Innodata ( INOD ) 2025年第四季度财报电话会议记录

<p>图片来源：The Motley Fool。</p>
<h2>日期</h2>
<p>2026年2月26日，美国东部时间下午5点</p>
<h2>电话会议参与者</h2>
<ul>
<li>董事长兼首席执行官 — Jack Abuhoff</li>
<li>临时首席财务官 — Marissa Espineli</li>
<li>总法律顾问 — Amy Agress</li>
<li>财务与公司发展高级副总裁 — Aneesh Pendharkar</li>
</ul>
<p>需要 Motley Fool 分析师的评论？发送电子邮件至 <a href="/cdn-cgi/l/email-protection">[email protected]</a></p>
<h2>要点</h2>
<ul>
<li>收入 -- 本季度为7240万美元，同比增长22%。</li>
<li>全年收入 -- 2.517亿美元，同比增长48%。</li>
<li>调整后毛利率 -- 本季度为42%，高于外部沟通的40%目标。</li>
<li>调整后EBITDA -- 1570万美元，占收入的22%；超出分析师预期120万美元。</li>
<li>现金 -- 季度末为8220万美元，环比增加约840万美元，同比增加3530万美元。</li>
<li>债务利用 -- 3000万美元的富国银行信贷额度未提取。</li>
<li>创新与投资 -- 在销货成本和销售、一般及行政费用方面的增长驱动型投资，特别是在产能、工程师、数据科学家和面向客户的领导层方面。</li>
<li>客户构成 -- 管理层预计最大客户的支出将增加，而其余客户群的总体增长预计将以更快的速度发生，并将包括MAG-seven、国内AI创新实验室、主权AI计划和领先企业。</li>
<li>客户多元化 -- 收入增长预计将变得不那么集中，这将得益于不断扩大且日益多样化的主要客户群。</li>
<li>收入指引 -- 预计2026年同比增长至少35%，基于可见的、活跃的项目和最近赢得的合同；管理层指出，由于LLM和AI驱动的计划的步伐，可能存在显著的上升空间。</li>
<li>工作流程转型 -- 第一季度，最大客户的约2000万美元的训练后工作流程收入运行率被折旧，并被新的训练后和规模化的预训练计划所取代，从而产生了积极的净收入运行率影响。</li>
<li>调整后毛利率指引 -- 管理层预计2026年初调整后毛利率在35%-40%之间，随着新计划的启动和工作流程创新的规模化，将逐步恢复到40%的目标。</li>
<li>技术进步 -- 引入并扩展了用于代理评估、代理优化管道、对抗性模拟以及物理AI大规模数据工程的专有系统，包括应用于以自我为中心和可供性数据集。</li>
<li>基准性能 -- 开发了一个用于无人机和小物体检测的AI模型，在先前最先进的基准上提高了6.45%，强调了商业和双重用途的应用。</li>
<li>来自超大规模计算公司和网络安全公司的兴趣 -- 管理服务和对抗性训练计划吸引了超大规模计算公司、网络安全公司和相关政府专家的新的合作和兴趣。</li>
</ul>
<h2>摘要</h2>
<p>管理层披露了生成式AI、代理AI和物理AI方面的新创新计划，强调数据驱动的方法是产品演进的核心。用于代理评估和对抗性模拟的专有平台正在吸引新的客户，尤其是在超大规模计算公司和专注于安全的公司中。通过对人员和技术的持续再投资，Innodata（<a href="/quote/nasdaq/inod/">INOD</a> 7.88%）的领导层预计，随着混合软件-人服务产品的推出，利润率将得到改善，经常性收入将扩大，同时强调了对早期参与转化和扩大企业相关性的信心。</p>
<ul>
<li>公司管理层表示，“我们相信，由于我们已经做出和打算在未来做出的投资，我们正在进入Innodata Inc.的创新黄金时代。”</li>
<li>领导层强调，预计未来的毛利率将扩大，这将得益于自动化、合成系统和评估平台，这些平台在结构上增加了我们的运营杠杆。</li>
<li>管理层澄清说，增长指引是故意保守的，随着LLM计划的快速启动，可能会有上升空间。</li>
<li>在讨论客户多元化时，管理层表示，新的合同和加速的需求使Innodata能够从供应商迁移到AI生态系统中的基础层。</li>
</ul>
<h2>行业术语表</h2>
<ul>
<li>LLM：大型语言模型；一个在大型数据集上训练的AI模型，用于理解和生成自然语言文本。</li>
<li>MAG-seven：管理层对美国七家最大科技公司的称呼，通常指微软、苹果、谷歌（Alphabet）、亚马逊、Meta、英伟达和特斯拉。</li>
<li>以自我为中心的数据：从机器人或配备传感器的设备的第一人称视角捕获的数据，反映了直接的环境体验。</li>
<li>可供性数据：结构化数据，用于教AI系统关于在特定情境下与物理对象进行可能的操作或交互。</li>
<li>对抗性模拟：系统生成、复杂的数据，用于测试AI在面对复杂攻击或现实世界威胁时的鲁棒性。</li>
</ul>
<h2>完整电话会议记录</h2>
<p>主持人：女士们，先生们，下午好，欢迎参加Innodata Inc. 2025财年第四季度及全年业绩电话会议。此时，所有线路均处于仅听模式。演示结束后，我们将进行问答环节。如果在本次通话中的任何时候需要紧急帮助，请按0联系接线员。本次通话正在录音，日期为2026年2月26日，星期四。现在我将会议转交给总法律顾问Amy Agress。请开始。</p>
<p>Amy Agress：谢谢，主持人。大家下午好。感谢大家今天参加我们的会议。今天我们的发言人是Innodata Inc.董事长兼首席执行官Jack Abuhoff，以及临时首席财务官Marissa Espineli。此外，财务与公司发展高级副总裁Aneesh Pendharkar也参加了本次会议。首席营收官Rahul Singhal今天无法参加，但他期待在下次会议上与大家见面。首先，我们将听Jack介绍业务情况，然后Marissa将回顾我们2025年第四季度和全年的业绩。之后，我们将回答分析师的提问。</p>
<p>在开始之前，我想提醒大家，在本次通话中，我们将发表前瞻性声明，这些声明是对未来事件的预测、预测和其他陈述。这些声明基于当前的预期、假设和估计，并受风险和不确定性的影响。实际结果可能与这些前瞻性声明所设想的结果存在重大差异。可能导致这些结果存在重大差异的因素在今天的新闻稿、我们的10-K表格、10-Q表格以及向美国证券交易委员会提交的其他报告和备案文件的风险因素部分中有所列出。我们不承担更新前瞻性信息的义务。此外，在本次通话中，我们可能会讨论某些非GAAP财务指标。</p>
<p>在我们今天向SEC提交的收益报告以及我们网站上发布的其他SEC备案文件中，您将找到有关这些非GAAP财务指标的更多披露，包括这些指标与可比GAAP指标的对账。谢谢。现在我将把会议转交给Jack。</p>
<p>Jack Abuhoff：谢谢Amy，大家下午好。第四季度对Innodata Inc.来说又是一个强劲的季度。我们实现了7240万美元的收入，同比增长22%。这使得我们全年的收入达到2.517亿美元，相当于2025年同比增长48%。我们第四季度的合并调整后毛利率为42%，超出了我们外部沟通的40%目标。我们的调整后EBITDA总计1570万美元，占收入的22%，也超出了分析师预期的120万美元。事实上，我们的业绩在收入、调整后EBITDA、净利润和每股收益等关键指标上都超出了分析师的预期。我们以8220万美元的现金结束了这一年，环比增加了约840万美元。我们在实现这些业绩的同时，还在销货成本和销售、一般及行政费用方面进行了有意义的、面向增长的投资。</p>
<p>在销货成本方面，我们提前为收入增长做好了产能准备，这始终被证明是正确的举措。在销售、一般及行政费用方面，我们投资了工程师、数据科学家和面向客户的客户管理领导层，这些投资也被证明是明智的。构建了扩大我们机会的创新。我们相信我们的业务势头正处于历史最高点。我们看到整个AI生命周期都有强劲的需求，涵盖开发、评估和持续的模型优化。我们相信我们正在获得广泛且多元化的众多大型客户的认可。由于市场需求和日益增长的认可，我们预计2026年将是又一个可能非凡增长的一年。我们目前估计，2026年的同比增长可能约为35%或更高。</p>
<p>这一估计反映了活跃的项目、最近赢得的合同、后期评估以及我们有清晰视线的机会。由于现在是年初，而且LLM计划启动迅速，我们认为这个范围可能存在显著的上升空间。然而，我们倾向于保守指导，并在可见度增加时向上调整。同时，考虑到我们支持的计划的规模和复杂性、时间变动以及客户的研发计划、预算批准或研究重点的转移，可能会影响收入实现的速度。</p>
<p>我们的展望中包含了对最大客户支出将在今年有所增加的预期，以及其余客户群的总体增长速度将更快。我们预计这些其他客户的增长将来自MAG-seven、国内AI创新实验室、主权AI计划和领先企业的组合。我们相信这将为客户多元化做出有意义的贡献。我们的客户正在快速行动，驱动更短的开发周期，并对研究突破做出更快的反应。在2025年，我们在这种环境下取得成功，很大程度上是因为我们紧跟研究，预测客户需求，并在需要时进行调整。</p>
<p>举例来说，在今年的第一季度，对于我们最大的客户，我们折旧了相当数量的训练后工作流程，这些工作流程的总年化收入运行率约为2000万美元，但我们用新的训练后和规模化的预训练计划的组合取而代之，这是我们近期关注和投资的领域。从收入运行率的角度来看，净效应是积极的。事实上，我们相信持续创新对于实现我们2026年及以后的宏伟计划至关重要。真正令人兴奋的消息是，我们相信由于我们已经做出和打算在未来做出的投资，我们正在进入Innodata Inc.的创新黄金时代。</p>
<p>现在我将分享我们最近的一些创新举措。出于竞争原因，我们将适当地保持谨慎，但我们分享的内容将为您提供一个有意义的窗口，了解我们的思考方式、我们的投资方向、我们取得的成功以及我们打算如何抓住未来的机遇。我将简要介绍我们在三个领域的最新创新：生成式AI模型训练、代理AI和物理AI。在此之前，我想强调一个统一的主题。我将要讨论的每一项创新本质上都是一项数据创新。</p>
<p>无论目标是更强大的LLM、更可靠的自主代理，还是更智能的物理AI系统，数据质量、数据构成、数据验证和大规模数据工程都是核心问题。这些是我们的核心竞争力。我们将从生成式AI训练开始。历史上，客户告诉我们他们想要的训练数据类型。然而，越来越多的时候，他们要求我们诊断模型性能，设计正确的训练数据集，并证明这些数据集将显著改善结果。以下是它的工作原理。我们首先使用我们的评估框架来识别性能差距。然后，我们设计有针对性的数据集，并通过微调客户的模型或结构上相似的代理模型来验证其影响。只有在我们衡量并证明了性能影响之后，我们才会进行规模化。这使得讨论从“数据有多少”转变为“数据有多有效”。我们相信这种转变是由两个因素驱动的：AI研究的加速步伐以及训练更大模型所产生的成本和时间。关于数据有效性的对话直接发挥了我们的优势。我们还在改进创建数据集的方法，以提高长上下文推理能力——AI模型一次观察和推理大量信息的能力。这仍然是行业中最关键的技术挑战之一。</p>
<p>解决这个问题不仅需要架构上的改进，还需要大规模创建非常特定类型结构化训练数据的进步。创建能够提高长上下文推理能力的训练数据是一个非平凡的问题，但我们已经取得了有意义的进展，并且将继续取得进展。第二个创新领域是评估自主代理系统并通过有针对性的数据集创建来改进它们。我们相信，自主代理可能代表自电力诞生以来最重要的商业创新机会。但公司很快就会发现，许多在受控实验室环境中表现出色的AI代理在实际生产中性能会下降。现实世界是混乱的。</p>
<p>它受到边缘案例、冲突约束、不可预测的用户行为和对抗性条件的影响。解决这个问题根本上是一个数据挑战。代理必须通过现实、多样化和复杂的数据集进行持续训练和严格的压力测试。为此，我们开发了一套三个高度互补的混合解决方案。第一个是代理评估和可观测性平台。数据科学家可以在开发过程中使用我们的平台来可视化和注释代理