） - 公司已在AI领域投入多年，并非新手，通过自建AI技术栈等方式提升了效率（如比直接使用AWS栈效率高70%），能够更好地管理投资和成本 [52][54] - 公司业务本身具有经营杠杆，可以在投资增长的同时保持利润率 [53] 问题: 项目Bernini的进展、与第三方模型的关系及可用时间 - Bernini是公司的专有研究项目，基于公司内部的多模态数据（包括图纸）进行训练 [64] - 公司也一定程度利用第三方模型，但Bernini是核心 [64] - 关于其全面功能可用性的更多细节将在即将举行的用户大会上公布 [66] 问题: 在当前利润率基础上实现长期目标的路径 - 路径包括：执行中的市场推广优化带来的经营杠杆、业务模型固有的经营杠杆，以及业务模型转型不利影响消散后的自然提升 [67][68] - 利润率目标设定时已考虑了多种增长情景，以确保其可达成性 [68] 问题: 中小型客户如何从AI中获益 - 中小型客户将根据其使用的AI功能复杂程度获益：简单的任务自动化将内置在产品中并通过订阅获取；更复杂的、资源密集型的工作负载可能需要通过基于用量的方式付费 [70] - 通过行业云Forma，中小客户也能获得跨生态系统的协作和数据模型优势 [71] 问题: 利用三维数据优势面临的挑战及竞争对手的追赶态势 - 利用三维数据的挑战包括数据碎片化，公司已投入工程力量解决此问题，以从数据中提取更多价值 [56] - 公司认为在数据利用方面远超竞争对手，且通过技术手段（如数据标记和输出检查）保护客户IP，建立了信任优势 [73][75][76] - 尽管竞争对手可能试图追赶，但公司凭借先发优势和持续投入保持了领先地位 [74]