5月9号上午，我穿上雪球调研团的队服，来到深圳南山调研极光（Aurora Mobile，纳斯达克股票代码：JG）。很荣幸得到多位高管接待，下面跟大家分享我的调研成果。

　　开发者业务（国内）是极光现阶段的第一大业务，大概占极光收入的60%，其特色是稳固的基本盘。我们的手机平时会收到各种APP的推送消息，这些推送服务大多依赖于第三方，即SaaS（Software as a Service）模式的服务。通过提供PaaS层的API，开发者调用起来非常容易，因此极光的客户以开发者群体为主。目前有77万开发者使用极光的服务，累计支撑超过180万APP的推送需求，每天通过平台发送的消息量高达128亿条。中国移动等三大运营商的日均短信发送量才100亿条，128亿条的体量是极其巨大的，也是极光积累海量数据的基础。

　　极光API每天的调用量有4亿次，比如我们在Agoda上买一张机票，Agoda需要发推送消息，告诉我们出票了，一般会调用API，去实时地触发。

　　极光主要的商业模式是订阅式服务，基础功能免费，但如果要用高级功能，就要转成付费版本，付费版本按年订阅付费。

　　极光现在有大于5千个高净值客户，有制造业和新能源汽车，比如英伟达、特斯拉、比亚迪，也有优衣库、全家、罗森就这类零售业态的，还有资深投顾和中石油、中石化、中国铁塔这些央企和运营商。

　　开发者业务比较平稳，国内新增的APP或者新的业态相对较少，极光开发者业务（国内）实现5%的平稳增长，并为其他业务线提供支撑。

　　第二大业务是垂直行业应用，通过数据价值变现，占了总收入的30%（增速20%），跟开发者业务（国内）一起共占了90%。数据要素拥有政策和趋势红利，极光主要在以下两个方向上做数据架构的商业化。

　　一是金融科技，主要用来帮助金融机构识别欺诈。极光在移动端APP的行为数据非常丰富，比如经常在手机上玩博彩的用户，其借贷风险就高。在手机上频繁切换VPN IP的用户，有可能涉嫌诈骗。这些用户行为会被量化为分值，服务于金融机构的风控系统，并按查询次数计费。

　　二是行业洞察，主要的客户群体是投资机构。极光提供涵盖线上和线下的全面统计数据，为投资决策提供依据。比如高盛、摩根发布的拼多多研究报告中就引用了极光的数据。

　　从两、三年前开始，国内需求相对疲软，从中国出海的客户推动公司出海，于是公司建立了完全海外版的服务，叫EngageLab。

　　海外产品跟国内的需求不一样，邮件服务需求非常强劲，于是极光并购了闪达，并且把它的服务一起打包到海外产品里面。

　　在海外客户的收入来源里面，有50%是中国出海企业，比如比亚迪、霸王茶姬、极兔、海底捞、库迪咖啡等，另外50%是本土客户。基于极光在国内业务打下的基础，随着中国企业出海，迎来了一波发展红利。海外开发者业务的收入目前占比只有10%，但年增速超过100%。公司认为出海业务会成为第二增长曲线。

　　两年前极光开发这个产品，不仅可以构建AI智能体，也有专门的团队去帮客户把AI智能体嵌入到不同的业务流程里面去。业务流程可能是客户的流程、外部的流程、hr的流程、内部的流程等等，最后在流程里面跑起来，有效降低人力成本。

　　AI业务的收费标准按照客户减少的人工成本来定价，如果客户减少了10个人的成本，极光大概收2个人的钱。客户一般会先买一点量，如果发现确实能省钱，就会增购。

　　AI业务去年才开始商业化，每个季度都以三位数百分比的速度增长。虽然目前基数尚小，但公司认为，它极有可能成为第三增长曲线。

　　场景理解能力：公司擅长嵌入到企业的业务流程，客户对极光比较信任，极光的产品设计得很灵活，可以非常容易地嵌入。

　　未来三年，极光的战略方向是巩固国内基本盘，利用国内数据要素的政策红利，做好随着行业大数据应用业务的增长，这可以保证带来稳定的现金流。加速海外的扩张，特别是开发者业务的海外扩张。在AI业务发力，希望成为第三增长曲线。

　　公司预计未来开发者业务（海外）和AI业务的增速会很快。目标是：在未来三年内，使企业级AI agent业务营收占比达到公司总营收的10%，开发者业务（海外）营收占比达到20%。

　　首先是月狐数据，这个产品在我去调研之前就已下载并试用。它能够查到各大APP的新增用户、日活月活、留存率等核心指标，以及年龄结构、男女占比、城市分布、使用时长等详细用户画像。除了分析单一APP，还可以对多个APP进行对比，比如几大平台的用户重合度，行业整体数据等等。月狐是综合了用户手机几十至上百款APP的行为统计出来的数据，甚至在某种程度上比各大APP运营商更了解其用户。APP运营商的数据更深入，而月狐数据则在广度上有优势。使用者主要是投资者、投资机构和行业分析机构。

　　然后是AI智能体，公司最先做的是GPTBot.ai这个域名，面向海外提供服务。原因在于GPT3.5发布的时候，国内还没有相关的好产品，正好EngageLab业务也在出海，所以先推出GPTBot.ai面向全球用户。

　　经过一年左右的发展，在产品比较成熟，国内各种模型也相继推出之后，公司就推出了面向中国大陆企业用户的在用户占比方面，.ai约占了70%，.cn约占了30%。

　　智能客服是第一大场景，占了60%左右。有游戏客服、电商售前和售后客服，其中售后客服可以解决用户大部分的问题，包括退换货和订单查询，也跟一些机器人公司有合作。

　　第二是企业搜索场景，企业可能既用企微，也用钉钉等工具，数据分散在不同的地方，只需做一个简单的授权，AI就可以读写企业的知识。读到知识之后，AI帮助梳理，多模态、图片、视频、音频等信息的整合，做好权限系统，实现知识的自动更新。对企业来说，可以通过一个简单的搜索框或对话框，完成对企业内部知识的检索、分析甚至出报告等等。比较典型的有银行和金融类型的客户，或者知识密集型行业，传统制造业也需求强烈，因为制造业里面的资料沉淀多，但IT能力有限，资料的体系化管理、结构化管理是非常难的。

　　第三是颇有潜力的营销场景，可以帮助销售团队做初筛。比如销售线索进入公司之后，以前是销售团队直接跟进，打电话、发邮件，效率较低。现在很多公司选择用AI做初筛，也就是AI发一封邮件，客户一旦回了邮件，全部由AI来接管邮件的回复。给跟进的AI设定一个目标，AI会把话题往该目标引导，同时判定邮件往来是否达到门槛，如果跨过了门槛，就会把这条线索上报到CRM系统。上报到CRM系统之后，会对客户过往的记录、需求做一个系统化的整理，然后提供给销售人员，销售人员不用再跟进初筛线索。传统市场部SDR团队的工作将被替代或提效。

　　最后是数据分析场景，国内对数据分析的需求很旺盛。在海外，数据流通比较便利，有很多数据分析的工具，但国内SaaS服务的门槛相对高，数据流通不太方便，大家希望用AI读自己的数据，做财务报告以及审计。

　　公司演示了对AI需求千奇百怪的案例。比如做宠物社交的客户希望用AI来识别宠物的声音，判断宠物的情绪，教育行业的客户需要AI推荐讲师。做新零售的客户希望分析SKU在线率和缺货率的数据，然后AI会执行数据库的查询，查询完之后告诉客户哪些在线率比较低、哪些授信率比较低，这两项可能是数据异常的品类，提供库存优化的建议。汽车4S店维修工程师可能会有专业上的问题，由厂家来维护AI智能体，然后给一些排除故障的方案。甚至有做房地产和瓷砖的客户，上传一张瓷砖的图片，要求AI做瓷砖品类的分析和质检。

　　整体来说，产品分为几个框架，一个是应用场景，也就是智能体，这是最核心的应用模块，每个智能体都要嵌入到企业的某个业务流程里面。第二块是工作流，类似于工具。第三块是模型，主要接入国内主流的模型。

　　公司面向企业服务，对模型做了筛选，可以稳定应用生产的模型，才会接入，除了大模型以外，也接入了一些专业模型来辅助业务。

　　广告业务增长迅猛，但波动性大，由于618和双十一、双十二的原因，Q2和Q4都会有广告收入的高峰期，也会带来毛利率的波动。

　　开发者业务国内市场逐渐饱和，原来公司的研发团队服务于快速增长的市场。疫情之后，公司发现市场增速下滑，因此国内产品的研发可以缩减。公司认为，如果想要利润很容易，SaaS产品卖得很稳定，客户会一直续费，对于产品，又没有新的迭代需求，只要维护好就可以了。

　　作出判断之后，公司就把国内产品线的研发缩减到维护和小规模迭代的水平，把研发资源投入到出海和AI这两个战略上面。

　　2021年开始，所有互联网公司都在降本增效，极光也顺应大势，内部管理效率大幅提升，原来极光偏中台化，在21年之后，就在管理上去中台，管理上优化以及资源上更加精准的调配。

　　其次AI带来效率提升、效能提升。原来招一个毕业生，可能要经过两三年的培训，才能变成中级工程师。现在一个聪明的、刚毕业的学生，加上AI辅助，已经相当于中级工程师的水平，这对成本和效率的提升非常大。会使用AI工具，是公司招聘的一个标准。

　　研发费用会有减有增，不能盲目投入，是一个有节奏、契合市场规模逐步调整的过程。短期来看，虽然研发费用有所下降，但这些钱时刻准备着往新的方向投，配合市场的节奏来做。

　　AI大模型有通用的也有垂直的，但界线似乎比较模糊，比如DeepSeek一下就从量化投资领域横空出世，变成通用大模型，它们之间的竞争关系是怎么样的？GPTBots集成了多个大模型（LLM），每个模型各有特点，公司如何帮助企业选择大模型，实现“最优解”？

　　极光董事长兼首席执行官罗伟东表示，幻方做大模型和量化，是两个不同的业务，原来做量化赚钱，赚了钱就买卡（芯片），因为量化维护的关系，买了很多卡（芯片），后面量化可能不太好做，正好有硬件技术、有资源，于是就做成通用大模型。

　　第二个问题，我们支持多个不同的大模型，在客户角度看，首先得满足业务场景的需求，因为现在大模型的成本对客户场景来讲是几乎可以忽略不计的。客户首先考虑的是准确性，这个模型能不能解决，会不会出岔子。有时候一个场景可能会用到多个模型。可能解决问题的第一个步骤用这个模型，第二个步骤给另外一个模型，再解决之后又给第三个模型，所以模型的选择跟问题以及问题的解决方案设计有关系。优先保证解决问题的前提下，再看用更低成本的模型能不能实现同样的目的，帮客户节省这方面的成本。

　　产品VP刘基石认为，关于通用模型和垂直模型，趋势已经非常明朗，未来就是通用模型的。垂直模型有几个比较大的问题，它的训练成本很高，以我的判断和行业内的共识，一些中厂的资金和人才能力，是很难把底座模型给训练好的。DeepSeek证明了通用模型是未来。通用大模型加一些知识库，加一些垂直领域知识的微调，就可以得到一个非常好的金融模型，也就是底座模型足够好，然后才能在垂直领域做得更好。以Open Ai为例，在他的路线图里面要做统一模型。这个模型包含了多模态，就是音频、视频、图片输入、输出以及推理、非推理一体性的模型。未来不再区分推理模型、非推理模型，其实是一个蛮明朗的趋势。

　　我试用了月狐数据，该产品是To B的，对我们投资者而言也非常好使，未来的发展方向是更倾向于继续服务企业，做精做深，还是会逐渐延伸到C端，做大做标准化呢？

　　总经理陈光炎认为是一个不错的提议，之前考虑过这个方向，但是得专业的投资者，才能对这些数据有理解。当时我们想，在To C市场里面，怎样准确的触达、拓客，To C产品的运营和我们十几年来的强项To B很不一样，当时觉得在产品定位上可能还不太成熟。如果说有一个很精准的客户群体，比如雪球，那确实可以考虑往To C这边摸索一下。

　　本次调研还探讨了其他问题51vpn免费下载，展开了深入、充分的交流。公司给我的印象是简约、灵活、用心、细致，洞察市场需求，努力把事情做好。