财务数据和关键指标变化 - 第二季度总收入5.91亿美元 同比增长24% 超出指引上限 [5] - Atlas收入同比增长29% 占总收入74% 相比上一季度72%和2025年71%有所提升 [5][17] - 非GAAP营业利润8700万美元 营业利润率15% 相比去年同期的11%显著提升 [5][21] - 客户总数达到59900家 过去两个季度新增超过5000家客户 [6][19] - 持有至少10万美元年度经常性收入(ARR)的客户达到2564家 同比增长17% [21] - 现金及等价物23亿美元 本季度动用2亿美元回购93万股 [24] - 运营现金流7200万美元 自由现金流7000万美元 相比去年同期的负值大幅改善 [25] 各条业务线数据和关键指标变化 - Atlas业务表现突出 同比增长加速至29%(上一季度为26%) 客户数达到58300家 [6][17][20] - 非Atlas业务收入超预期 主要得益于现有企业协议(EA)客户增加工作负载 [18] - 非Atlas ARR同比增长7% 反映出该产品线的稳定增长 [19] - 约50%的非Atlas收入超预期来自多年期协议 显示客户对长期合作的承诺 [19] - 直接销售客户7300家 环比减少200家 主要因公司将部分资源从中端市场重新分配到企业渠道 [20] - 公司整体净扩张率约为119% 与近期季度保持一致 [21] 各个市场数据和关键指标变化 - 美国大客户表现强劲 推动Atlas增长 [17][76] - 财富500强企业中超过70%使用MongoDB 包括全球10大银行中的7家 15大医疗公司中的14家 10大制造商中的9家 [8] - 自服务渠道表现强劲 部分由AI原生初创公司选择Atlas推动 [12] - 收购Voyage带来300家新客户 [19] 公司战略和发展方向和行业竞争 - 持续向高端市场推进 专注于服务最复杂和要求最高的企业客户 [40][41] - 通过自服务渠道更好地服务中小型企业市场 [41] - 投资AI能力 包括向量搜索和嵌入模型 使MongoDB成为AI基础设施堆栈的关键组件 [7][13][87] - 应用现代化(AppMod)成为重要战略重点 将投入更多资源开发工具和交付能力 [60][61][62] - 与PostgreSQL等关系型数据库竞争 强调MongoDB在JSON支持 灵活数据模型和集成能力方面的优势 [10][67][70] - 超大规模云厂商合作伙伴关系保持强劲 [68] 管理层对经营环境和未来前景的评论 - AI在企业中的采用是真实的但仍处于早期阶段 当前活动主要集中在员工生产力工具和打包物联网解决方案 [12] - 企业仍处于构建自定义AI应用的非常早期阶段 这些应用将真正改变业务 [12][89] - 客户对AI系统输出质量 安全性和可靠性的担忧减缓了部署速度 [124][125] - 公司对Atlas增长保持信心 预计下半年Atlas增长将保持中20%百分比范围 [27] - 提高全年营收指引7000万美元 提高营业利润率指引至14% [25][27] 其他重要信息 - 公司将于9月17日在纽约Javits中心举办投资者日 讨论推动持久增长和利润率扩张的投资 [4] - 本季度进行了小幅重组 影响不到2%的员工 产生约500万美元一次性费用 [22] - 欢迎新任投资者关系副总裁Jess Lubert加入 [31][32] - 非GAAP每股收益指引假设20%的非GAAP税收准备金率 [28] 问答环节所有提问和回答 问题: Atlas增长加速的驱动因素 [35] - 增长主要来自过去一年获得的工作负载 特别是向高端市场推进后获得的更大更快速增长的工作负载 [37] - 搜索和向量搜索等新增能力也促进了工作负载增长 [38] - 大量新客户增加 尽管自服务客户单客户支出较少 但数量增长贡献了部分增长 [38] 问题: 销售团队现状和策略 [39] - 策略保持不变 继续向高端市场推进 专注于最复杂和要求最高的企业客户 [40] - 使用自服务渠道更好服务中小型企业市场 结果证明这种双轨策略有效 [41][42] 问题: 自服务渠道加速的原因 [46] - 团队采用数据驱动方法进行实验 了解什么有效什么无效 [47] - 新动作为吸引SQL开发者 通过办公时间等活动解释文档数据库的价值主张 [47] - 数据驱动的方法和策略正在产生效果 [48] 问题: AI对当前季度增长的贡献 [55][56] - 虽然增加了数千家AI原生客户 但本季度增长并非主要由AI推动 [57] - 增长主要来自核心业务和核心客户群 AI客户选择MongoDB令人高兴但不是增长的主要推动力 [57] 问题: 迁移机会和改进 [58][59] - 应用现代化价值主张明确 客户有强烈动机现代化遗留系统 [60] - 聘请了新产品领导加强AI工具开发 提高代码分析和重构自动化 [61] - 这将是长期增长驱动因素 对今年影响不会太明显 [62] 问题: 行业技术发展(Lakehouse, DocumentDB) [66] - OLTP是AI的战略高地 构建企业级OLTP平台非易事 [66] - JSON对AI比以往更重要 克隆产品和附加组件在功能 性能和开发者体验上未达到客户期望 [67] - 超大规模厂商减少投资 将大部分产品开发工作交给开源社区 [68] 问题: Postgres在AI初创公司中的普及 [69] - 许多初创公司创始人没有深入考虑数据库选择 通常选择他们熟悉的技术 [70] - 当业务扩展时 他们遇到Postgres的扩展挑战 特别是处理JSON文档时的性能问题 [70] - 需要能够处理结构化 半结构化和非结构化数据的平台 [70] 问题: Atlas本季度趋势 [74] - 消费增长与去年相对一致 5月开始强劲 大多数地区和细分市场普遍走强 [75] - 美国大客户表现显著 工作负载增长时间更长 扩张幅度超过以往 [76] - 市场变化带来效益 且与第一季度增长较慢相比有所受益 [76] 问题: 多年期协议表现 [78] - 没有提前交易 只是良好的底层ARR增长和超预期的多年期协议 [79] - 没有异常情况 也没有大型多年期协议 只是广泛客户基础的表现 [81] 问题: AI工作负载差异化和贡献时间 [84] - JSON数据库最适合表达和建模复杂 混乱 高度相互依赖且不断变化的数据结构 [86] - 集成搜索和向量搜索可实现混合搜索等复杂操作 [87] - 在平台上嵌入模型控制嵌入层 成为公司私有数据与LLM之间的桥梁 [87] - 企业AI采用仍处于早期阶段 当前主要部署在最终用户生产力工具上 [89] 问题: 平衡增长投资与利润率 [92] - 收入增长是利润率扩张的首要驱动因素 [93] - 当Atlas增长20%以上 ARR保持个位数增长时 会产生大量毛利润为增长提供资金 [94] - 团队确保投资推动增长 如果不是则重新分配资源 [94] 问题: AI初创公司与企业采用的关系 [98] - AI群体仍处于旅程早期 当前增长由大企业工作负载驱动 [101] - 向高端市场推进获得更高质量工作负载 增长更快更持久 [101] - 自服务渠道加倍努力更好服务中小型企业市场 [101] 问题: 企业协议(EA)ARR长期增长前景 [106] - 客户对本地部署与云部署的思考更加复杂和细致 [107] - MongoDB的相同代码库可在本地和云上使用 为客户提供未来迁移的灵活性 [107] 问题: AI机会的上市策略 [112] - 早期客户快速增长后会分配专职销售人员 [113] - 自服务变得如此复杂 可以在很长时间内为早期客户服务 [114] - 企业仍处于AI旅程早期 当前投资更多在最终用户生产力工具上 [115] 问题: 多年期协议客户比例和变化 [116][118] - 不披露多年期与一年期协议客户比例 [117] - 本年度多年期协议分布更广 不如去年大型 [117] - 客户选择多年期协议的原因相同: 与长期战略一致 希望锁定定价 数据有重力不易移动 [119] 问题: AI采用拐点和收入贡献 [123] - 客户需要确信AI系统输出质量高 [124] - AI系统是概率性的而非确定性的 不能总是保证输出 [124] - 安全性 稳定性和可靠性问题以及扩展性问题仍在解决中 [125] - 需要时间积累舒适度 从低风险用例逐渐转向高风险用例 [128] 问题: 研发投资重点 [132] - 研发是本年度的投资重点 [133] - 推出8.0版本 是有史以来性能最好的版本 8.1版本更好 [133] - 投资平台扩展部分 将在投资者日提供更多细节 [134] 问题: 推动更高质量工作负载的努力 [135] - 很大部分增长来自获得更高质量工作负载 这些工作负载增长更快更持久 [136] 问题: 在多代理世界中的定位 [140] - 代理需要感知/理解状态 决定/计划行动 然后执行行动 [141] - JSON文档数据库最适合模拟现实世界的混乱和复杂性 [142] - 支持搜索和向量搜索 可进行复杂的混合搜索 [142] - 内存让代理能够跨时间和情境连接点 [143] - 需要协调多个代理 注册和治理策略 [143] - MongoDB的基础架构非常适合这些需求 [144]