Confluent2025财年年报业绩会议总结

一、开场介绍

会议时间与目的：未明确提及具体时间，主要目的为讨论人工智能发展周期、软件行业变革、Confluent的业务定位及未来机遇。

管理层发言摘要：

Jay Kreps（Confluent联合创始人、董事长兼CEO）认为人工智能周期比以往技术周期规模更大，正开启全新问题解决范式，目前仍处于早期阶段，未来将深刻影响企业运营。

Matt Hedberg（全球技术研究主管）主持会议，聚焦人工智能超级周期、Confluent在实时数据领域的角色及行业趋势探讨。

核心财务数据：暂无信息

关键驱动因素：暂无信息

核心业务表现：

Confluent提供基于Kafka的实时数据平台，核心价值包括完全托管的云服务（多租户架构降低成本、云原生优化）、完整的实时数据解决方案（涵盖连接、治理、Flink实时处理）及跨环境（边缘、本地、多云）数据流动能力。

作为企业数据流动的“中枢神经系统”，连接各类数据系统，具有强粘性和生态系统优势，已成为流处理领域的行业标准。

市场拓展：服务对象包括数字原生公司（如围绕编码的Cursor）及逐步采用人工智能的传统企业，目前创业公司贡献更多收入，未来大型企业采用成熟后可能反转。

竞争格局：在流处理领域，Kafka已击败AWS Kinesis等竞争对手成为行业标准，与云厂商主要是合作关系（推动数据流向云服务），仅与少数流处理产品存在竞争。

短期目标：把握人工智能带来的实时数据需求增长机遇，重点发展实时上下文数据处理、生成与服务功能。

中长期战略：

人工智能将推动软件生产力阶跃式提升，软件数量和应用范围扩大，Confluent作为数据连接层将受益于更多数据流动需求。

企业对实时数据的需求（如AI客服需实时用户数据）成为强劲增长动力，公司将持续强化跨环境数据流动能力和完整平台优势。

LLM行业 consolidation：大型语言模型领域进入壁垒高（资本、技术积累），但企业倾向于多供应商竞争以控制成本，预计不会出现单一垄断，可能形成类似云服务市场的多强格局。

开源软件趋势：开源在基础设施层作为标准化机制持续重要，Kafka因生态系统和网络效应成为流处理标准，Confluent通过托管服务、完整平台和跨环境能力实现差异化。

模型数量与竞争：世界需要多个LLM模型，企业偏好竞争环境，新进入者难以撼动现有格局，但现有模型厂商难以垄断所有功能，将有垂直应用和基础设施层机会。

物理世界AI与机器人技术：被视为除LLM外值得关注的重要领域，若取得进展将带来深远影响。

管理层认为人工智能是重大技术变革，目前处于早期阶段，未来将通过多种机制释放价值；

Confluent作为实时数据平台提供商，凭借在数据连接、跨环境流动和完整解决方案的优势，有望在人工智能驱动的软件扩张周期中持续受益；

感谢参会者，强调对行业趋势的积极展望及公司的战略定位。<|FCResponseEnd|>【翻译结果】

Jay Kreps（联合创始人、董事长兼首席执行官）

Matt Hedberg

先快速介绍一些研究情况。但现在是主要环节，我们将迎来我们的贵宾——Confluent的联合创始人兼首席执行官Jay Kreps。与他一同出席的是。与他一同出席的是Matt Hedberg，我们的全球技术研究主管。Matt在《Imagine》报告中发挥了重要作用。所以谢谢你。谢谢，Mark。

好的。我们到齐了。这是一个很棒的团队。谢谢你，Jay，谢谢你能来。是的，很高兴来到这里。还有Shane，Shane也在附近的某个地方。我不知道Shane在哪里，但谢谢你，Shane，不管你在哪里。去吃午饭了吗？是的，他去吃午饭了。是的。我不知道。之后我们得想办法按需提供午餐。没错。好了，谢谢大家的参与。我们有41分钟的时间。我大概有两个小时的问题要问，但我们会控制。现场会有一些麦克风，所以我确实想留出提问的机会。Jay是一位了不起的创始人、远见卓识者、科技爱好者。显然，他是Confluent的首席执行官和创始人。他还在多个董事会任职。作为一位有远见的人。当我们思考未来，并结合我们的《Imagine》报告时，我认为这是一个很好的机会来谈论未来、谈论人工智能、谈论Confluent，以及我们似乎正在经历的这个超级周期。

所以，Jay，谢谢你的参与。

是的，是的，很高兴来到这里。

那么，让我们从眼前最明显的话题开始。我们正处于这个人工智能超级周期中。在你的职业生涯中，你见证了很多技术周期。是的，我们俩都是。我们的头发都不多了。所以我想我们可能都见证了类似的周期。但是你知道，人工智能正在引发计算升级周期，世界上很多人认为我们正面临计算资源短缺。是的。所以，你知道，我想知道，从今天的角度来看，你如何将这个人工智能周期与你见过的之前的周期进行比较？我们就从这个问题开始吧。

是的，我的意思是，首先，我认为这个周期明显更大。你知道，我们所说的大多数周期实际上都是计算范式内的周期。而我认为这正在打开另一个局面。如果你想想我们可以用计算机解决的所有问题，我们有一种方法是通过非常精确的业务逻辑和规则来解决问题，并不断叠加这些逻辑和规则。但这确实打开了更广泛的一系列问题，这些问题以前我们无法用技术或软件解决，而现在我们越来越有能力解决它们。

关于这种进步的速度总是存在疑问，我认为这是一个悬而未决的问题。到目前为止，我们看到的实际上是一波又一波的兴奋、担忧、再兴奋、再担忧。但如果你看看人工智能基准测试的实际进展，它一直非常稳定。有一条上升的线。一条上升的线并不意味着它会永远上升。

对。

但尽管如此，你最好的预测是下一个点可能会落在这条线上。你知道，关于经济价值释放的速度与创造智能的速度之间的关系，这是一个非常开放的问题。是的，没错。但尽管如此，我认为这种炒作是合理的。没错。这是一件非常重要的事情。

那么，让我们进行比较和对比。互联网和移动技术在过去几十年中无疑是重大趋势。我们在这个人工智能周期中处于什么位置？我的意思是，我听人说我们可能像1997年、1998年。从你的角度来看，我们在这个周期中处于什么阶段？

是的，我的意思是，我们仍然处于非常早期的阶段。在很大程度上。这个周期很奇怪，因为它实际上取决于智能问题研究进展的有效性。正如我所说，这条线在上升，假设它会继续上升。这必须是你预测的最有可能的结果。但这不是唯一的结果。如果你看价值实现，它仍然非常早期。我们正在创造一个有趣的产物。显然，消费者用例已经兴起，这很有趣，你知道，为人们回答有趣的问题。

企业用例已经开始发展，在某些领域有非常大的进展。你知道，我认为编码领域的进展是一个明显的例子，你知道，这将被普遍采用，并具有非常深远的价值。没错。所以，做大量的工作，你可以看到这个领域的进展非常迅速。因此，我认为，无论你如何看待它，它在很多方面都是领先指标、范例或煤矿里的金丝雀。

我确实认为编码是一种正在被人工智能快速吞噬的知识工作。所以我认为这是一个有趣的现象。你知道，作为一名软件工程师出身并在这个行业工作过，看着这一切发生，对我来说当然更容易理解这种影响。如果我关注的是药物发现等我一无所知的领域，从外部可能无法确切知道正在发生什么。

当然。我们不是来回答我们是否处于人工智能泡沫以及我们在这个周期中处于什么位置的问题，但根据你的回答，如果你开始看到一些早期的人工智能生产工作负载，并且你谈到了代码建议，还有其他证据表明人工智能正在惠及经济，那么我们可能仍然处于这个周期的早期阶段，我想随着时间的推移，我们会看到更多的证据。但关于这一点还有其他想法吗？

是的，我认为这是对的。我认为我对任何一种大型通用技术的观察是，如果有的话，我们往往低估了它们可能产生的影响，然后低估了充分实现这些影响所需的时间。互联网的情况确实如此。这需要一定的时间来展开。人工智能可能会快一点，但不是几个月的事情。然后。是的，在日常工作和不同类型的工作中，我们处于什么阶段？你知道，我们还处于非常早期的阶段。是的，非常早期。企业在弄清楚如何使用这些技术方面也处于非常早期的阶段。

所以我认为，无论你怎么看，这可能都是好消息。比如，我们会看到很多由此带来的变化，但显然有一种非常重要的新能力正在被引入，我认为它将全面影响公司的运营方式。

是的。这是一个TIMT会议，所以我是一名软件分析师。但是你知道，人工智能对TIMT的其他方面的影响与对软件的影响不同。从人工智能的角度来看，“软件已死”的说法似乎已经流传了好几年了。是的。你们有不同的模式。这不是基于SEAT的模式。所以你们没有面临一些类似的压力，但从你的角度来看，你如何看待人工智能在未来改变软件？我们需要注意哪些更大的变化因素？

是的，是的，我认为，你知道，我听到过这方面的不同观点。你知道，首先，我想说，从目前发生的情况来看，最明显的近期影响是将会有更多的软件。是的，没错。所以所有这些人工智能编码正在生成应用程序，将会有很多应用程序，你知道，这在不同领域的影响可能不同，但你知道，我们处于数据层并支持这一点。你知道，我们觉得，嘿，在可预见的未来，这对我们来说肯定是一个非常强大的趋势。

我确实认为有。

你。

知道，公司必须正确把握一些细节才能驾驭这种趋势。你知道，基于SEAT的许可挑战，我认为这是真实存在的，但不是根本性的。你知道，我认为人工智能确实需要某种基于使用量的定价，因为它非常昂贵。没错。所以你不能简单地把它附加进去。基于席位的模式实际上假设你的软件成本是固定的，然后你实际上是根据你提供价值的人数来定价。但为一个席位提供服务的实际成本可以忽略不计。

是的。

对于许多这些人工智能工作负载，特别是当人工智能承担一些后台任务并一直在工作时，这是一个非常昂贵的事情，不会免费提供。你知道，它必须体现在定价模式中。但如果你仔细想想，我不认为这对那些。

对于基于C的模式。

是的，我的意思是，你看，为了捕捉价值，定价总会有细微差别，公司会不断演变定价方式。只要有价值可以捕捉，公司就会想办法根据价值定价。所以这是一种变化。但我只是，人们把这作为一种根本性的威胁提出来。我只是不这么认为。

作为，它不是。

是的，我认为，你知道，一个更根本的挑战是，我确实认为我们将软件应用程序主要视为这些小小的用户界面孤岛。如果你想想这些系统将如何协同工作，多年来这种情况已经不那么真实了，人工智能可能会让它更加不真实，我确实认为访问驱动功能的数据和API将与你在手机或网络浏览器上看到的东西一样重要。因此，如果公司的主要护城河和粘性是人类非常熟悉在用户界面中点击某些东西，我会说这种护城河的效果会减弱。

没错。在一个存在大量智能体人工智能的世界里，我们还没有进入那个世界，但这是发展方向。所以我确实认为你可以将其视为一种变化，再次，在我们所处的数据和基础设施领域。我认为这是好事。这意味着，嘿，我们将访问更多这些东西，有更多的数据可以利用。但你可以将其视为一种变化。然后，你看，我认为我们处于一个动态的环境中。每当环境动态且有很多变化时，这就是每家公司都必须掌握的运营要素。

那么，如果你展望五年后的情况，因为现在感觉我们周围的定义都在发生变化，技术多年来一直在发展，当然有些公司蓬勃发展，有些公司衰落。软件在未来会是什么样子？它仅仅是一系列API和连接吗？这肯定会发挥Confluent的优势。但从你的角度来看，未来的软件会是什么样子？

是的，我的意思是，我不认为任何变化都是非黑即白的。你知道，旧的东西总会保留下来，你知道，人们仍然希望看到用户界面，你知道，不会仅仅是某种东西，你知道，它不会仅仅是某种东西突然出现并掌控整个公司。但我认为我们将看到更多对自动化应用程序之间发生的事情的兴趣，这些事情过去可能是由人类点击完成的。这将是一个很大的变化方向。

我认为总体而言，公司中的软件将会更多。更快地创建软件的能力实际上意味着我认为公司生成帮助他们开展业务的定制软件的能力将会更高。所以我认为你会看到更多这样的情况，我认为你会看到一个环境，在这个环境中，能够很好地利用这一点的公司会更成功，而不能弄清楚这一点的公司会不太成功。就像经济中发生这样的变化时，这会成为一个非常重要的竞争因素，必须掌握。

因此，我认为很多公司会将确保自己站在正确的一边作为重点。

那么，当你考虑护城河时，我认为护城河会随着技术的发展而变化。有人可能会说开源越来越普遍，未来专有代码可能不那么重要。当你为公司提供建议并考虑Confluent本身时，你如何看待这些护城河在未来的变化？是IT对数据的访问、合作伙伴关系、管理质量吗？

是的，我认为，你知道，所有经典的因素都很重要，对吧？你知道，获得规模、与客户的关系、任何具有网络效应的东西。对我们来说，我们处于连接许多不同数据系统的这一层。所以像这样的东西，你必须让所有人都同意，你知道，这种粘性非常重要，你知道。所以我认为所有这些经典的因素都很重要，你知道，我认为你可能会看到软件生产力的阶跃式提升，你会看到软件系统可以解决的问题类型的范围扩大。

没错。所以更多的软件，做更多的事情。是的，这就是变化。你知道，我们过去已经看到过这种变化的小版本。你知道，我们从一个人们用汇编语言编写软件应用程序的世界走来，如果你曾经尝试过，会发现这非常缓慢且低效。你知道，我们转向了更高层次的语言和库，生产力大大提高。这虽然经历了一段时间，但结果是什么？嗯，有了更多的软件，最终净价值更高，尽管创建软件变得更容易了。

你知道，在那个时期，软件工程师的价值实际上上升了，因为他们的经济生产力更高了，尽管由于编程变得更容易，每单位软件需要的软件工程师更少了。我认为你会看到这种情况的某种夸张版本，我认为你会看到创建软件的能力出现阶跃式提升。我认为这将对这些不同的数据系统、层和基础设施以及云产生大量需求。我认为你会看到大量的经济价值从中产生。

你可以将其类比为技术领域的一些其他重大生产力飞跃。但我认为与编程语言、操作系统、网络等领域的缓慢进步相比，这可能会加速很多，这些进步可能持续了几十年。

你谈到了实时数据的重要性。你知道，我成长的那个年代，我曾经是一名COBOL程序员。

那是艰苦的日子。

是的，艰苦的日子。

所以你非常了解。

我非常了解。我知道批处理，你知道，那是一个痛苦的世界。但是当你今天与客户交谈时，你知道，关于实时性的重要性存在争议。你知道，我们将走向何方？实时性的相关性以及相关的思考。

是的，是的。你知道，我将从基本原则来描述它，你知道，随着软件在公司运营中发挥更大的作用，与公司正在发生的事情保持同步变得更加重要。对于人工智能来说尤其如此，它突然承担了这些更大的任务。例如，我们拥有的许多更复杂的数据处理通常是为商业智能服务的。它在业务的后端。你运行一堆数据管道，这样你就可以看到一些报告。而你做出决策或采取行动的方式是一些聪明的高管查看报告，然后打电话给某人说，哦，看看这个。

没错。我认为在过去五年中，甚至在未来五年中，我们看到的是一种向软件系统闭环的转变，在这种系统中，你观察业务运营，并通过软件对业务运营采取行动。要做到这一点，你需要从某个时间点的快照转变为必须与正在发生的事情保持同步。你可以在一些用例中清楚地看到这一点。

没错。例如，我们的一位客户进行基于人工智能的支持交互。这是一种非常经典的人工智能用例，比如帮助自动化一些客户支持。你知道，如果人工智能拥有的数据是过时的，那么这个产品根本无法工作。没错。所以如果它不知道你做了什么，产品中发生了什么，你买了什么，关于你和你正在做的事情的所有方面，那么无论模型有多智能都无关紧要。模型可能会变得聪明10倍。它仍然不能为你做任何有用的事情。

因此，能够利用和访问这些数据变得非常重要。我认为这是实时数据使用的根本驱动力，当我们考虑公司需要做什么来利用人工智能时，我认为这对我们来说是一个非常强劲的顺风。

我们看到一些公司加速增长。有趣的是，其中很多来自非数字原生公司。更广泛的经济领域。你对现在谁在采用人工智能有什么看法？显然，数字原生公司正在采用，你有很多数字原生客户。但是谈谈更广泛的经济领域。我们在采用水平上处于什么位置？

是的，是的。我的意思是，首先，从大型模型的训练到这些模型的采用和使用，存在一个漏斗。没错。这之间存在时间滞后，我们今天正在训练模型，这些模型将变得更好、更有用，并将在未来产生使用量和经济价值。因此，这里有一些增长。所以你看到的第一个增长是训练供应链中的任何东西。如果你看人工智能的实际使用情况，我认为正如你所说，进展最快的是数字原生公司围绕人工智能打包一些用例，并将其提供给客户，以便他们更快地采用该用例。

这是第一类。我们의客户如Cursor围绕编码展开。这是一个编码工具，有一个智能体试图为你进行更改，还有一个IDE帮助你获得编码建议。他们实际上并没有构建模型。模型来自Anthropic、OpenAI或其他公司。但他们将其包装成软件工程师易于使用的方式。我认为这可能进展最快。我不知道这是否是公司价值的最大部分。我的意思是，这个用例非常有价值。但我认为对公司来说，很多有价值的东西是用人工智能解决他们的核心业务问题。

这需要更长的时间，因为他们必须弄清楚如何做Cursor所做的事情。但他们不是从零开始。他们必须处理所有复杂的数据、系统、流程和法规。我认为他们在这些问题上也进展很快。但Qwik在这类组织中有不同的基准，我认为我们在这些用例中看到了进展。我认为组织在学习哪些类型的问题现在可以解决、他们需要什么样的团队才能有效、如何构建这些东西以取得成功方面存在一个学习循环。

但我认为我们也开始看到这些进展。我认为这些可以说是最大的解锁，因为现在正在将这种新能力应用于公司的独特业务。这些跨越各个行业。在保险领域，理赔处理有惊人的用例。在医疗保健领域，从账单到患者互动等等，有无数的事情。所有这些领域都有极其混乱的数据。将这些数据整合起来，并能够运用一些实际的智能，这是一个巨大的解锁。但在任何这些环境中推进都需要时间。

所以这是一个滞后指标，我认为我们还没有开始看到大部分影响。在组织中，你确实看到成功和失败的混合。这些组织往往会尝试一些事情，但没有完全做对，然后再回来。当然，在创业领域也是如此。你只是从未听说过那些失败的公司。对我们来说，我们开始，我们处于很多这些用例的数据流的核心。

当它们达到规模并形成实际的生产环境时，我们开始受益，你知道，这可能是

查看业绩会议全文

来源：

为提升阅读体验，雪球对本页面进行了排版优化

风险提示：用户发表的所有文章仅代表个人观点，与雪球的立场无关。投资决策需建立在独立思考之上。