身份不明的发言人
杰伊·克雷普斯（首席执行官兼联合创始人）
罗汉·西瓦拉姆（首席财务官）
身份不明的参会者
卡斯图里·兰甘（高盛集团）
非常好。杰伊和罗汉，欢迎来到2025年社区与技术大会的第一天。我想，这是你们连续第四年在9月参加了。非常高兴你们能来，也很高兴我们的客户约翰从世界各地加入我们。我们有来自欧洲、亚洲、美国的客户，还有很多其他国家的客户，我就不一一列举了，在此致歉。所以这将是一场激动人心、内容丰富、充满见解的会议。人工智能不会扼杀软件，反而会让软件蓬勃发展——这可能是技术会议最长的开场白了。
言归正传，杰伊，很多年前在公司还很小时我就有幸主持过你的活动。恭喜公司取得了这么大的成就。如果你回顾过去几年所取得的成就，能否结合公司的发展方向来谈一谈？你的公司愿景是什么，它发生了哪些变化？哪些事情变了，哪些事情没有变。关于未来四到五年Confluent想成为什么样的公司？
是的，这是一个令人兴奋的开场方式。当我们创立公司时，目标真的是能够连接组织的所有部分，让数据流向所有部分，并让组织能够实时对业务任何部分发生的事情采取行动。我认为在很大程度上，这个愿景没有改变，但我们在实现它的道路上已经走了很长一段路。核心开源Kafka的采用率持续增长。我们的云服务已增长到超过业务的一半，现在在Kafka用户群体中非常普遍。
然后我们开始从仅拥有数据流扩展到围绕数据流提供丰富的功能集。例如，我们如何从组织中所有存储数据的系统捕获这些数据流？客户如何实时处理这些数据？我们使用名为Flink的开源技术，但我们围绕它构建了一项托管服务，该服务正处于非常快速的增长轨道上。然后他们如何管理这些数据的流动？他们如何确保数据的正确性，了解数据的流向，了解数据的质量，并能够真正围绕数据构建和依赖它？然后可能最大的变化之一是人工智能的兴起。
你知道，当我们谈论人工智能时，我们经常谈论构建模型的挑战，这是一个迷人的问题，但这是一个大约五家公司需要为世界上所有其他公司解决的问题。人工智能问题在很大程度上在于他们如何将自己的数据与这些现成的模型结合起来，如何将这两者结合起来，以便能够做出对他们来说独特的、及时的、考虑到他们拥有的所有信息的决策。我认为Confluent在从整个企业收集这些信息方面可以发挥巨大价值。
我认为这是摆脱那种较慢的批量数据收集机制的重要催化剂。如果你认为代理或软件作为业务的一部分运行，我认为它最终必须了解世界的当前状态。现在情况如何？我认为我们从客户身上看到了这一点，因为他们开始考虑能够利用人工智能的架构。我们在围绕人工智能的用例中看到了这一点，我认为这是该领域的重要驱动力。毫不奇怪，当我们在LinkedIn构建并推出开源Kafka时，一些最初的用例就围绕这些机器学习用例，这些用例将数据汇集在一起，做出更智能的小决策。
但我认为这已经成为可以解决的问题类型范围更广的事情。而且它实际上比传统机器学习更容易被公司使用。所以我认为这些是公司成长和扩大规模过程中发生的一些变化。
当你看待Confluent的核心价值主张——能够收集实时数据时。人工智能是否只是一个连续体，它能够更好地增强Confluent的价值主张，还是说它是一个转折点，客户会想，“好吧，这就是Confluent所做的，我仍在尝试将其与人工智能能为我做的事情联系起来”？或者它在方式上更无缝、更流畅？
是的，可能两者都有一点。我首先要说的是，我们在人工智能用例中的角色是什么？然后这如何改变或不改变事情？所以围绕流处理和人工智能有两个用例。第一个是，你如何实际获取正确的上下文数据位，将其转换为正确的方式并在正确的时间应用它？以及你如何对此进行迭代，评估它的变化，能够推理出当你添加数据位、事情发生变化、升级模型时，你的代理或人工智能应用程序是变得更好还是更差。
这是特别适合流处理的事情。如果你仔细想想，实际上没有那么多其他常见的收集和处理实时数据的方法。第二个是将代理或人工智能应用于流中的事件。你可以将其视为一种流代理。当人们说“代理”时，他们有很多含义。他们可能指更高级的聊天机器人，也可能指在你的计算机中点击的东西。但我指的是围绕业务自动化的特定用例集，其中有一些后台任务，业务中发生了某些事情，你试图启动一些活动，这是我们添加功能的地方。
所以这是我们现在正在做的两件事。这两者在我们的客户群中都获得了很好的采用。好的，这是延续还是转折点？是的，我认为在某种程度上两者都是。如果你考虑技术的使用方式，这是相似的。你知道，获取实时数据类似于我们一直以来的使用方式。所以就我们的用途而言，这是一个连续体。我确实认为，如果这些人工智能用例将在未来五年内成为公司所做事情的重要部分，可能一半的新用例会是人工智能相关的，那么情况可能会有很大不同。那么我认为你可以说，好吧，这在某种程度上是一个阶段变化。
当你考虑在数据或软件上的投资时，这代表了相当大的变化。在这一点上，我认为你可以这样看，如果你回到五到十年前，一家公司成为数据驱动型意味着什么？也许五到十年前，这意味着，好吧，我们可以将所有数据放入数据仓库，数据是正确的，我们可以生成良好的报告，高管们知道发生了什么，他们可以做出明智的决策。对吧。你知道，我认为如果你想想现在意味着什么，未来成为数据驱动型意味着什么。你知道，是的，你仍然需要那个，对吧。
这并没有消失。但是，你知道，我认为这项技术的承诺是能够将决策带入业务流程中。对吧。逐笔交易，逐个客户，能够做非常个性化的事情。这对于人类或高管来说是不可扩展的。能够以高效的方式做到这一点，并接管大量业务的手动工作。这种需求与一天结束时的批量数据收集有很大不同，更多的是一种运营主张。
所以我认为，如果这在公司中变得非常普遍，那么我认为这确实代表了他们思考数据方式的阶段转变。
听了你的话，我想问一个问题。那么你如何看待Confluent在未来几年与人工智能的发展？技术路线图是否会随之发展？你聘请了新的首席技术官。那么你如何看待路线图以及产品战略如何变化以将人工智能融入Confluent？
是的。是的。所以这显然是我们关注了很长时间的事情。我们首先要确保我们与分析和数据湖生态系统有很好的集成。你不应该在分析和运营应用之间做出选择。在许多方面，人工智能正在融合这两者。所以我们已经做了工作，将所有流处理完全集成到Iceberg和不同的Delta等开放表格式中。你可以将流视为也是人工智能重要的长期数据存储，因为人工智能用例既要处理新数据，也要结合一些历史数据。
接下来是在流处理中开放对最佳模型的访问，与现代人工智能堆栈的许多不同数据存储和框架构建集成。在快速变化的环境中，这些都是我们一直积极推进的事情。真正实现这一机会的一个重要部分实际上是将我们的流处理能力扩展到规模化。所以能够对数据采取行动在很大程度上始于数据系统的这些处理能力。你知道，这几乎是每个数据系统都作为某些处理层拥有的东西。
这是实时流处理领域价值的重要组成部分。它被认为更难、更昂贵、更复杂、更难实施。你知道，该领域的变化是我认为我们真正理解了如何构建实时处理的计算机科学，它不必因为是连续且低延迟地完成而更昂贵或更复杂，你知道很多这都来自这个开源项目Flink。你知道，这是我们引入了很多核心人员的领域。
我们一直在构建一流的无服务器流处理层。你知道，我们去年全面推出（GA），并通过所有私有网络技术推广到不同的云，在今年的前六个月收入增长了3倍。所以仍然是业务的早期部分，但增长非常迅速。我认为其中一个驱动因素是这种现代分析和人工智能机会，它融合了从批量到实时的数据世界。我们认为随着进一步解锁，该领域有巨大的潜力。
所以你知道，我认为这是抓住这个机会最重要的事情之一。
明白了。罗汉，有几个问题问你。我们有第二季度的业绩，订阅收入增长率约为21%。我们还谈到了一些消费逆风。当你看现在的情况，看不同的客户群体，你在消费、 uptake、下降等方面看到了哪些客户活动？
是的，我的意思是我们现在是第三季度的第三个月，还有几周的时间。所以在这一点上，我的意思是我可以告诉你，团队非常专注，只是专注于执行并为本季度画上一个强劲的句号。你知道，我们通常不提供关于消费趋势的季度中期更新。但我要告诉你的是，在我们的第二季度收益中。
除了在高盛。除了。
是的，不，我要告诉你的是我们在第二季度收益电话会议中提到的一些积极迹象。你知道，无论是管道的进展和后期管道的生成，还是Flink的势头，我们对团队看到的执行情况感到满意，显然还处于早期阶段，但我们对消费趋势方面看到的进展和执行情况感到满意。我们将在第三季度收益电话会议中提供更详细的更新。
明白了。除此之外，净收入留存率（NRR）有所放缓。我们可以理解原因。从长远来看，思考这个指标的最佳方式是什么，以及驱动这个指标的因素是什么？
是的，我的意思是当你看NRR的轨迹时，往往有得有失，我会重申我在第二季度收益电话会议上的一些评论。首先是，当你看我们的云业务时，NRR和GRR的计算方式本质上是取上一季度的消费量，然后将该指标年化。所以最近几个季度的消费趋势通常对这个指标有更大的影响。所以考虑到短期内的这种动态，这将是该指标的逆风。
话虽如此，我们谈到的一些积极迹象，我们谈到的一些增长驱动力，以及我们的新任首席收入官瑞安·麦克马洪正在推动的，无论是Flink的势头，还是后期管道的进展，Warp Stream，这些都将是顺风。所以有得有失。但当我们展望未来的平衡时，你知道，我们有很多增长驱动力，可以向现有客户群销售。所以当我考虑中长期时，这个NRR指标有很多增长驱动力来获得更多顺风。
杰伊，我想回到。
有人知道我团队的马特·马蒂诺吗。敬请关注。
谢谢，乔希。杰伊，我想回到人工智能这个话题，对吧。我想，也许我可能引用错误了，但我想你说过在一部分最大的客户中，生产用例改进了10倍。所以我想当你看更广泛的消费格局时，你往往会听到关于我们从实验转向生产的阶段的混合信号。那么你认为为什么Confluent首先看到了这一点，如果你愿意的话？
是的，你知道，我不认为我们是唯一的。对吧。肯定有一组公司是人工智能工作负载堆栈的一部分，你知道，可能有些公司处于采用周期的早期，他们可能是原型的一部分。我们可能更多地是生产使用的一部分，就像，嘿，你在哪里需要大规模的实时数据流，因为它在生产中驱动消费。但我们看到客户的进展相当稳定。你知道，它始于那些往往行动最快的科技公司，但我认为如果你看他们正在做的事情，它真的正在扩展到更广泛的组织。
你知道，确实有很多实验，可能不是每个项目都会成功，但有很多重要的事情正在起作用。你知道，我们已经看到，当我们将某件事算作这种消费时，这意味着我们认为它在该账户中是一个重要的推动因素，足以让现场团队跟踪，这绝对比去年增长了10倍。我认为这种趋势将继续下去。现在有一系列可以用这些模型完成的事情。
我认为很多组织正在学习如何以及在哪里可以将其付诸实践并获得结果。我认为随着学习曲线的继续以及模型的不断改进，你知道，我认为我们将看到这种东西的持续采用，我认为可能会更好地关注它的方向。你知道，最终，正如我所说，我确实认为当企业将人工智能付诸实践时，这些人工智能问题实际上对他们来说是一个数据问题，你知道，这是他们必须付出努力的部分，你知道，既要汇集数据，也要在尝试获得足够好的东西以便实际投入生产时进行迭代，能够对此进行评估。
我认为这种迭代循环非常适合流处理世界，它可以从实时数据到历史数据来回切换，这正是该领域所需要的。
你现在在业务中观察到哪些更强大的用例？
是的，是的，我认为有一些事情非常有趣。对吧。所以，你知道，早期的用例围绕支持，你知道，比如，我们如何汇集关于客户的信息，以便能够在正确的时间为他们提供正确的东西？例如，我们谈到一家大型在线旅游公司在其所有不同业务线都这样做了。我们看到一些科技公司将其嵌入到他们的产品中，比如Notion是我们的客户，他们谈到我们如何为他们的人工智能编写所有数据流。
我认为它是一个特别复杂的人工智能用户，在采用方面非常早。但现在你会开始看到这超出了Notion和Cursor等客户的范围，当然这些客户处于核心位置，扩展到保险公司、医疗保健公司，他们真的试图将其应用于一些核心业务流程。我认为我们现在在其中一些项目中看到了成功。任何能够推动公司整体发展的事情都不是一个用例在这里，一个用例在那里。
你必须真正将其规模化。但我认为最有趣的用例是这些企业特有的用例，它们正处于他们业务流程的核心。这是一家保险公司从事理赔处理，是一家银行从事一些核心流程。我认为这些是最令人兴奋的。有时它们需要更长的时间，但我认为这些事情的投资回报率比他们从其他打包解决方案中获得的要高得多。我认为这方面有巨大的机会。
是的，非常有趣。罗汉，第二季度的现场销售重组，你能告诉我们为什么是现在吗？你如何看待这对业务的长期益处？谈谈你正在做出的一些改变。
我可以先开始。
请讲。
是的。所以在过去的一年半里，我们一直非常关注市场推广。目标是围绕消费定位，提高效率。我们围绕这一点做了一系列改变。当我们将瑞安·麦克马洪引入首席收入官职位时，我们真正想做好的一件事是为账户分配技术资源。所以，你知道，作为我们效率工作的一部分，我们试图尽可能地分散技术资源。我们发现的一件事是，嘿，如果你想推动消费工作负载并大规模做到这一点，最重要的事情之一是，你知道，在账户中具有连续性的技术资源，并做好这一点。
明白了。
你知道，关注我们如何吸引客户，做好这一点。我们，你知道，既要处理现有的开源产品，也要处理一些云服务提供商（CSP）的产品。所以真正围绕这些项目定位，这些是我们觉得有机会做得更好的一些关键事情。我们能够以成本中性的方式做到这一点，这对我们所处的位置很重要。到目前为止，我们已经看到了非常好的结果。所以我们看几个指标。我们在上次财报中谈到了。
我们衡量这些将成为消费驱动力的项目的进展速度。所以这有点像消费等效的管道，但它不是采购订单，而是应用程序。对吧。从第一季度到第二季度，随着这些流程的变化，这有了实质性的提升。这反映在RPO和CRPO的增长中，这反映了承诺的提升。对吧。当客户觉得，嘿，我们有这些项目即将到来，我们想增加与Confluent的承诺。所以这些我认为都是我们所看到的积极早期指标。
然后我们也看到，你知道，我们称之为DSP（数据 streaming 平台）的非常强劲的结果，你知道，从仅仅数据流Kafka到围绕它的全套产品，这是业务的一小部分。几个季度前，我们说云业务约占13%，但增长非常快。所以对于像Confluent这样的公司来说，问题是如何从拥有一件事到拥有多件事，并同时执行所有事情。我认为正确的专业化模型非常重要。
我谈到了我们Flink产品的增长。我认为其中一个关键方面是技术的成熟度。我认为有大量潜在的客户需求。但其中一个关键方面实际上是拥有正确的市场推广模型，你不会对一线销售代表要求太多。有一些实时处理方面的深度专家可以在事情变得更重要时帮助他们。我认为这很有效。尽管Flink产品非常新，但我们看到数百家公司有早期用例，还有一些客户已经大规模采用并取得了成功，有些客户仅在Flink上的支出就超过100万美元，并真正将数百个单独的批处理作业的整个复杂批处理工作负载迁移过来。
这可能不容易理解，但无服务器数据处理领域在技术上非常困难。最难做的是有一堆为其他系统编写的工作负载，它们将被强行转移到新系统中。我们现在很幸运能够做到这一点，部分是借助人工智能，这些人工智能编码工具在这些迁移中非常出色。但部分原因是底层系统必须具有一定的可靠性和成熟度才能运行。我认为这是一个非常有前景的事情。
所以显然现在我们的目标是继续该产品的增长并扩大规模。但随着我们平台有更多部分，正确的专业化和现场模型是市场推广成功的关键方面。我们希望新的产品能够加快销售团队的进展，而不是减慢他们的速度。
罗恩，也许对你来说，Confluent Cloud现在占订阅收入的56%，但下半年的指引意味着平台和云之间的这种混合在一些消费逆风下会保持稳定。所以也许谈谈你对平台与云的长期愿望，特别是考虑到像Flink这样的新兴产品在两者之间看到了相当平等的分配。
是的，让我退后一步，谈谈我们认为业务中长期的一些增长驱动力。我将其分为四类。第一个是我们拥有的大型Kafka流处理机会，这里有背景，我们有超过150,000个组织使用开源Kafka，我们通过将该生态系统的约5%货币化，建立了超过10亿美元的运行率业务。所以第一个机会同时适用于Confluent平台和云。坦率地说，云可能有更大的机会。所以那是第一点。
第二点是关于我们的数据 streaming 平台。我的意思是杰伊提到了它。我们正在从仅销售流处理转向销售平台和我们数据 streaming 平台的所有单个产品。它们在相当大的市场中运营，从增长角度来看是巨大的市场机会。它们处于增长曲线S曲线的早期阶段，平均而言，它们的增长速度快于公司。所以这是一个增长驱动力，主要来自云。但平台也有很大的机会。第三点，杰伊也提到了，是人工智能。
我的意思是我们知道今天每个人工智能问题都是数据问题，我们将在这个生态系统中发挥非常重要的作用。为这些智能体工作负载提供支持的数据架构、数据基础设施的现代化。你知道，Confluent将发挥非常重要的作用。最后一点是关于我们的生态系统，合作伙伴生态系统非常重要，因为它为我们提供了规模和故事的放大。所以当你考虑这四个增长驱动力时，我的意思是它们同时适用于平台和云。
然而，你知道，从长期来看，我们预计云业务的增长将比平台业务快得多。所以这就是我要说的，从长期来看，这种混合将继续转向更多的云业务。
补充一点，你知道，我认为显然任何公司都有很多可以担心的事情，但认为公司将继续自我管理这些大型复杂数据平台的想法在我看来是非常不现实的。在我们的产品中，我们扩展了为我们的云产品提供的集群类型，它们变得非常具有成本效益。所以现在与自己管理相比，仅针对你的云基础设施支出，我们就具有成本竞争力。我们如何做到这一点，这是否可持续？嗯，我们做到这一点的方式既是通过非常好的工程设计，当然我们投入了大量精力，也是通过多租户，实际上将大量客户工作负载整合到同一池基础设施上。
这不是单个公司可以做到的机会。由此产生的产品不仅更划算，实际上体验也更好，因为拥有预先分配并在客户之间共享的基础设施池意味着它具有弹性。所以它总是有满足他们需求的适当容量。它可以立即扩展和收缩。这只是Kafka组件。越来越多，如果你看看云领域的情况，客户不仅仅在寻找点解决方案，他们在寻找端到端的问题和生态系统。我认为Databricks做得非常好的一个例子是从更好的Spark发展到数据科学领域的完整解决方案。
现在他们在执行方面比我们领先几年。但我认为这正是正确的方式，也正是我们通过DSP产品所做的。这有点像为实时数据和业务运营方面带来端到端问题。我认为这对客户来说非常重要，因为试图自己将一堆小部件组合在一起实际上是非常耗费人力的，很难取得进展，也很难针对最终用例使用。所以无论是核心产品的总拥有成本，还是为客户解决更大的问题，我认为毫无疑问，客户正在转向托管解决方案。
在这样做的过程中可能会有竞争，客户在采用和优化之间可能会有取舍。所有这些事情都可能发生。但认为他们会永远自己管理这些的想法在我看来是极不可能的最终结果。
我想问你，Databricks显然曾经是一个假设。在Databricks成为成功案例之前，人们认为很难建立开源软件公司。红帽是成功的。你们，你认为Databricks做了什么比行业预期更好的事情，使他们取得了成功。其中一件事适用于Confluent将Kafka安装基础（Shithro Han）转化为商业安装基础的演变。你从他们的例子中学到了什么？
是的，首先，确实很难建立一家价值十亿美元或更多的开源软件公司。也就是说，建立一家十亿美元的软件公司也很难。或者如果你说，好吧，建立一家十亿美元的专有基础设施公司更容易吗？这也相当困难。特别是当你考虑这些新事物时。我认为他们正在做的事情有点新，我们正在做的事情也有点新。如果你想把新东西推向世界，你必须有一些顺风帮助你。开源绝对可以成为吸引你进入对话的因素之一，它让你接触到很多公司。另一个选择是我们挨家挨户试图告诉人们关于数据的新思考方式，我认为这不会是积极的。
所以这是我要给出的第一个答案。就他们做得好的方面而言，我认为有几点，对吧？他们从构建具有吸引力的开源Spark开始，然后他们制作了更快、更好的TCO Spark。他们在这方面做了很多迭代，比如，嘿，如果你换用这个，对你来说会更容易。你不必管理它，它会更具成本效益，你会更快得到结果。然后他们从主要是Spark扩展到围绕数据科学、围绕分析的更大生态系统。
当他们引入更多机器学习工具，引入更多数据湖治理、开放格式、Tabular收购等时。所以如果你想想，Confluent可以借鉴哪些经验？我认为我们做了类似的事情，通过提供更好的获取和使用Kafka的方式。我认为我们现在正处于将平台扩展到类似于实时数据的数据湖，用于业务运营方面的执行阶段。
所以故事还没有结束。但如果第一部分是构建一些功能，然后使其进入增长曲线，我认为我们现在有很多产品都处于增长曲线上。我认为这对客户来说是比点解决方案更广泛的价值主张，最终对他们来说是更具战略性的地位，而不是到处服务。这确实将成为他们数据的中枢神经系统。
所以你知道，我认为这些是一些相似之处。你知道，我认为Databricks也是一家在保持与时俱进并很好地执行行业趋势方面做得非常出色的公司，无论是大数据还是人工智能等。你知道，我认为Confluent也有类似的机会做到这一点。
明白了。在我们剩下的两分钟里，客户有什么问题吗？请讲。
进展如何？你知道，谈谈，你现在提到了Databricks。当客户都在进行数据旅程，比如前几天清理数据，为人工智能做好准备。为什么他们最终会选择像Confluent这样的第三方供应商，而Databricks例如已经有流处理解决方案？为什么要切换到云应用程序？
是的，是的，是的。所以我重复一下问题，大致是，如果你正在为人工智能做准备，如果你有Databricks，Confluent能增加什么价值？是的，我认为我们增加的最大价值是所有流数据。你知道，能够在整个应用领域做到这一点。Spark有一些实时处理能力，你知道，但这种在整个组织中拥有流数据的更大能力是我们会带到等式中的东西。
是的，我认为这是与Databricks合作的基础。我们不会在市场上竞争。我们实际上是在合作。你知道，这不仅仅是表面上的事情，团队正在非常积极地合作，这不是那种在Salesforce中我们会与Databricks有某种竞争领域并在下拉菜单中显示的事情，对客户来说，这些是非常互补的技术，显然在任何两个数据平台之间，有些事情你可以用我们做，也可以用他们做。
所以你可以指出一些边界争议。但最终，如果你想想他们想做什么，他们想占据的领域和我们想占据的领域，这些在很大程度上是组织中不相交的部分。
那么，我们就到此结束。在结束之前，我不会点名，但观众中有两个人我认识超过30年了。你是其中一个。还有站在后面的那个家伙。我不会叫你的名字。你知道我在说谁。无论如何。这真是一个里程碑。我们一直在一起做这个。好吧，在这一点上，非常感谢杰伊和罗汉的加入。正如我所说，这只是开始。这是为期四天的充满行动和见解的会议。
所以请留下来，因为我们将一起学习很多东西。非常感谢。