📊硅谷九场访谈纪要：微软、思诺弗莱克、网络安全与机器人行业
上周硅谷九场交流总结：微软、思诺弗莱克、网络安全、机器人赛道
🤝 6 月第一周，我们在旧金山参加微软开发者大会与思诺弗莱克峰会期间，和多位行业专家展开交流。在我们看来，这两家公司都推出了多项具备前瞻性的举措，有望在未来一年推动股价实现超额收益。微软直观展示了行业深耕能力与客户专属场景适配能力如何打造更出色的智能代理应用效果，一方面依托自研中型语言模型 MAI-Thinking-1 实现突破，另一方面推出前沿微调功能，支持客户基于自身数据训练专属模型。思诺弗莱克发布了旗下 Cortex Code（简称 CoCo）工具对比第三方编码工具的性能基准数据。当我们针对新入局竞争者、价值中介弱化等人工智能领域利空逻辑向客户求证时，客户均给出了否定态度。尽管今年上半年相关产品使用量已出现阶段性增长，这一趋势也已在股价中有所体现，但思诺弗莱克仍有多重增长抓手。未来数月，搭载多模态能力的 Iceberg v4 版本大概率会加速上线，这也是该公司加快产品创新的直观体现。我们维持对两家公司的买入评级，同时下文也会同步更新网络安全与机器人赛道的相关调研内容。
🧠核心调研观察
1、小型语言模型优于大型语言模型，中型语言模型迎来发展机遇
🔍 过去三个月，我们观察到一个核心趋势：智能化工具的高效应用边界逐渐清晰。行业不再一味追求大模型、盲目将所有问题交由大型语言模型处理，客户开始更理性地选用精细化工具解决特定场景问题。这类工具不仅使用成本更低，实际表现也更为出色。受此趋势推动，各服务商开始推出更多精细化工具，且这类工具依托公司自身专属行业经验完成定向训练，形成差异化优势。达塔多格是较早践行这一理念的公司，该理念在其 2 月分析师大会上就已对外展示。
📈 当下市场形成了层级分明的小型语言模型体系，可应对日常通用智能任务（对应难度低于人类普通智力水平）；而前沿实验室则持续深耕超高难度智能问题（难度比肩人类顶尖智力水平）。本周微软与思诺弗莱克两场大会的核心亮点，便是披露了旗下模型相较于行业同类产品的差异化优势。
💻 从微软的基准测试结果来看，其 MAI-Thinking-1 模型在科学、技术、工程、数学类难题以及代码编写场景中表现突出，综合使用成本降低超 90%，且该模型并未基于第三方模型进行蒸馏改造。MAI-Thinking-1 属于中型语言模型，推理资源占用远低于大型语言模型，同时在部分场景下性能可与大型语言模型持平。过去数个季度，投资者一直对微软的人工智能战略存在疑问。而此次该公司推出自研模型、开放企业用户基于自有数据训练 MAI-Thinking-1 模型等举措，清晰落地了自身发展战略，也印证了其作为独立人工智能企业的技术进展。我们认为，这两大里程碑事件将有效打消市场对该股的主要顾虑。
📝 思诺弗莱克公布的基准数据显示，CoCo 工具在自身平台环境中，性能优于其他编码工具。结合峰会期间与客户的沟通情况，该工具在实际客户场景中同样展现出领先实力。
难题作答准确率（%）
CoCo / 协同办公工具 + 认知语义套件：86.3%
CoCo / 协同办公工具（无语义模型加持）：47.1%
前沿编码智能代理 + 思诺弗莱克结构化查询语言管理组件：24.1%
单次调用平均成本对比
前沿编码智能代理 + 思诺弗莱克结构化查询语言管理组件：78.08 美元
CoCo / 协同办公工具（无语义模型加持）：0.49 美元、18.81 美元
CoCo / 协同办公工具 + 认知语义套件：0.59 美元、19.47 美元
2、无界面应用与软件行业未来形态
💬 本次调研中，不少业内观点都看好无界面应用成为软件行业未来主流，但行业争议点集中在：应用类软件公司能否在无界面模式下实现商业化变现。目前业内最具代表性的无界面应用案例来自云弗莱尔与安特罗皮克。云弗莱尔的销售工具基于赛尔斯福斯平台定制开发；安特罗皮克在软件即服务行业大会上介绍，其旗下克劳德模型已深度对接赛尔斯福斯、斯莱克、贡格、因特康、艾恩克拉德等多款办公工具。
🔎 同时，克劳德与谷歌双子企业版正逐步成为知识工作者默认的搜索交互入口。谷歌面向普通用户打造简洁交互界面的经验，如今也延伸至企业服务领域，再叠加双子模型强大的算力能力，形成互补优势。在此架构下，交互界面搭建在人工智能控制平台之上，人工智能控制平台则成为基础设施、平台、应用三层架构中的核心平台层。这一变化，也让数据仓库类公司在应用赛道中拥有了更大竞争优势。
⚖️ 另一方面，行业对于思诺弗莱克协同办公工具的评价褒贬不一，部分业内人士认为该产品尚未找准精准的市场定位。我们判断，不同层级客户会出现明显分化，这也是行业 “自主研发 vs 采购第三方服务” 争论的延伸：技术实力雄厚的大型客户，更倾向于自研原生应用，云弗莱尔就是典型案例；而中小型客户则会直接选用第三方智能代理应用，作为原有软件即服务产品的功能延伸。对于底层数据管理平台公司而言，核心问题在于：若客户通过应用程序接口的调用量持续上涨，企业该如何完成商业化变现。一方面，数据管理平台的使用频次提升，会进一步强化其战略价值；但我们走访的多数客户均表示，这类流量很难为数据管理平台公司带来直接收益。
3、网络安全赛道
🛡️ 本次我们与克劳德斯特赖克、帕洛阿尔托网络等公司沟通后发现，基础设施建设落地与网络安全支出提升之间存在滞后效应。回顾过往云产业发展周期，基础设施规模化落地后，云安全领域的投入占比会从不足 1% 提升至 3% 以上，整个过程存在约 2 年的滞后期。
📉 放眼当下人工智能产业周期，结合帕洛阿尔托网络的观点，我们判断人工智能安全领域的投入占比最终也会达到 3%-5%，且滞后期将缩短至 2 年以内。若将 2026 年定为企业级人工智能规模化应用元年，结合客户调研信息推断：人工智能相关安全产品将在 2026 年下半年至 2027 年，正式带动全网网络安全业务实现明显增长。
🔐 滞后期长短主要取决于企业级智能代理应用的落地进度。当智能代理运行容器从临时形态转为常态化部署后，行业会逐步形成统一标准，明确适配智能代理运行环境的主流安全工具。
4、应用型人工智能与机器人赛道
🤖 我们走访了通用人工智能公司，这是一家聚焦应用型人工智能机器人领域的企业，该公司于 6 月 4 日完成 4 亿美元融资。此前我们也曾在 4 月的非上市企业大会上接待过实体智能公司，同事还在 3 月组织了实体人工智能主题线下交流活动。
🎯 通用人工智能公司专注于研发通用型机器人模型，核心差异化优势体现在三点：第一，采用视觉图像采集替代传统传感器，通过摄像头捕捉商用机器人运行画面，将画面信息转化为数据令牌，再借助人工智能世界模型预判机械臂下一步最优动作；第二，依托真实场景数据训练自研模型，探索技术落地边界，区别于自动驾驶等领域普遍使用的仿真数据训练模式，逐步构建难以被复刻的实战技术壁垒；第三，重点发力机器人灵巧操作能力、技术规模化落地，打通研发与落地的闭环反馈体系，同时组建了高水准技术团队。
🌟 在我们看来，通用人工智能这类公司印证了一个趋势：近年来人工智能领域的技术突破，影响范围早已超出传统企业软件的市场空间。未来或将诞生一批新型企业，融合两种优质商业模式：一是软件行业模式，依靠代码驱动模型在真实场景中落地；二是实体产业壁垒模式，在代码研发成本持续走低的当下，实体壁垒能为企业带来更强的抗竞争能力。
🧩微软相关业务解读
📌微软人工智能技术架构
安全与观测模块：状态监测
开发者工具：智能代理运行环境、边缘端智能代理运行环境、微软云原生开发平台、云端优化体系
模型 + 场景 + 工具：网络知识库、办公知识库、数据架构知识库、云原生开发平台知识库
底层基础设施：边缘端、云端
5、弥合人工智能技术潜力与实际落地的差距
🔧 微软推出前沿微调功能，允许企业在现有合规框架内，使用自有数据训练专属模型。该功能区别于传统微调方式，依托真实业务场景实现托管式强化学习，让人工智能模型根据实际工作流程、智能代理交互行为持续迭代优化，输出结果更贴合企业运营需求。我们认为该产品可对标亚马逊诺瓦云原生开发平台，后者在亚马逊年度技术大会上同样收获市场好评。
🚀 前沿微调功能有望推动微软存量客户加快企业级人工智能落地。当下企业既追求应用效果，又希望控制推理成本，该功能恰好契合这一需求。依托行业定向微调，前沿微调能大幅提升生产场景下的成本利用率与投资回报率。举例来说，针对办公表格软件优化后的人工智能模型，公开测试成绩可对标文心一言 5.4，使用成本降低超 90%；按照麦肯锡企业标准完成微调的 MAI-Thinking-1 模型，成本更是比文心一言 5.5 低十倍以上。
6、定制化芯片落地成果
💻 微软自研的 MAIA 200 芯片，在今年 1 月 26 日发布的基准测试中就展现出优异性能，我们也据此梳理出该芯片的推理成本曲线。目前已有实际数据证明，微软可顺利完成芯片量产，并在数据中心落地实现性能提升。MAIA 200 芯片已在艾奥瓦州、亚利桑那州数据中心投入使用，2026 年末还将逐步向全球海外节点部署。
⚡ 实测数据显示，使用 MAIA 200 芯片全流程训练 MAI-Thinking-1 模型，单位功耗下的性能相比英伟达 GB200 提升 40%。芯片供应链多元化，将有效改善单位经济收益。微软首席技术官凯文・斯科特曾在 2025 年 11 月表示，长期来看自研芯片有望承载人工智能基础设施半数以上的算力需求。目前英伟达、超威半导体的毛利率分别维持在 70% 中段、50% 中低位。我们测算，若微软将 50% 的算力切换为自研芯片，其云服务人工智能业务的毛利率有望提升约 20 个百分点，不过部分增幅会被产品降价因素抵消。
7、智能化应用层能力拓展
🔗 微软强调，场景信息的质量是提升令牌使用效率的核心。该公司在智能化应用层陆续推出网络知识库、办公知识库、数据架构知识库、云原生开发平台知识库四大模块，持续更新企业全维度信息。其中网络知识库整合外部全网信息，数据架构知识库梳理企业业务体系，办公知识库搭建企业内部知识图谱，最终由云原生开发平台知识库完成落地执行。
🧩 企业场景下，智能代理规模化落地的核心瓶颈并非模型性能，而是场景信息的结构化处理能力。结合微软五十余年深耕企业服务的行业积累，该公司能够为每家企业搭建专属的统一信息体系，依托扎实的行业经验，打造出适配客户个性化需求的优质应用效果，这也是其核心竞争力所在。
📈思诺弗莱克相关业务解读
💰 思诺弗莱克上调 2027 财年营收预期，上调幅度为 3%，每股收益预期同步上调。CoCo 工具成为拉动平台使用量增长的核心动力，平台整体使用量因此提升 11%。我们向客户调研该业务增长的可持续性，客户反馈：编码工具本身就是刚需赛道，增长具备长期支撑。
📊 2026 年上半年，思诺弗莱克存量客户的平台使用量有望迎来新一轮跃升。传统数据库、数据转换工具、报表工具向该平台迁移的速度持续加快，迁移效率提升 30% 至 70%，这也和专业咨询服务商的定价逻辑相匹配。下一阶段增长动力，将来自平台在企业内部的全面普及。据企业管理层介绍，目前使用 CoCo 工具的 7000 家客户中，大多仅单一用户尝试了单一功能，产品普及空间巨大。
📢 业内专家表示，虽然企业高层已明确发展方向，但销售团队仍需要全面转型。传统软件即服务的销售思路不再适用，全体销售人员都需要接受培训，转向智能代理产品的销售模式。
9、针对思诺弗莱克两大利空逻辑的验证分析
⚠️ 我们针对市场担忧的两大利空逻辑展开调研：第一，新兴 “人工智能原生” 竞品（如克拉克豪斯）以及前沿大模型，会分流市场份额；第二，人工智能降低数据分析使用门槛，普通知识工作者可脱离专业数据仓库平台，自主完成数据分析，冲击思诺弗莱克核心业务。
🔎 调研结果超出预期：多数受访客户并不了解克拉克豪斯，意味着该竞品目前尚未形成直接竞争威胁。针对第二个利空逻辑，所有客户均持相反观点：数据分析门槛降低，反而会进一步提升思诺弗莱克平台的价值。该公司在数据治理领域品牌认知度极高，用户出于使用便捷性考量，会进一步增加平台使用频次。
🤝 同时，亚马逊与微软对于客户选择自有数据仓库还是思诺弗莱克平台持中立态度。无论客户如何选择，底层算力与存储资源的使用需求都会被带动，两大云厂商带来的竞争压力有所缓解。唯一例外是谷歌，其旗下比特查询产品在消费品行业客户中，依旧保持强劲竞争力。
💡 综合来看，思诺弗莱克清晰传递了自身战略规划与落地执行能力，同时也正视行业技术快速迭代的现状。在分析师交流环节，该公司有一个观点令人印象深刻：软件行业技术变革速度极快，不应对行业未来做出长期预判。过去 18 个月，思诺弗莱克明显加快创新节奏，一方面会推动搭载多模态能力的 Iceberg v4 版本加速上线，适配兰斯等相关技术；另一方面也会巩固自身在优势赛道的市场地位。