Amy Agress（总法律顾问）
Jack Abuhoff（首席执行官）
Marissa（Mariz）Espineli（临时首席财务官）
George Sutton（Craig-Hallum）
Hamed Khorsand（BWS Financial）
Allen Klee（Maxim Group）
下午好，女士们、先生们，欢迎参加Innodata公司2025年第四季度及财年业绩报告电话会议。[主持人说明] 在演示之后，我们将进行问答环节。[主持人说明]
现在，我将会议交给总法律顾问Amy Agress。请开始。
谢谢主持人。大家下午好。感谢大家今天参加我们的会议。今天的发言人是Innodata的董事长兼首席执行官Jack Abuhoff，以及临时首席财务官Mariz Espineli。今天参加会议的还有高级副总裁、财务与企业发展主管Aneesh Pendharkar。总裁兼首席 revenue官Rahul Singhal今天无法出席，但期待参加我们下次的会议。我们首先将听取Jack的发言，他将介绍业务概况，然后Mariz将回顾我们2025年第四季度和财年的业绩。之后我们将接受分析师的提问。
在开始之前，我想提醒大家，在本次电话会议中，我们将发表前瞻性陈述，这些陈述是关于未来事件的预测、展望和其他表述。这些陈述基于当前的预期、假设和估计，并受到风险和不确定性的影响。实际结果可能与这些前瞻性陈述中所设想的结果存在重大差异。可能导致这些结果产生重大差异的因素在今天的收益新闻稿、我们的Form 10-K、Form 10-Q的风险因素部分以及向美国证券交易委员会提交的其他报告和文件中均有阐述。我们没有义务更新前瞻性信息。
此外，在本次电话会议中，我们可能会讨论某些非GAAP财务指标。在我们今天向SEC提交的收益报告以及发布在我们网站上的其他SEC文件中，您将找到关于这些非GAAP财务指标的额外披露，包括这些指标与可比GAAP指标的调节。
谢谢。现在我将会议交给Jack。
谢谢Amy，大家下午好。第四季度对Innodata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%。这使得我们的全年收入达到2.517亿美元，2025年同比增长48%。
我们第四季度的综合调整后毛利率为42%，超过了我们对外公布的40%的目标。我们的调整后EBITDA总计1570万美元，占收入的22%，也超出分析师共识120万美元。事实上，我们的业绩在包括收入、调整后EBITDA、净收入和每股收益在内的一系列关键指标上均超出了分析师的共识。我们以8220万美元的现金结束了这一年，环比增加约840万美元。
我们在实现这些业绩的同时，在主营业务成本（COGS）和销售、一般及管理费用（SG&A）方面进行了有意义的增长导向型投资。在主营业务成本方面，我们提前储备了产能以应对收入增长，这被证明是正确的举措。在销售、一般及管理费用方面，我们投资于工程师、数据科学家和面向客户的账户领导层，这些投资也被证明是审慎的，带来了创新，扩大了我们的机会。
我们相信我们的业务势头正处于历史最高水平。我们看到整个生成式AI生命周期都存在强劲需求，涵盖开发、评估和持续的模型优化。并且我们相信我们正在获得众多大型客户的广泛且多样化的认可。
由于市场需求和日益增长的认可度，我们预计2026年将是又一个可能实现非凡增长的年份。我们目前估计2026年的同比增长率可能约为35%或更高。这一估计反映了活跃的项目、最近获得的胜利、后期评估以及我们有明确视线的机会。
由于我们处于年初，并且大型语言模型（LLM）计划启动迅速，我们认为这一范围可能存在显著的上行空间。然而，我们倾向于保守地提供指导，并随着可见性的增加而向上调整。同时，考虑到我们支持的项目规模和复杂性，客户增长计划、预算批准或研究重点的转变可能会影响收入实现的速度。
我们的展望中包含这样的预期：来自我们最大客户的支出在这一年将有所增加，而其余客户群的总体增长速度将更快。我们预计其他客户的增长将来自Mag 7、国内AI创新实验室、主权AI计划和领先企业的组合。我们相信这将对客户多元化做出有意义的贡献。
我们的客户行动迅速，推动了更短的开发周期，并对研究突破做出更快的响应。2025年，我们在这种环境中取得成功，很大程度上是因为我们跟踪研究、预测客户需求并在需要时进行调整。
举例来说，在今年第一季度，对于我们最大的客户，我们停用了大量的训练后工作流程，这些工作流程总计约占2000万美元的年化收入运行率，但我们用新的训练后工作流程和扩大的预训练项目（这是我们最近关注和投资的领域）的组合取而代之。从收入运行率的角度来看，最终的净效果是积极的。
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，由于我们已经进行并打算在未来进行的投资，我们相信我们正在进入Innodata的创新黄金时代。
现在我将分享我们最近的一些创新举措。出于竞争原因，我们会适当保持谨慎，但我们分享的内容将让您了解我们的思考方式、投资方向、取得的成功以及我们打算如何利用未来的机会。
我将简要介绍我们在三个领域的近期创新：生成式AI模型训练、智能体AI（agentic AI）和物理AI（physical AI）。在开始之前，我想强调一个统一的主题。我即将讨论的每一项创新从根本上来说都是数据创新。无论目标是更强大的大型语言模型、更可靠的自主智能体，还是更智能的物理AI系统，数据质量、数据组合、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。
我们从生成式AI训练开始。历史上，客户会告诉我们他们想要什么样的训练数据。然而，越来越多的客户开始要求我们诊断模型性能、设计合适的训练数据集，并证明这些数据集将显著改善结果。
具体流程如下。我们首先使用我们的评估框架识别性能差距。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相似的代理模型来验证其有效性。只有在我们测量并证明性能影响后，我们才会进行扩展。这将讨论从“数据有多少”转变为“数据有多有效”。
我们认为这种转变是由两种力量推动的：AI研究的加速步伐，以及训练越来越大的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。
我们还在推进创建改善长上下文推理的数据集的方法，长上下文推理是AI模型一次吸收和推理大量信息的能力。这仍然是行业最重要的技术挑战之一。解决这个问题不仅需要架构改进，还需要在大规模创建非常特定类型的结构化训练数据方面取得进展。创建改善长上下文推理的训练数据是一个非 trivial 的问题，但我们已经并将继续取得有意义的进展。
第二个创新领域是围绕评估自主智能体系统并通过有针对性的数据集创建来改进它们。我们认为自主智能体可能代表自电力出现以来最重要的商业创新机会。但公司很快发现，许多在受控实验室环境中表现令人印象深刻的AI智能体在现实世界的生产环境中性能会下降。
现实世界是混乱的。它受到边缘情况、相互冲突的约束、不可预测的用户行为和对抗性条件的影响。解决这一问题从根本上说是一个数据挑战。智能体必须使用现实、多样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。
第一个是智能体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智能体跟踪数据，构建“LLM即评判者”评估器，创建与业务一致的评估标准，生成用于攻击性测试的黄金数据集，并大规模生成测试数据。然后，一旦智能体部署，我们的平台可用于持续监控其性能，对性能问题进行根本原因分析，并获取缓解数据集。
我们很高兴地分享，我们预计很快将与一家超大规模科技公司启动一项托管服务合作，我们将使用我们的平台大规模创建测试数据，执行自动化评估，并识别关键模型漏洞，以提高其面向客户的智能虚拟助手的性能。
第二项创新是托管智能体优化管道，旨在系统地训练并因此抵消现实世界大规模部署的混乱。该管道生成现实的测试场景，自动化评估，严格测量约束满足度，并生成强化学习数据集。使用该系统，我们已证明在约束满足度方面最多可提高25个百分点。
重要的是，使用传统技术训练的智能体往往随着任务复杂性的增加而显著退化。相比之下，通过我们的管道训练的智能体在不断升级的现实世界难度下能够保持其性能。在最苛刻的场景中，标准方法与我们系统之间的性能差距扩大到超过31个百分点。我们目前有多个AI创新实验室和企业客户正在积极探索该系统。
我们为支持企业智能体AI而设计的第三个解决方案是一个对抗性模拟系统，该系统生成高质量、语义多样化且可扩展的对抗性攻击来对智能体进行压力测试。该系统生成全谱的攻击类型，包括直接越狱、通过RAG管道的间接提示注入、多轮社会工程隐写 payloads，以及结合注入技术与特定领域知识的复合攻击。一旦识别出漏洞，它会生成高度针对性的缓解数据集以加强防护措施。
我们相信我们的系统能够大规模生成现实的对抗性攻击，其方式超越了现有的替代方案。市场上的许多工具产生的是简单或模板化的恶意内容，缺乏现实世界威胁行为者的细微差别和复杂性，无法在不同场景中扩展，或者依赖于模型很快学会预测并过度拟合的通用策略。
但相比之下，我们的框架旨在模拟适应性强、多步骤且战略一致的攻击模式，包括高度复杂的模型提取、网络安全、网络犯罪和唆使威胁场景，这些场景更好地反映了高级攻击者的操作方式，并使我们的合作伙伴能够领先于新兴威胁。结果是既可扩展又耐用的对抗性训练数据，迫使模型进行泛化而非记忆，并实现更强的现实世界弹性。
我们的工作引起了一些世界顶级AI和网络安全公司的首席信息安全官（CISOs）和安全领导者以及政府相关专家的兴趣，并已导致与其中几家公司的早期合作。在网络行业经历重大变革之际，这些能力加强了我们在新兴的AI信任与安全领域的地位，我们正在与几家超大规模科技公司在该领域进行有意义的深化合作。
我们相信Innodata有能力成为提示层安全领域的领导者，在交互点保护AI系统，而不是仅仅依赖传统的 perimeter 或端点防御。综上所述，我们相信这些解决方案不仅将我们定位为数据供应商，还将我们定位为智能体可靠性的全生命周期合作伙伴。
我们相信2026年也将标志着物理AI的加速发展，物理AI是感知并与物理世界交互的智能系统。虽然机器人技术提供了机械框架，但物理AI提供了智能。该领域的主要瓶颈是数据集质量和规模。手动注释和静态质量检查抽样根本无法扩展到十亿样本的语料库和不断演变的环境。
我们开发了一个大规模数据工程系统，该系统整合了结构验证、分布监控、时间一致性检查和模型在环（model-in-the-loop）工具。这使我们能够在缺陷和数据集传播到性能故障之前识别并纠正它们。我们已经在最近宣布与Palantir的高知名度合作中使用了该系统的组件。
我们最近获得了一项重要合作，为下一代机器人数据集创建基础数据集，包括第一人称视角数据（egocentric data）。第一人称视角数据从机器人的角度捕捉世界，即它在运动中看到和体验的东西。我们还与领先的机器人实验室合作，大规模创建功能数据（affordance data）。功能数据教会系统在特定环境中可能采取的行动，不仅是识别物体，还包括理解如何使用它们。
第一人称视角数据和功能数据共同构成了允许机器在动态环境中智能行动的认知框架。这项工作也使我们能够支持所谓的世界模型（world models）的开发，世界模型是允许AI系统预测结果、推理因果关系并提前规划多个步骤的内部模拟。世界模型需要捕捉随时间变化的交互和行动后果的结构丰富的数据集，正是我们现在正在设计的数据类型。
最后，我们最近开发了一种用于无人机和其他小型物体检测的AI模型，该模型比之前的最先进基准高出6.45%。在一个通常以百分点的分数来衡量进展的领域，6.45%的改进是一个重大进步。该模型在小尺寸、速度快、背景杂乱和环境噪声使可靠感知异常困难的现实世界条件下提高了检测保真度。我们相信这一进展具有令人信服的双重用途意义，我们目前正在与潜在客户积极探索。
我想强调我刚才提出的一个重要观点。几十年来，Innodata一直专注于创建高质量、复杂的数据集。今天，这些能力是解锁下一代AI系统的核心。先进的LLM推理、智能体在混乱环境中的可靠性以及物理世界中的机器人感知都依赖于工程化的数据生态系统。而这正是我们的业务所在。
我们在LLM训练、智能体AI和物理AI方面的创新不是单独的举措，而是单一战略优势的延伸：我们有能力设计在现实世界条件下可测量地提高模型性能的数据。我们相信我们的创新管道将同时提高利润率和收入。
我们预计2026年初的调整后毛利率将在35%至40%之间，随着新计划的启动以及创新驱动的工作流程的扩展，毛利率将正常化至我们40%或更高的目标调整后毛利率。自动化、合成系统和评估平台都在结构性地提高我们的运营杠杆。
现在我将会议交给Mariz，她将介绍具体数据。
谢谢Jack，大家下午好。2025年第四季度收入达到7240万美元，同比增长22%。环比来看，收入从第三季度的6260万美元增长15.7%。
2025年第四季度调整后毛利润为3010万美元，同比增长6%，环比增长9%，调整后毛利率为42%。
调整后EBITDA为1570万美元，占收入的22%。本季度净收入为880万美元。重申一下，这是扣除了显著扩大的数据科学和工程工作后的结果，这些工作产生了Jack刚才谈到的那种创新。
我们本季度末的现金为8220万美元，高于上一季度末的7390万美元和2024年末的4690万美元。我们没有动用3000万美元的富国银行信贷额度。
正如Jack所提到的，基于我们目前的势头，我们目前预测2026年的收入同比增长率为35%或更高。
谢谢大家今天参加我们的会议。主持人，请打开提问线路。
谢谢。女士们、先生们，我们现在开始问答环节。[主持人说明] 第一个问题来自Craig-Hallum的George Sutton。请提问。
谢谢Jack。我感觉我刚刚上了一堂高级AI数据科学课，所以谢谢你。我想稍微退后一点，因为我认为人们有这样一种假设，即对你有效的一些东西在某种程度上是暂时的。我认为你在过去几个季度做了有趣的工作，从训练后开始，然后到预训练。现在有了包括机器人技术和自主智能体在内的其他引人注目的用例，你能谈谈你所看到的事物的广度以及你认为我们在你面临的数据科学机会的连续体中处于什么位置吗？
当然。谢谢你，George。谢谢你的问题。所以当我们展望近期的2026年时，我们认为自己因为2025年投资的创新而处于非常有利的位置。我们将创新产出视为一个飞轮。我们正在变得更好、更强。我们正在创造解决企业在将AI整合到其运营中时面临的实际障碍的解决方案。
因此，当你审视AI当前能力的范围以及智能体系统、物理AI、机器人技术等未来能力时，所有这些都归结为数据工程方面的挑战。
当然，架构会不断改进。会有更大的模型。会有针对特定领域挑战的更窄的模型。但核心是，在使系统可靠、在企业层面安全方面，这将与我们今天宣布的用于评估的数据集、用于训练的数据集以及提高模型安全性和可靠性的创新等有关。
所以我们认为我们正处于非常开始的阶段，我们的相关性绝不是在减弱，而是在增强。这种增强不仅在基础模型构建者层面，而且显然正在延伸到企业层面。
我们对我们现在所处的位置以及我们正在创造的创新在未来几年将产生的吸引力感到超级兴奋。
那很好。还有一个问题。在过去几年中，你们以一定的预期开始这一年，然后最终大大超出了这些初始预期，进入2026年，相对于你们今天看到的情况和你们今天承诺的情况，有什么不同吗？
不，完全没有。我们完全遵循同样的方法。我们真的在限制我们的——或者说我们在基于我们有非常清晰视线的机会采取保守的增长预测方法。但是对于我们无法预测的成交率，对于我们不能非常确定会发生的事情，我们不会将其纳入我们的指导中。
我们的目标是给市场惊喜并超出预期。当我看今年时，我认为这很可能又是这样的一年。我们看到大量客户带来的巨大机会。我们认为这将带来增长。我认为随着这一年的推进，我们很可能会提高指导。而且我认为这将是我们实现非常有意义的客户多元化的一年。
除此之外，正如我们已经讨论过的，我认为这将是我们开始看到越来越多的人机混合驱动解决方案的一年。我相信这预示着经常性收入的增加。我认为随着时间的推移，这预示着更高的利润率、更大的粘性，以及除其他外，随着时间的推移，收入质量将不断提高的很多事情。
就我们与基础模型构建者的合作而言，我们不仅在我们最大的客户那里看到了大量的吸引力，在其他客户那里也是如此。我们与他们在长上下文推理改进等方面想要实现的目标非常一致。我们有有助于实现这一目标的创新。所以我们对我们现在的位置感到非常兴奋。
好的，很好。谢谢Jack。
谢谢。
下一个问题来自BWS Financial的Hamed Khorsand。请提问。
嗨，第一个问题是，你之前谈到随着收入增长扩大运营规模。你们现在有足够的员工吗？你们认为需要增加更多员工吗？你预计毛利率从现在开始上升的时间线是什么？谢谢。
当然。谢谢Hamed。所以我认为这真的取决于我们所看到的情况。我认为如果我们开始内部预测非常显著的增长率，我们将进行投资以确保我们能够抓住这些增长率。
我确实认为，由于消化了我们在主营业务成本中进行的一些人员投资，由于我们正在讨论的各种创新，我确实认为随着时间的推移，我们将看到毛利率回到我们的目标水平。
好的。那么，除了你们最大的客户之外，你谈到的与其他客户的交易 pipeline 有时间安排吗？
所以是有 pipeline 的，但我们——我所指的交易主要是我们正在完成或已经完成的交易。所以我们不依赖——我们不是在猜测将要发生什么。这些都是正在进行中的事情。
好的，谢谢。
下一个问题来自Maxim Group的Allen Klee。请提问。
是的。嗨，2025年，我认为你们的调整后EBITDA利润率约为23%，我知道对你们来说，将资金再投资回业务以确保公司的健康非常重要。我的问题是，有什么理由认为你们会将调整后EBITDA利润率目标设定为高于或低于2024年的水平吗？
所以我们现在非常专注于抓住机会。我们相信我们可以在保持盈利的同时做到这一点，但我们也相信，抓住机会并做一些我们正在描述的事情并证明这些创新比跟踪调整后毛利率百分比并试图维持某个百分比更为重要。所以我们将积极地将资金再投资于业务。
在某种程度上，我们看到的机会越多，我们的再投资就会越多。不过，我们确实相信，在推动非常积极的增长并逐渐对越来越广泛的客户群体变得更加关键的同时，我们能够保持盈利。
好的。你在创新方面提到的一个要点是通过自动化、合成数据生成和评估平台实现利润率扩张的结构性基础。你能解释一下你指的是哪种利润率扩张吗？谢谢。
是的。所以我们指的是随着时间的推移毛利率的扩张。我们现在正在开发并推向市场的许多创新都是软件和人类团队的混合体。
而且我认为随着时间的推移，与这些能力相关的毛利率可能会远远超过我们今天的目标毛利率。
明白了。这很有意义。我最后的问题是，对于26年第一季度，在收入或支出方面，有什么你想指出的可能突出的事情吗？
嗯，我不一定会说明天的下一季度，但我认为很快我们将看到一些季度的收入超过我们三年前一整年的收入。所以这本身就是个好消息。随着这一年的推进，我认为你们将看到更多的证明点、更多的证据以及我们与一些非常有趣的公司围绕我们所描述的创新进行的更多合作。
我认为我们将开始展示我们在某种程度上正在从供应商转变为AI生态系统中的基础层，成为能够释放企业参与中AI潜力的公司，能够帮助企业采用进行规划、调用工具、执行复杂工作流程并创造大量价值的复杂智能体的公司。
所以我认为这——我认为我们将在第一季度看到这方面的证据。我认为我们将在这一年中继续看到这方面的证据。
也许最后一个快速问题。
当然。
当你谈到你们最大的客户时，我不确定我是否完全理解，但你提到了大约2000万美元的事情，也许会被更多的东西取代，或者你能解释一下吗 [语音重叠]
是的，我认为，我认为我们在那里提出的观点是，创新对我们公司今天是多么重要，以及它正变得越来越重要。有些事情我们完成了，我们正在开始新的事情。通过遵循创新的道路——韦恩·格雷茨基过去常说的，滑向冰球要去的地方。我们能够停用公司不再需要的东西，但在他们有新兴需求的时候为他们提供服务。
再次强调，我们看到新兴需求从业务角度、收入质量角度和差异化角度来看比以前的事情更有趣。
因此，这些投资正在得到证明。它们使我们能够扩大参与的广度。它们使我们能够赢得新的参与和新的客户——其中一些我们认为将非常可观。它们将在今年真正取得成果。这将解决多元化问题。
所以我们——当我们展望2026年时，我们看到了巨大的增长。我们相信我们很可能会从今年开始的指导水平上提高我们的指导。我们认为我们在工作流程中的嵌入方式将越来越有趣，并提高利润率和收入。这有望成为在所有这些方面都取得巨大成就的一年。
那太好了。恭喜。谢谢。
谢谢。
目前没有更多问题。我现在将会议转回给Jack Abuhoff。请继续。
谢谢主持人。所以，是的，总结一下，2025年是伟大的一年，2026年有望更加美好。2025年，我们实现了强劲的收入增长。我们在主要财务指标上超出了预期。我们扩大了利润率。我们加强了资产负债表。我们成功地在需求之前进行了投资。这些投资被证明非常成功，并为我们2026年做好了充分准备。
我相信2026年很可能是令人难以置信的一年。基于今天的可见性，我们指导增长约35%，但我相信可能有非常可观的上行空间。我们将在这一年中像过去几年一样更新你们。
我还想强调我们的信念，即今年我们可能会显著多元化我们的收入流。我们相信，精心设计的数据生态系统在推进语言模型、媒体模型、自主智能体、机器人、世界模型和其他尚未构想的AI方面，将与更大的模型和新架构同样重要。
所以我们对未来感到非常兴奋。我们对我们的定位非常有信心。我们非常致力于打造行业内最重要且我们认为最有能力的AI赋能公司之一。这将是令人兴奋的一年。
感谢大家与我们一起踏上这段旅程。期待下次见面。
[主持人结束语]