在 $猎豹移动(CMCM)$ 2025年第一季度财报发布会上，管理层与10位分析师展开深入讨论，围绕AI战略、机器人进展、Agent OS商业化、盈利路径与投资策略等话题进行系统回应。
1) 我们注意到您在本次财报中提到AI的两个方向：一方面是工具型AI产品；另一方面是在服务机器人方向。从战略资源投入和未来三年营收贡献的角度来看，猎豹未来的发展重心会更偏向于打造“AI工具矩阵”，聚焦C端的AI效率提升？还是会将更多资源投入到机器人中？您如何权衡这两个方向在技术挑战、商业化节奏和长远护城河上的差异？（Thomas Chong，Jefferies）
傅盛：
我们认为，猎豹移动目前的两大核心业务 ——C 端的 AI 工具软件和机器人并不矛盾。从本质来看，所有产品的核心都是软件能力。以苹果为例，其软件体验是用户使用的核心，即便硬件制造能力也很强。
AI 工具矩阵与机器人业务是短线与长线的关系：
短期发展重点：AI 工具矩阵将借助 Agent 编程技术的成熟快速发展。通过对金山毒霸等传统软件进行 AI 改造，可使其焕发新活力。这也是今年可见的快速增长点。
长期战略布局：机器人可视为装载 AI 工具的硬件实体，虽技术挑战更偏向硬件长链条（相比 AI 工具的短平快），但属于长期发展方向。
从商业化节奏看，AI 工具矩阵的落地速度更快，这在行业中已得到明显体现；机器人业务则需要长期持续推进。护城河方面，机器人因涉及硬件和整体商业模式，护城河更宽；AI 工具矩阵的关键在于能否在垂直领域改变用户心智。
总结而言，AI 工具矩阵是当下能快速产生效益的领域，这也体现在公司互联网业务的良好增长上；机器人则是长期战略目标。
2) 我们看到机器人正在将“数据工厂”建设作为战略投资重点，目标是积累海量高质量物理世界数据用于模型训练。然而猎豹机器人实际部署中已积累了大量场景数据，能否请您分享公司在数据资产建设与自我进化等方面的思考？是否考虑未来向外提供数据或形成toB服务？（赵泽平，ICBC）
傅盛
今天我们看到机器人这个行业，尤其是服务机器人或者人形机器人，面临着许多难题。其中一个很重要的问题是，我们很难将人类劳动的数据转化为可以被机器人理解和使用的数据。这与自动驾驶不同，自动驾驶中人类驾驶的数据本质上就是机器可用的数据。
因此我们看到业内有很多关于数据工厂的建设探索，包括一些初创公司在推进。但我认为截至目前，机器人行业中关于数据工厂的工作距离真正实现产品化和商业化还非常早期。在可预见的三到五年内，甚至三年、五年都不敢确定是否能实现转变，因为AI发展变化很快。这些数据目前还不能在公司产品化方面发挥巨大作用。
我们确实在做一些探索性工作，但总体而言，我对机器人行业的长期前景持乐观态度，同时在当下阶段保持谨慎。我们已经在这个行业投入了七到八年，研发投入超过10亿元人民币。从早期起我们就进行了大量的基础研发，从技术论文到技术方向的探索，到最终的产品化，这其中仍有很长的路要走，而且行业形态也会不断变化，比如开源的介入等。
因此，对猎豹而言，数据工厂目前不是我们的重点。我们会持续关注，但不会盲目投入。未来是否会对外提供数据或To B服务，目前没有这方面的计划。因为实用化仍遥不可及。
我最近也在硅谷，与很多相关领域的创业公司交流，大家的共识是：这件事仍处于非常早期的阶段。目前关于数据工厂的实现方式，比如是用人远程遥控、视频迁移等，仍在探索当中。现在还没有一个明确可行的路径，就像ChatGPT那样已经形成明确通路、只需执行落地的阶段还没到。因此这个问题对我们来说还太早，目前也没有考虑向外提供To B服务。
3) 刚才听到管理层提到公司正借助开源VLA模型推动机器人智能演进。请问在当前开源生态日益成熟的背景下，公司在实际部署中如何权衡模型的开源使用与自研路径？特别是在推理效率、安全可控性与成本结构这三方面，公司是如何做技术与资源配置的？此外，站在中长期角度，公司更认为猎豹在机器人业务上的护城河应当建立在模型能力，还是场景数据资产之上？是否可能考虑通过数据闭环构建长尾优势？（陈彦龙，中信证券）
傅盛
关于模型选择的问题，绝大部分公司在开源与自研之间的权衡已经非常明确：如果开源模型更好用，就采用开源方案。因为在进行私有化部署的前提下，使用开源模型与自研模型没有本质区别，而且能够显著节省研发投入，没有必要重复造轮子。当前，包括腾讯的“元宝”、百度等也都在使用DeepSeek，因此没有哪家公司会执着于一定要自研，除非是像Google、OpenAI这类公司。
对于我们这样的公司来说，原则非常清晰：在有合适开源模型的情况下，坚决不进行模型自研。开源社区的强大，是任何单一公司都难以抗衡的，我们很早就达成了这样的共识，并在多个产品中贯彻，比如agent OS中也大量采用了开源方案。
在推理效率、安全可控性和成本结构这三个方面，我们认为推理效率是第一位的。目前许多模型在强调“先进性”，但较少考虑推理效率或具体应用场景。例如，使用DeepSeek时，如果一个问题需要等待数秒才能得到答案，在撰写文章等场景中尚可接受，但在机器人交互中显然无法接受。用户不会愿意等上五秒钟来获取机器人回应。
因此，在服务型机器人等商业应用场景中，我们必须优先考虑响应速度。在这方面我们做了大量细致工作，虽然安全可控性依然是基础项，但推理效率在我们的资源配置中优先级最高。成本结构相对而言压力较小，尤其随着token成本不断下降。
对任何面向市场的AI公司来说，推理效率都会成为重要考虑维度，尤其是在我们所处的场景中，这一点尤为关键。因此我们的技术研发重心放在模型响应速度的优化上。即使某个模型在技术指标上优秀，但若在机器人部署中延时太高，用户体验就会受到极大影响，变得不可接受。
至于中长期来看，猎豹在机器人业务上的护城河应该建立在模型能力还是场景数据上，我们认为毫无疑问是场景数据资产。所谓“模型能力”本质上是一个高度通用的能力。训练模型本身在中美等具备算力与人才的国家并不是难题，很多公司都可以基于开源论文和模型开展训练工作，只需采购GPU资源即可。
但真正具备优化模型底层结构能力的公司极为稀少。因此当前行业的共识是：大多数公司应将竞争优势建立在场景数据和资产上，而不是模型能力本身。这也是腾讯选择将DeepSeek嵌入“元宝”的原因。只有拥有足够场景数据，才能反哺模型训练，形成属于自身优势的模型。
类似的情况可以参考自动驾驶领域。虽然谷歌的模型能力非常强，但目前特斯拉的FSD体验显然更成熟，其优势正来自于广泛的终端部署和场景积累。
总结来说，我们的战略非常明确，不会将资源投入在盲目追求模型自研上，而是更关注产品落地和与用户的实际交互，从而积累高质量的场景数据，反过来提升开源模型的效果。即便仍使用开源模型，我们也能依托数据实现核心竞争力。在算力、算法和数据这三要素中，我们坚定地认为数据是最核心的决胜点。
4) 请问公司对于AI工具应用的商业化路径有何考虑？是否会考虑用户订阅制？还是推出企业SaaS产品，或2C授权等方向？在当前AI应用层逐渐从概念验证向实际商业价值转变的背景下，猎豹如何规划其商业化路径？（朱壹，方正证券）
傅盛
当前AI工具化的一个显著特征是“订阅制”成为主流商业模式，核心在于用户是否愿意为AI工具付费。AI本质上是生产力工具，因此其商业模式天然契合订阅制。从OpenAI的ChatGPT到如Cursor这类编程工具，基本都采取订阅制，并不断向多层级分化：用户使用越多、对效率提升越大，愿意承担更高的付费层级。
这也是AI与上一轮互联网浪潮的重要区别。如今AI的商业模式非常清晰、简单，且用户接受度极高。以我们开发的小产品DeepVo为例，近期已有用户主动提出付费意愿，部分用户已完成订阅。因此，“用户订阅制”已成为我们非常明确的方向。
考虑到我们在移动互联网工具全球化过程中曾遇到挫折，过去几年我们主动将多个工具产品转向订阅模式，包括金山毒霸在内。如今在中国软件市场中，订阅制已成为主流，广告驱动反而成为次要路径。用户为结果付费的逻辑，使我们能够专注于产品体验，而非围绕广告变现进行资源配置。这也解释了为何我们过去几个季度的互联网业务持续增长，订阅制成为一个关键支撑。
关于是否推出面向企业的产品，我们一直在推动企业SaaS相关尝试。我们对AI应用从概念向商业价值转化的路径也有清晰认识。
首先，在互联网业务上，我们通过引入AI Agent技术，推动产品从“交付功能”向“交付结果”的跃迁，例如在金山毒霸和其他海外软件中嵌入Agent技术。这是当前工作的核心方向。
其次，由于我们多年深耕工具类产品，Agent与工具的底层逻辑高度一致。过去由于技术限制，我们只能通过功能列表向用户交付服务，如今凭借Agent技术，我们能直接交付结果，极大提升了整体研发效率。这使我们能够在互联网领域推出更多创新应用，并以更低的研发成本实现快速试错和优化。
第三，在Agent这一技术大爆发的窗口期，我们将采取“小组化、轻量级”的创业模式开展快速创新，而非重投入策略。
最后，在机器人业务方面，我们的核心聚焦在“Agent OS”操作系统层面，与其他竞争者形成差异化。我们不涉足人形机器人或结构复杂的硬件设计，也不关注如除草等特定任务型机器人，而是专注于交互陪伴和任务规划型机器人，以软件为核心、硬件为支撑的架构体系。我们预计未来一到两个季度内，该战略路径将更加清晰。
5) 公司机器人这个季度有哪些进展？是否能分享一些实际落地的具体案例？从行业层面来看，本季度机器人行业有哪些显著变化，猎豹移动是如何洞察并应对这些变化的？（光大证券，黄铮）
傅盛
从行业层面来看，我们始终认为人形机器人距离真正的商业化应用仍有较长周期。这里所说的“商业化”是指可形成重复购买、具备生产力效应的真正商业化，而不是展览、出租或教学用途。目前这些细分市场已经出现，规模相对稳定，但要实现人形机器人在生产线等高效场景中的广泛应用，预计还需五年以上时间。
除了人形机器人近期受到热捧外，我们也观察到大量面向专项场景的机器人不断涌现，许多创业公司正围绕具体任务开发非人形、功能聚焦型的机器人产品，显示出行业结构正在发生变化。
就公司自身而言，我们在机器人业务上的发展思路已经进一步明确，重点体现在以下几个方面：
在技术路线方面，我们聚焦于“软硬一体”的交互体验，而非复杂的机械结构设计。尽管其他企业在类人动作的机械结构上表现强劲，这并非我们的优势所在。我们擅长的是如何让机器人在轮式移动中实现稳定可靠的导航，以及在人机交互中的自然性和智能性。
过去两年，我们的机器人在日本、韩国、欧洲等市场的企业客户中已完成落地验证，尤其在讲解、接待、推介、递送等场景中展现出良好效果。
在落地案例的进展方面，借助大语言模型的能力，我们在实际交付中实现了机器人在交互理解与任务规划上的显著提升。例如，北京城市副中心的展厅讲解项目已经落地，机器人在该场景中能够充当合格的讲解员。大语言模型的加入提升了其语义理解和响应能力，使其在现场具备实际使用价值。
此外，多语言能力也得以突破。过去我们必须依赖Google等外部服务实现多语种处理，路径复杂、体验有限；如今，借助大模型的能力，我们已开始在海外市场部署具备多语言交互能力的机器人，解决了语音交互长期以来的痛点。
在商业渠道与市场响应能力方面，目前我们在全球范围内已建立上百个代理商渠道，具备快速进入市场、快速获取用户反馈的能力。这为我们实现产品快速试用和迭代提供了重要保障，也使我们能及时洞察市场变化。例如，今年在国内市场中，尤其是以语音交互为核心的讲解场景，呈现出明显回暖趋势。我们的复购率和核心指标在2025年Q1和Q2均创历史新高。
未来我们将重点拓展如养老陪护等特定场景，计划推出专门面向陪伴用途的机器人产品，进一步深化在服务型机器人领域的布局。
6) 关于AgentOS，能否请您进一步分享客户反馈？包括用户粘性、客户满意度、是否已有定制化部署或主动询价？此外，公司内部如何评估AgentOS的商业化节奏？（中金 Sophie，张潇丹）
傅盛
一个产品无论名称多响亮，最终仍需用户买单。目前我们在用户满意度方面进行了一些调研，大多数客户反映，在真实与人对话以及多人噪音环境下，机器人的响应能力相比上一代已有明显提升，整体用户满意度大幅上升。尽管目前尚未对外发布具体数据，后续我们可能会通过文章形式进一步披露。
在定制化部署方面，有一个明显趋势。可以借用福特的一句话——“如果你问顾客要什么，他不会说要汽车，而是更快的马车。”过去由于NLP（自然语言处理）技术尚不成熟，典型路径是“语音转文字 + NLP”，很难满足用户期望，导致交互体验不足。很多人购买智能音箱后发现，除了点歌以外，稍复杂的对话系统就难以应对。
但随着ChatGPT的出现，用户发现系统可以理解复杂指令，从而推动了应用场景的广泛发展。在此背景下，我们推出的Agent OS系统，融合了多传感器输入，包括视觉、麦克风阵列，甚至雷达等，显著提升了用户意图识别能力。这一进步为市场打开带来可能性。
目前我们已在国内启动相关定制化部署与询价工作，尽管细节尚未对外披露，但已经进入实际操作阶段。我们也同步对代理商开展培训，并授权其使用我们的二次开发平台，使其能够在平台上实现自身的应用开发。
关于Agent OS的商业化节奏评估，我们将重点观察语音交互类机器人的销售进展。当前为2025年Q2，我们希望在Q3能够达到既定的商业化目标。这一阶段非常关键，我们的核心关注点是如何更高效地实现用户需求与产品能力的整合，使产品能够真正实现“讲解员可以上岗、推销员优于人类”的商业目标。
如果这一步能够实现，我们有信心将其打造成具备规模化商业化能力的产品。从系统基础架构来看，目前的技术基础已基本具备，接下来是验证市场接受度与推广效率。
7) 猎豹目前手握超过2亿美元现金，请问是否考虑通过并购进一步补齐AI应用链条中的短板？（国元证券，李承儒）
CFO
感谢对公司现金储备规模及战略投资方向的关注。目前我们持有超过2亿美元的现金储备，为公司在战略上的灵活应对提供了有力保障。
猎豹的投资部门近年来持续密切关注人工智能领域的发展，重点聚焦于AI大模型、垂直AI应用以及机器人技术产业链的上下游。我们始终认为，通过外部合作或整合，加速关键能力的构建，是提升猎豹在AI领域长期竞争力的重要路径。
在并购策略方面，我们的核心考量集中在两个维度：一是与猎豹整体战略的契合度，二是对股东长期价值创造的潜力。对于潜在的目标公司，我们通常从以下四个方面进行系统性评估：
技术与业务协同：目标公司在技术路径与业务模式上是否与猎豹具有高度协同；
战略价值提升：能否为猎豹在关键领域的布局带来明显的战略推动；
文化与价值观契合：团队是否与猎豹的文化体系及价值观高度一致；
财务估值合理性：目标的估值是否合理，是否具备可持续的财务模型。
当一个标的在上述维度均符合我们的标准，且双方能在战略愿景上高度一致时，我们会将并购视为加速AI或机器人产业链能力建设的重要战略选项。
此外，我们在评估过程中保持灵活开放的态度，会根据不同标的的发展阶段和合作深度，采用多种合作方式，包括但不限于少数股权投资、战略合作、合资等方式，积极参与生态系统建设。
总结而言，我们在使用现金储备时始终坚持“最大化股东长期价值”的原则。在AI与机器人这两个战略重点领域，我们将持续主动寻找、严格评估一切有助于构建竞争优势和提升价值的合作机会，其中也包括符合我们标准的战略性并购。
8) 公司在2025年下半年能实现整体盈亏平衡吗？我想进一步了解，在收入端，未来实现盈利更多是依赖互联网业务的恢复性增长，还是AI业务的新增动能驱动？同时，我们注意到过去几个季度互联网业务收入增长不错，请问这背后的主要驱动因素是哪些？这些因素是否具备可持续性？对于后续几个季度，管理层是否可以给出一些方向性判断，关于互联网板块的收入增速和利润率水平？此外，AI业务目前仍处在投入期，公司是否设有阶段性盈亏平衡的内部规划？（国海证券，詹广鹏）
CFO
您的问题涉及盈亏平衡、增长动力以及业务展望几个方面，我将逐一进行回应。
关于公司下半年整体盈亏平衡的展望，实现下半年盈利是我们内部的重要目标，但也面临一定挑战。能否达成这一目标，在很大程度上取决于核心业务，尤其是AI业务的进展速度以及整体市场环境的变化。管理层和团队将全力以赴推动目标实现，并会根据实际进展，适时向市场更新预期。
未来盈利的主要驱动力将来自AI和其他新业务的拓展。互联网业务作为公司的基本盘，预计仍将保持稳定增长。
近年来，互联网业务增长的关键在于我们从以广告为主的商业模式，全面转型为以用户付费为核心，真正回归产品价值。通过坚持用户至上和持续打磨产品力，我们实现了用户规模的稳步增长，同时建立了稳健的长期合作伙伴关系及有效的获客渠道。我们认为这些增长动力具有可持续性。未来互联网业务的增长，将依赖于在现有合作基础上进一步拓展新伙伴和新渠道，同时充分发挥AI agent技术的作用，推动传统PC端和移动端工具产品的智能化升级，提升产品竞争力。
关于互联网板块的增长速度与利润率，尽管短期内我们不对外披露具体数据，但其表现仍主要取决于未来几个季度中是否能成功拓展新渠道、建立更多合作关系，并实现AI agent技术对现有产品的有效赋能和功能落地。我们也会在这些方向上积极推进。
最后，关于AI的投入与规划，我们的重点是围绕用户需求和商业化前景，将研发资源集中投入到高潜力场景，打磨核心产品。AI尤其是机器人业务，是我们未来最重要的增长引擎之一。目前，该业务正处于关键的战略投入阶段。我们已在内部制定明确而积极的盈亏平衡目标，接下来将重点推出能够适应多种使用场景的产品，力争尽快实现商业化落地并达成盈亏平衡。
9) AI与其他业务板块Q1亏损显著收窄，请问背后主要是哪些投入收敛了？是否代表早期的探索性项目已完成淘汰，开始向ROI导向转型？在当前AI投资从概念验证向实际商业价值转变的背景下，猎豹如何调整其投资策略？（国泰海通，刁云鹏）
傅盛
关于亏损及其他模块亏损显著收窄的原因，不仅仅在于运营改善，更在于我们对战略方向的明确调整。首先，一些探索性工作已阶段性完成。例如，我们认为在公司当前体量下，自主进行大模型预训练已无明显意义。因此，我们停止了这一方向的投入，节省了大量算力成本。此前我们完成了两个预训练模型的开发，一个为140亿参数的模型，另一个是一个7×8结构的MoE模型。在团队已掌握完整技术链条和能力后，我们决定不再继续此方向。
我们判断，未来真正以“模型能力”制胜的公司会极少，更多公司将以“应用能力”取胜。未来若应用成熟、场景明确，再进行底层模型的改造会更具价值。因此我们现阶段专注于AI应用的实际落地。
其次，我们在研发效率上也进行了显著优化，并果断淘汰了部分不具备长期潜力的项目。例如，在过去我们曾开展面向大型企业的系统性项目，但经评估后发现其不适合我们的核心能力和发展路径，因此及时调整退出。
目前，公司几乎所有业务线，包括互联网业务、机器人业务以及新研发产品，均已全面转向ROI导向模式。我们认为，在机器人领域，技术先进性本身并不构成竞争优势。真正的优势在于能否尽快找到有效场景，实现规模化落地。只有在实际用户增长和市场反馈中建立起产品价值，才能获得先发优势，而非单纯依赖技术突破。
尽管如此，我们不会完全放弃探索性项目。在AI Agent带来的应用范式变革中，行业尚未形成统一路径，因此仍需开展部分探索性业务。我们将以“老业务AI化改造”和“新业务探索性孵化”双线并进的方式推进，同时坚持以ROI为核心考量。
AI Agent业务因其清晰的订阅付费模式，使我们可以明确衡量业务价值。这也成为我们运营管理中的重要依据。总结来说，我们当前的发展思路包括：
通过AI Agent技术对现有产品进行效率提升与功能重构；
在机器人业务中，强调交互与任务规划能力，而非机械结构复杂性；
采用“小团队、快节奏”的创新机制持续推动Agent相关业务探索；
坚持ROI导向作为投资与运营的核心标准，无论是内部孵化项目，还是外部投资机会，均需具备明确的市场回报与商业转化能力。
我们认为，在AI Agent推动的从概念验证向实际商业价值过渡的阶段，这一策略将为公司带来更高效的发展路径。
10) 在当前国内外大模型能力逐渐趋同的背景下，猎豹在AI应用层的竞争优势体现在哪些方面？如何防范未来被复制或被平台化产品边缘化的风险？（广发证券，周喆）
傅盛
关于“大模型能力驱动下，AI Agent是否容易被平台边缘化”的问题，这是我近期深入思考和实践的议题。
当前，由于大模型具备通用智能能力，真正做出优质Agent产品的公司，反而不容易被平台边缘化。其根本原因在于，许多现有平台构建在过往体验逻辑之上，而Agent所带来的用户体验是全新的、颠覆性的。
以搜索为例，尽管谷歌深耕多年，但如今像Perplexity、ChatGPT等AI产品已经对传统搜索体验造成冲击，部分垂类流量正在向这类新型产品转移。这种趋势在国内也非常明显。此外，在编程领域，像Cursor这样的工具在用户体验和应用效率上迅速崛起，超越了许多传统开发工具。
从用户视角出发，Agent所带来的体验是传统软件架构难以提供的。通过重塑用户认知，Agent产品开辟了全新的产品体验路径。这种变革性的体验，使得新产品有机会在用户端建立新的价值锚点，因此是平台更应担心的存在。
此外，由于大模型能力趋于开源与同质化，目前市场上没有绝对领先的“杀手级模型”。Agent产品可基于不同大模型能力构建体验，例如使用Gemini、DeepSeek或调用多种API组合，其体验建立在多模型能力的集成之上。因此，用户最终感知到的是稳定、综合、强大的体验，而非模型厂商本身。
以我们推出的DeepVo为例，其会议总结能力显著优于国内外多款知名产品，已获得用户主动付费，体现出小团队也能基于大模型能力打造出具有竞争力的产品。这种能力的提升随着大模型进步“水涨船高”，Agent产品反而因具备对优质模型的自动选择与适配能力，而不易被单一新模型所替代。
这种产品模式的本质，类似电力系统。大模型就像是提供电力的电厂，只要其能力越稳定、越强大，Agent产品的“用电效率”就越高，用户体验也会随之提升。
虽然未来大平台可能将部分Agent功能纳入生态，但在大模型技术变革期，中小公司因响应速度快、产品迭代灵活，具备率先打磨出用户价值、形成增长飞轮的优势。一旦这一飞轮形成，即可构建真正的用户护城河，不容易被平台复制或取代。
这也是为什么我们认为中小型企业仍有大量创新机会。只要能够真正满足用户需求，Agent产品就有可能在新一轮竞争中建立独特优势。以金山毒霸为例，作为已有20年历史的产品，我们始终紧跟技术变革，从早期的互联网化、会员制转型，到今天AI能力加持下的持续优化，使其仍保持良好的盈利能力。像这样的产品，即使面对平台生态，也难以被轻易替代。
因此，在AI Agent这一波范式革命中，我们认为，中小团队若能抓住用户体验与价值的核心，就能够脱颖而出，构建牢固的市场地位。
精彩评论