大公司财报研究所

说起来因为财报会议信息量很大，财报对话助手应该是很有需求，难点就是 AI 的回答一般不太行……

“未来 XPU 会是什么样，我的回答是：别把外界传言当成金科玉律。这是一条发展轨迹，是长达数年的征程。

许多从事 LLM 研发的企业（虽然数量不多）出于充分理由，都希望打造专属定制的 AI 加速器。若使用通用 GPU，性能提升主要依赖软件优化——仅能通过内核和软件实现。而采用定制化专用硬件驱动的 XPU，在性能表现上能获得显著超越。

我们在 TPU 中看到了这一点，在为其他客户开发的各类加速器中也看到了这一点——在稀疏核心、训练、推理、推理等所有领域都表现得远胜于其他方案。

那么，这是否意味着随着时间推移，他们都想自己动手做？未必。

事实上，由于硅基技术持续更新迭代，作为大型语言模型（LLM）领域的参与者，你该如何配置资源以保持竞争力？尤其当你最终必须与商业 GPU 厂商竞争时——这些厂商的技术演进速度从未放缓。

因此我认为"客户工具化"的概念实属过度渲染的假设，坦率地说，这种情况我认为不会发生。”

“我们实际上有很多不同的方式来向客户交付这种容量。最常见的模式是预先购置全部硬件设备。正如我在财报分析师会议上所阐述的，这些大型数据中心在正式投入运营前，我们实际上不会产生任何相关支出。

那么接下来就涉及到支付方式以及数据中心相关业务的现金流状况。我们正在探索其他一些有趣的模式，其中一种是客户可以自带芯片。在这种模式下，甲骨文显然无需为此模式预先承担任何资本支出。

同样地，我们正与不同供应商合作开发多种模式，其中部分供应商对租赁而非出售其计算能力的模式表现出浓厚兴趣。正如您所料，这种模式带来的现金流影响更为有利，既能降低甲骨文的整体借款需求，又能减少所需资本。

我们研读了大量分析师报告，其中不少预测甲骨文公司完成这些建设项目所需资金将超过1000亿美元。但根据我们目前的评估，实际筹资需求应该低于这个数额，甚至可能大幅低于该金额。”

大众眼里，UNH 是一头行动迟缓的“传统保险大象”。🐘 大错特错。

拆解完财报，我看到的是一只伪装成保险公司的“科技数据怪兽”。 通过 Optum，它垄断了从看病、买药到支付的全部数据流。它不是在卖保险，它是在向整个美国医疗体系收“税”。

当市场盯着费率恐慌抛售时，真正的猎人正在入场。

👇 深度复盘/逻辑拆解见长文：

万科A财报阅读理解。

【现状】
资产1.137万亿，负债8356亿，净资产3010亿。
流动资产7829亿中有2089亿是应收款，属于买房者的房贷，短期收不回来。
存货4230亿，即使马上卖完按照30%首付能收回来1269亿，剩余的记到应收款。

【流动性问题】
货币资金656亿+1269亿，合计1925亿元能动。
应付款1311亿，短债234亿，即将到期的1279债务，要还2824亿。

1925-2824=-899亿，这个是要解决的流动性问题。

【总结】
资能抵债。
如果要死，死于流动性，不是没有流动的可能，而是死于系统过大流动过慢。
如果流动了，活过来了，缩小资产负债表，成为一家有品牌但没啥资产的小公司，这也是不错的。
假如没有退市，PE为正时，PB<30%时，且万科泊寓没有被处置掉，我会买入。

#纯看财报分析，不一定对，仅供参考

工作后居然还要写论文。最近有个课题，研究内容之多之庞大，一个月差不多 100 篇不同主体的中英财报➕授信报告的阅读量。可以的，重回研究生日常了。

我以为博隆技术负债率52%很危险，80元清仓了。看了资产负债表，发现是合同负债22.9亿。问AI才发现这是好消息。

当前会计记账应该是：合同负债+，存货+；
未来会计记账转化为：合同负债-，存货-，现金+，营收+

我要重新持股博隆技术。

“现在 Agentforce 在客户服务代理领域的营收已达约 5 亿美元。但 Salesforce 真正令人振奋的，是员工代理系统——部分同事已亲身体验，但多数人尚未接触。

我们打造了一个深度集成于 Slack 产品的全新框架。 每位 Salesforce 员工每天都在使用它——我本人也是如此。它更是我们面向客户演示的核心内容，通过展示我们如何借助 Slack 释放名为 Slackbot 的新功能，真正体现了员工代理策略的精髓。

你会发现这简直不可思议。它不仅能穿透 Slack，不仅能贯穿整个互联网，还能穿透所有客户通过 Salesforce 以安全方式部署的数据，并提供上下文信息。

多数用户已领略过客户服务代理的强大功能，如今他们将见证员工服务代理的威力。他们将看到这些功能如何基于 Agentforce 构建，如何依托应用程序实现，又如何建立在数据之上。”

“随着 Snowflake Intelligence 的全面上市，我们见证了公司历史上最快的产品普及速度。已有 1,200 家客户正在利用新一代智能代理 AI 能力，实现大规模的实际业务影响。

Snowflake Intelligence 正在改变企业与数据的交互方式，将自然语言转化为实时可操作的智能洞察。

我们的人工智能业务收入年化运行率提前一个季度突破 1 亿美元大关。由于我们采用按使用量计费的商业模式，该数字真实反映了企业实际应用情况，直接昭示着客户如何运用我们的 AI 能力在生产中创造价值。

第三季度，我们创下历史新高的新客户签约数量，并持续保持强劲势头——本季度 50%的签约订单都受到 AI 的影响。同时，我们深化了与现有客户的关系，本季度部署的所有应用场景中，28%都融入了 AI 技术。”

“人工智能应用必须将大型语言模型所掌握的知识与企业所掌握的专有数据、系统及实时情境相连接。这本质上是一个信息检索问题，其所需的架构与上一代软件截然不同。

快速演进的人工智能模型不断揭示实体的新型复杂属性，而刚性的表格存储无法提供人工智能系统所需的实时高精度性能。与此同时，人工智能正极大提升应用程序的构建与迭代速度，固定的数据库模式根本无法跟上这种节奏。

这正是 MongoDB 具备结构性优势之处。我们的文档模型（原生支持 JSON）专为处理多样化、动态变化且相互依存的数据而设计。集成式搜索、向量搜索和 Voyage 嵌入技术消除了对脆弱附加组件的需求，并已取得行业领先的成果。

在 Hugging Face 检索嵌入基准测试中，采用 Voyage MongoDB 模型及 DB Engines 平台排名第一的向量数据库，位居榜首。

我们嵌入和重排序模型的进步显著提升了准确性。通过更小巧高效的嵌入模型，既能降低存储成本和查询成本，又能帮助 AI 应用生成更贴近实际的响应，减少大型语言模型（LLM）的幻觉现象。

所有这些功能都集成在可跨平台运行的统一架构中，客户可将业务运维与 AI 工作负载整合，简化系统架构并加速创新进程。”