云端判断：系统记录万岁

本文信息来源：cloudedjudgement

记录系统已死。记录系统万岁

每隔几周我就会看到某种版本的相同说法：”新的记录系统是智能体”，或者”工作流吞噬记录系统”，或者”数据才是记录系统，应用只是轻量级视图”。这些说法都有一定道理，但我认为也很容易过度解读，不小心抛弃企业最需要的东西——与其说是”记录系统”，不如说是可靠的真相来源。

当我思考记录系统时，我实际上不是从产品类别的角度思考。我是从”真相存在于哪里”这个更无聊的视角来思考。换句话说，如果企业工作流在某个特定步骤需要知道某些信息，那个被认为是权威答案的唯一地方在哪里。因为随着工作流变得更加自动化、更加由智能体驱动，脆弱点往往与模型无关，而完全取决于智能体是否在正确的时间从正确的系统中提取了正确的值。如果报价到现金流程的早期步骤抓取了错误的价格清单，或错误的合同条款，或过期的 ARR 数字，那么工作流的其余部分现在就是在自信地自动化错误的事情。

任何在大公司工作过的人都知道，这在实践中会变得多么混乱。拿一个简单的问题来说：”我们的 ARR 是多少。”问销售部门，你会得到一个数字。问财务部门，你会得到另一个数字，带着一套不同的排除项和调整项。问会计部门，现在你谈论的是收入确认，而不是订单。问法务部门，他们会正确地提醒你，在一个快速增长的企业中，有一半的”ARR”背后的合同看起来完全不像你想要的那种整洁的循环订阅。即使是定义本身也很模糊。对于一个消费型业务，ARR 是基于上个月使用量的年化运行率，是合同承诺金额，是扣除折扣和积分后的合同承诺金额净值，还是一个打扮成循环指标的滞后十二个月计费数字。

现在想象一下，你告诉一个智能体：”按细分市场计算 ARR，然后给董事会发一份演示文稿。”它应该使用哪个 ARR。哪个表是规范的。如果销售和财务意见不一致，谁说了算。如果计费系统和数据仓库相差了几个百分点，智能体应该把哪个当作真相。这就是”记录系统已死”论点中让我觉得不对劲的部分。我们越是自动化，就越重要的是有人完成了那项不起眼的工作——决定什么是正确答案以及它存在于哪里。

历史上，记录系统以一种相当直接的方式解决了这个问题。你有一个用于客户和商机的 CRM 记录系统，一个用于财务的 ERP 系统，一个用于人员的 HRIS 系统，一个用于发票的计费系统，等等。它们并不完美，但每个领域都有一个主要的归属地。然后过去十年到来了，每个人都试图将这种现实集中到数据仓库或湖仓中。宣传语是，如果你把所有数据倒入一个地方，并在上面分层语义模型和指标定义，你最终会得到一个单一的真相来源，分析、仪表板和下游工具都可以达成一致。

在实践中，这一愿景部分实现了。数据仓库和湖仓在许多公司中确实成为了分析真相的引力中心。团队构建了精心设计的 dbt 模型，为”官方”指标建立了治理机制，并策划了向 BI 工具提供数据的黄金表。问题在于，这些大多存在于运营世界的下游。销售团队仍然在 Salesforce 中工作，财务团队仍然在 NetSuite 中结账，支持团队仍然在 Zendesk 中处理工单。数据仓库或湖仓是回顾性的镜子，而不是事务性的前门。

AI 代理以两种重要方式改变了这一等式。首先，它们本质上是跨系统的。当你告诉 AI 代理”执行报价到收款工作流”时，你是在要求它跨越 CRM、CPQ、计费、催收以及可能分散在组织各个角落的一些内部工具。其次，它们本质上是面向行动的。这不仅仅是运行报告或生成仪表板，而是采取改变底层系统状态的行动。这种组合意味着 AI 代理的能力取决于它对哪个系统拥有哪种真相，以及这些真相之间的契约是什么的理解程度。这就是看好 Databricks 这类公司的理由——它们成为 AI 代理的引力中心，并开始自己构建这些代理。

换句话说，智能体正在迫使我们将工作的用户体验与工作的真相来源分离。用户体验现在可以是聊天窗口、自然语言界面，或者是看起来与旧企业应用完全不同的专业智能体界面。但在底层，仍然需要有某个东西来说”这是规范的客户记录”或”这是具有法律约束力的合同条款”或”这个数字是我们向华尔街报告的数据”。这个”东西”可能是传统的记录系统，可能是基于数据仓库的语义层，也可能是新一类的”数据控制平面”产品，但它绝对不会消失。

这就是我认为数据仓库和湖仓开始看起来像是许多智能体工作流的天然基础的原因。它们已经试图跨域集中数据。它们已经承载了定义指标和业务实体的语义层。它们已经处于治理、血缘和访问控制的交汇点。如果你稍微眯起眼睛看，数据仓库加上指标层再加上治理工具，开始看起来不太像一个报告系统，而更像一个公司其他部门可以依赖的”真相注册表”。

缺失的部分是，这些技术栈大多是为运行查询的人类设计的，而不是为编排工作流的智能体设计的。人类可以在脑海中保持细微差别。如果财务和销售在年度经常性收入（ARR）上存在分歧，他们可以讨论并决定在董事会材料中使用哪个数字。智能体做不到这一点。它们需要明确的规则。它们需要将冲突解决机制融入数据模型中。它们需要知道”official_arr”是我们用于外部报告的指标，”sales_arr”是我们用于薪酬计划的指标，而”product_arr”是我们用于功能级分析的指标。它们需要数据仓库不仅存储数据，还要编码该数据的优先级和含义。

在运营方面也有类似的故事。我认为 CRM、ERP 或账单系统不会消失。相反，它们会悄然演变成更接近”带 API 的状态机”的东西，优化为程序化访问而非人工 UI。代理发起报价、计算定价、组装合同、协商修订条款，然后在适当的时候通过明确定义的边界将最终状态写入下游的记录系统。人类可能仍然在网页界面中看到该状态，但主要使用者是代理。记录系统不再是一个你到处点击的地方，而更多地成为机器进行对话的持久化存储和约束引擎。

如果你相信那个世界，那么”记录系统是否正在消亡”这个问题就开始有点像当人们从客户端-服务器应用转向 Web 应用时问”数据库是否正在消亡”。形式因子在改变。权力中心可能从单体 SaaS 前端迁移到共享数据层和工作流。但对于”这是真相，这是你被允许更改它的方式”这样一份契约的需求只会增加。

你已经可以从人们谈论”AI 原生”应用的方式中看到这种转变。最有趣的应用很少从构建另一个终端用户界面开始。它们从靠近数据仓库、CRM 或 ERP 系统开始，然后构建有主见的智能体来编排这些系统之间的工作。它们的优势通常是工作流设计、语义建模以及与客户现有真实数据源的紧密集成的组合。在营销话术之下，它们基本上是将企业数据的混乱现实包装在一个更清晰的契约中，以便智能体能够安全地运行。

这里还隐藏着一个估值角度。投资者热衷于讨论”记录系统”是否比”参与系统”获得更高的估值倍数，以及纯粹的工作流工具在这个谱系中的位置。智能体使这种框架变得复杂。一个建立在他人数据之上且可以轻易拔掉的智能体，可能不配拥有记录系统类型的持久性。而一个成为指标定义存放之处、实体模式定义之地，以及执行关于谁能做什么的策略的智能体平台，开始看起来更像是一个真相来源，即使底层数据存储在 Snowflake、Databricks 或某个操作数据库中。估值倍数将跟随真相的粘性，而非幻灯片上的流行词。

那么我的立场是什么。我不认为记录系统正在消亡。我认为它们正在被拆解和重新连接。”记录”部分，即实际的真相，将越来越多地存在于数据仓库、湖仓和仍然重要的操作系统的组合中。在此之上，我们将获得一个新的语义契约和控制平面层，告诉智能体如何安全地读写这些真相。曾经位于这些记录系统之上的熟悉的 SaaS 前端，随着时间推移将变得不那么重要。智能体和工作流用户界面将成为人类与工作交互的主要方式。但对于具有明确所有权和约束的、定义清晰的真相来源的底层需求，只会不断增长。

换句话说，智能体并没有取代记录系统。它们正在提高优秀记录系统的标准。在这一轮竞争中获胜的公司，将是那些在稳固可靠的事实来源之上构建出色智能体体验的公司，而不是那些假装这些来源已不再重要的公司。

季度报告摘要

市值/未来十二个月收入倍数前10名

周度股价涨幅前十

倍数更新

SaaS 企业的估值通常基于其收入的倍数——在大多数情况下是未来 12 个月的预期收入。收入倍数是一种简化的估值框架。鉴于大多数软件公司尚未盈利，或未产生有意义的自由现金流，这是唯一能够用来比较整个行业的指标。即使是 DCF 模型也充满了长期假设。SaaS 的价值主张在于，早期的增长会在成熟期带来利润。以下显示的倍数是通过企业价值（市值+债务-现金）/未来 12 个月收入计算得出的。

整体统计数据：

• 整体中位数：4.9倍
• 前5名中位数：22.7倍
• 10年期：4.2%

按增长分组。在下面的分组中，我将高增长定义为预计未来十二个月（NTM）增长>22%，中等增长为 15%-22%，低增长<15%。我不得不调整”高增长”的分界线。如果22%感觉有点武断，那是因为它确实如此……我只是选择了一个分界点，让大约10家公司符合高增长组别，这样样本量在统计上更有意义

• 高增长中位数：14.5倍
• 中等成长中位数：7.5倍
• 低增长中位数：3.7倍

企业价值 / 未来十二个月收入 / 未来十二个月增长率

下图显示了企业价值/未来12个月收入倍数除以未来12个月一致预期增长率的结果。因此，一家以20倍未来12个月收入交易、预计增长100%的公司，其交易倍数为0.2倍。该图表的目的是展示每只股票相对于其增长预期而言有多便宜或多昂贵。

EV / NTM FCF（企业价值/未来十二个月自由现金流）

折线图显示了所有自由现金流倍数 >0x 且 <100x 的公司的中位数。我创建这个子集是为了展示那些自由现金流是相关估值指标的公司。

预期自由现金流为负的公司未在图表中列出

EV / NTM 收入倍数与 NTM 收入增长散点图

增长与估值倍数的相关性有多强？

运营指标

• Median NTM growth rate: 12%  
• Median LTM growth rate: 13%  
• Median Gross Margin: 76%  
• Median Operating Margin (1%)  
• 中位自由现金流利润率：20%
• 中位净留存率：108%
• 中位 CAC 回收期：36 个月
• 中位销售与营销费用占收入比：37%
• 研发费用占收入中位数：23%
• 管理费用占收入中位数：15%

可比公司输出

“40法则”显示收入增长率 + 自由现金流利润率（增长率和利润率均包含过去十二个月和未来十二个月数据）。自由现金流计算方式为：经营活动现金流 – 资本支出

GM 调整后回收期的计算方式为：（上季度销售与营销费用）/（本季度净新增 ARR × 毛利率）× 12。它显示 SaaS 企业在毛利基础上收回其完全分摊的 CAC 所需的月数。大多数上市公司不报告净新增 ARR，因此我使用了一个隐含的 ARR 指标（季度订阅收入 × 4）。净新增 ARR 就是本季度的 ARR 减去上季度的 ARR。未披露订阅收入的公司已从分析中排除，并标注为 NA。

 

本文使用的资料来源包括彭博社、Pitchbook 和公司文件

本通讯中呈现的信息为作者个人观点，不一定反映任何其他个人或实体（包括 Altimeter Capital Management, LP（”Altimeter”））的观点。所提供的信息被认为来自可靠来源，但对任何不准确之处不承担责任。本通讯仅供参考，不应被视为投资建议。过往业绩不能保证未来表现。Altimeter 是在美国证券交易委员会注册的投资顾问。注册并不意味着具有特定水平的技能或培训。Altimeter 及其客户交易公开证券，并已经或可能对本文提及的公司进行投资或做出投资决策。本文表达的观点为作者观点，并非 Altimeter 或其客户的观点，后者保留做出投资决策或从事交易活动的权利，这些决策或活动可能与本文所表达的观点一致和/或不一致（或可能被解释为一致和/或不一致）。

本文及所呈现的信息仅供参考之用。文中表达的观点仅代表作者个人立场，不构成出售要约、购买建议或购买要约的招揽，也不构成对任何投资产品或服务的推荐。尽管文中某些信息来自被认为可靠的来源，但作者及其任何雇主或关联方均未独立验证这些信息，且无法保证其准确性和完整性。因此，对于本信息的公平性、准确性、时效性或完整性，不作任何明示或暗示的陈述或保证，亦不应依赖这些信息。作者及所有雇主和关联人员对本信息不承担任何责任，也没有义务在未来更新本文所含信息或分析。