全新AI工具EditVerse將圖片和影片編輯整合到一個框架中，讓你像P圖一樣輕鬆P影片。透過統一的通用視覺語言和上下文學習能力，EditVerse解決了傳統影片編輯複雜、資料稀缺的問題，也能實現罕見的「湧現能力」。在效果上，它甚至超越了商業工具Runway，預示著一個創作新紀元​​的到來。你是否曾有過這樣的經驗：用Hunyuan- Image、nano-banana等各類AI軟體修圖已經得心應手，但面對影片編輯，卻需要打開有著複雜時間軸和特效面板的影片剪輯軟體（PR/FCPX），瞬間感覺「我不會了」。圖片編輯和影片編輯，彷彿是兩個次元的技能樹。但如果，有一個工具，能讓你像P圖一樣P影片呢？今天，這個顛覆性的工具來了！由香港中文大學、Adobe Research、約翰霍普金斯大學的研究員們聯合推出的EditVerse，是一個劃時代的AI模型，徹底打破了圖片和視訊創作之間的壁壘，用一個統一的框架，實現了對圖像和視訊的自由編輯與生成 。論文連結：https://arxiv.org/abs/2509.20360專案首頁：http://editverse.s3-website-us-east-1.amazonaws.com/測試程式碼：https://github.com/adobe-research/EditVerse完整結果：http://editverse.s3-website-us-east-1.amazonaws.com/comparison.html無論是生成音樂音符特效，還是為跳舞的人物加上一對閃亮的翅膀，你只需要輸入一句話，EditVerse就能幫你實現。「資料孤島」影片編輯為何如此之難？長期以來，AI影片編輯的發展遠遠落後於圖片編輯。究其原因，主要有兩大「天塹」：架構的「隔閡」：傳統的AI模型，要嘛是專為圖片設計的，要嘛是專為影片設計的。想讓一個圖片編輯模型去處理視訊，或者反之，都極其困難，需要複雜的魔改和適配。這導致了工具的碎片化。資料的「饑荒」：高品質的、「編輯指令-編輯後」配對的影片資料集極為稀少。相較於數以億計的影像編輯資料，影片領域的「養分」嚴重不足，這大大限制了AI的學習和進化。這些難題，使得過去的AI影片編輯工具要麼功能單一，要麼效果不盡人意，始終無法像圖片編輯那樣靈活和強大。EditVerse的「破壁」之道EditVerse的革命性，在於它用一套全新的「世界觀」和方法論，同時解決了架構和資料的雙重難題。核心思想一：創造一種「通用視覺語言」EditVerse交錯文字與視覺模式的範例。 EditVerse 能夠處理任意解析度、長度和順序位置的影像與視訊輸入和輸出。EditVerse做的第一件事，就是教會AI用同一種方式去「閱讀」世界上所有的視覺訊息。它創新地將文字、圖片、影片全部轉換成一種統一的、一維的「資料流」（Token序列） 。這就像是發明了一種「世界語」，讓原本說著不同方言（圖片編碼vs 視訊編碼）的AI，現在可以用同一種語言進行交流和思考。核心思想二：強大的「上下文學習能力」EditVerse 模型結構。研究人員設計了一個統一的圖像和視訊編輯與生成框架，將文字與視覺輸入處理為統一的序列。圖中右側展示了位置資訊編碼設計（RoPE位置編碼）。該框架利用全自注意力機制，以促進強大的上下文學習能力，並實現跨模態的高效知識遷移。有了「通用語言」後，EditVerse採用了一個基於全自注意力機制（Full Self-attention）的強大Transformer架構。透過將所有資訊流在序列維度拼接在一起，EditVerse模型可以直接透過attention的上下文學習能力將不同圖片、影片和文字中的資訊關聯起來。你可以把它想像成一位「上下文學習大師」，它能一口氣讀完包含指令、原始畫面的整段「資料流」，並精準地理解其中每個部分之間的關聯。例如「把【影片1】左邊女人的裙子變成【圖2】中的裙子」 ，全注意力機制能精準地將文字指令、影片中的特定人物和圖片中的服裝關聯起來。同時，這種設計使得EditVerse能夠靈活處理任意解析度、任意時長的輸入，真正做到了「隨心所欲」 。核心思想三：搭建一座「知識遷移的橋樑」這正是EditVerse最巧妙的地方。因為它使用一套統一的框架同時處理圖片和視訊，所以它能將在海量的圖片編輯資料中學到的知識（比如什麼是“火焰特效”、“水彩畫風格”），無縫遷移並應用到視訊編輯任務中 。這座「知識橋樑」大大緩解了視訊資料稀少的問題，讓模型能夠舉一反三，展現出驚人的創造力和泛化能力。訓練資料與首個多解析度影片編輯評測基準光有聰明的「大腦」（模型架構）還不夠，還需要大量的「知識」（訓練資料）和公平的「考官」（評測基準）。面對影片編輯資料稀缺的困境，EditVerse團隊首先建立了一條可擴展的資料生產線。他們利用各種先進的專用AI模型，先自動產生大量的影片編輯樣本（例如物件移除、風格轉換等），然後透過一個視覺語言模型（VLM）進行評分和篩選，最終精選出23.2萬個高品質的影片編輯樣本用於訓練。這批影片編輯資料，與600萬圖像編輯樣本、390萬視訊生成樣本、190萬圖像生成樣本等海量資料混合在一起，共同訓練EditVerse，從而使模型擁有更好的知識遷移理解能力。此外，為了科學、公正地評估模型的能力，團隊也推出了業界首個針對指令式影片編輯的綜合性評測基準——EditVerseBench 。這個評測基準包含了100個不同解析度的視訊，涵蓋了多達20種不同的編輯任務，從簡單的物體加入，到複雜的風格變換，確保能全面地檢驗每個模型的真實水平。EditVerseBench範例。 EditVerseBench包含200組編輯樣本，均勻分佈在20個編輯類別中，影片涵蓋橫向和縱向兩種方向。能力展示當想像力沒有邊界EditVerse不僅統一了工作流程，其編輯效果更是達到了業界頂尖水準，在人工評估（Human Evaluation）上更是超過了商業模式Runway Aleph。為了進行大規模、客觀的自動化評測，團隊從多個角度進行了各個模型的評測影片品質(Video Quality): 使用與人類美學高度相關的PickScore進行評分。文字對齊(Text Alignment): 分別在單幀和整個影片層面，計算編輯結果與文字指令的語意匹配度。時間一致性(Temporal Consistency): 透過計算相鄰影格之間的特徵相似度，來判斷影片是否流暢、無閃爍。視覺語言模型（VLM）GPT-4o評分（VLM Evaluation） ：它會從指令遵循、編輯品質、背景一致性等多個角度為產生結果評分。在EditVerseBench基準測試上，EditVerse與現有主流方法進行了對比，結果顯示其全面領先於所有開源模型。更值得注意的是，在最符合人類偏好的VLM評分上，EditVerse超越了閉源商業模式Runway Aleph 。在EditVerseBench上的定量比較。對於開源研究模型，研究人員比較了兩種無需訓練的方法（TokenFlow和STDF）、一種首幀傳播方法（Señorita-2M），以及一種基於指令的影片編輯方法（InsV2V）。最佳結果以粗體標示。也提供了一個商業模式Runway Aleph的結果。儘管由於基礎模型的差異，EditVerse在生成品質上略遜於Runway Aleph，但EditVerse在編輯忠實度上（透過基於視覺語言模型的編輯品質評估）超越了它，與人類評估結果更加一致。在編輯領域，使用者的真實偏好最有說服力。在真人評測環節中，評測者在不知道模型來源的情況下，對不同模型產生的影片進行投票。結果再次印證了EditVerse的優勢：它不僅對開源模型取得了壓倒性的勝利（例如對InsV2V的勝率高達96.9%），面對商業模型Runway Aleph，也有51.7%的使用者認為EditVerse的效果更好 。人類評估結果EditVerse的「湧現能力」從何而來？在測試過程中，研究人員發現了一個令人興奮的現象：EditVerse經常能完成一些它從未在視訊資料中學過的任務。例如，指令是「把烏龜變成水晶材質」或「給天空加上縮時攝影效果」，儘管它的視訊訓練集中並沒有這類“材質變換”或“特效加入”的專項資料，但模型依然能出色地完成。這種「無師自通」的能力，就是AI領域備受關注的「湧現能力」（Emergent Ability）。這背後的秘密，正是前文提到的那座「知識遷移的橋樑」在扮演關鍵角色。想像一下，EditVerse就像學徒，閱讀了600萬本關於「靜態繪畫」的頂級教材（圖片編輯資料），卻只看了28.8萬份關於「動態影像」的簡報（影片編輯資料） 。然而，他從海量繪畫教材中學到了關於光影、構圖、材質、風格的深刻原則。當他處理動態影像時，他能將這些底層藝術原理靈活運用，從而「領悟」出影片中如何表現「水晶質感」或「天氣變化」，即便簡報裡從未提過。為了驗證這個猜想，團隊進行了一個關鍵的消融實驗：他們拿走那600萬本「繪畫教材」（即移除圖片編輯資料），只用影片資料來訓練模型。結果不出所料，新模型的影片編輯能力發生了斷崖式的下降 。另外，團隊也發現，如果將影片產生訓練資料移除，模型效果同樣會下降，這說明了模型是從圖片編輯+影片產生兩者各取其長，湧現出了影片編輯的能力。關於訓練資料的消融研究。訓練資料消融實驗的可視化結果。圖像資料起到了關鍵作用。這項實驗無可辯駁地證明了：正是從海量、多樣化的圖像資料中汲取的深層知識，賦予了EditVerse在視訊領域舉一反三、觸類旁通的“湧現能力”。它甚至能創造出比其訓練資料更高品質的作品，因為它不是在死記硬背，而是在真正理解和創造。將EditVerse的生成結果與真實資料進行比較。結果顯示，EditVerse能夠透過從影像和影片產生資料中提取知識，產生品質超越真實資料。一個創作新紀元​​的開啟EditVerse的出現，其意義遠不止於一個強大的工具，它預示著一個全新的內容創作範式的到來，從分離到統一，從繁瑣到簡潔。EditVerse正在做的，是將專業級的視覺編輯能力，真正普及給每一個有創意的人。 （新智元）

Adobe第三財季營收59.9億美元，同比增長11%，超預期59.1億美元。淨利潤從去年同期的16.8億美元增至17.7億美元，每股收益從3.76美元提升至4.18美元。市場反應相對謹慎，盤後股價一度上漲8%後漲幅顯著回落至2.77%。儘管Adobe交出了一份超預期的財報，但一個季度的好消息可能還不足以驅散籠罩在公司上空的疑雲。9月11日，Adobe發佈財報，第三財季營收59.9億美元，同比增長11%，超預期。調整後每股收益5.31美元，同樣高於預期的5.18美元。首席執行官Shantanu Narayen在聲明中表示：受 AI 影響的產品的年度經常性收入已超過50億美元。Adobe是AI創意應用領域的領導者。具體財報要點如下：財務表現：第三財季實現營收59.9億美元，同比增長11%，超出分析師預期的59.1億美元。調整後每股收益5.31美元，高於預期的5.18美元。淨利潤從去年同期的16.8億美元增至17.7億美元，每股收益從3.76美元提升至4.18美元。核心業務進展：公司的增長引擎數位媒體業務表現強勁，Q3營收達44.6億美元，同比增長12%。該部門的年度經常性收入（ARR）達到186億美元。數字型驗業務營收為14.8億美元，同比增長9%。前景展望：公司第二次上調全年業績指引，預計全年營收236.5億至237億美元，調整後EPS為20.80至20.85美元。第四財季營收預期60.8-61.3億美元。儘管財報資料和指引均超出預期，但市場反應相對謹慎，盤後股價一度上漲8%後漲幅顯著回落至2.77%。投資者雖然看到了AI帶來的希望，但對其變現的真實規模和速度仍持觀望態度，同時來自Canva、Midjourney等新老對手的激烈競爭壓力並未消除。正如Oppenheimer分析師Brian Schwartz指出，投資者希望看到Adobe AI努力的更多變現能力。當前廣泛可用的AI編輯和生成工具正在對公司構成更大競爭壓力。核心業務穩健，前景謹慎樂觀數位媒體業務作為Adobe的現金牛，第三財季銷售額增長12%至44.6億美元，該部門年度經常性收入達到186億美元。數字型驗業務營收則增長9%至14.8億美元。公司將全年數位媒體ARR增長預期從11%上調至11.3%，但這樣的增速對於一家科技公司而言並不算突出。Adobe將全年營收指引上調至236.5-237.0億美元，這是今年第二次上調預期。第四財季營收預期為60.8-61.3億美元，調整後每股收益預期5.35-5.40美元，均略高於分析師預期。其中，數位媒體業務第四財季營收預期為45.3-45.6億美元，超出分析師45.1億美元的預期，這表明核心業務仍有增長動力。對於Adobe而言，真正的考驗不在於單季度的超預期表現，而在於能否在AI時代重新定義自身的護城河，並將技術優勢轉化為可持續的收入增長。從目前的資料來看，公司正朝著正確方向前進，但距離徹底打消市場疑慮仍需時日。競爭壓力不容忽視Adobe面臨的挑戰是多維度的。一方面，Canva和Figma等較小公司正在奪取更多市場份額；另一方面，Meta等大型科技公司正在整合更多AI功能。更令人擔憂的是，像Midjourney這樣的AI原生工具正在挑戰Adobe在創意軟體領域的長期領導地位。摩根士丹利分析師Keith Weiss在財報前就指出，投資者對Adobe從AI創新中賺錢的能力感到焦慮。華爾街近幾個月來對應用軟體製造商普遍看衰，主要擔心來自專注AI的競爭對手的威脅。 (invest wallstreet)

2025年最受關注的科技股IPO，是曾被Adobe“拋棄”的Figma。也許你沒聽說過Figma，但你每天用的App、打開的網頁介面，很可能就誕生於這一全球最流行的設計工具。三年前，Adobe曾出價200億美元收購Figma，然而，這筆收購案戛然而止。如今，Figma帶著一份亮眼的招股書，以及其中150次提及的“AI”關鍵詞，站在了IPO聚光燈下。但與此同時，外界也在質疑其AI功能尚不成熟、定位不清晰。本周101 Weekly的第二期，我們就來聊聊：Figma憑什麼在Adobe轉身離去後還能獨立闖關IPO？它講的AI故事是真創新，還是被迫自救？Lovable等AI原生設計工具正在崛起，Figma還能穩住設計工具王者寶座嗎？AI又將如何再次改寫Figma的命運？01 Figma上市 2025年最大的科技股IPO2022年9月，創意軟體巨頭Adobe宣佈以200億美元收購Figma。當時，全球設計軟體行業最受關注的三大公司是Adobe、Figma和Canva。Adobe已經是行業巨頭，市值超過2000億美元，旗下Photoshop, Illustrator, InDesign, Lightroom, Premiere等近百個軟體產品讓它坐穩創意軟體行業的寶座。Figma是一款用於介面設計的協作Web應用，側重於使用者介面與使用者體驗設計，關鍵詞是“即時協作”。通過Figma，設計團隊可以便捷開展合作，而不依賴於類似Adobe的本地軟體。所以在疫情期間，當人們開始遠端辦公，Figma也經歷了爆發式增長。Canva則是一個線上的圖形設計平台，用於建立社交媒體圖形和簡報。Figma與Canva相比，Canva更側重於消費級市場，而Figma則更側重於企業級市場。2022年，Adobe面臨數字設計領域產品的口碑降低、專業使用者流失等問題，尤其是UI（使用者介面）設計領域被Figma全面超越，所以Adobe就想直接把Figma給收了，來重建產品能力。然而，不出所料，這起收購案遭遇了當時對科技巨頭併購日趨嚴格的反壟斷審查，尤其受到歐洲和英國監管機構的重點關注。而有意思的是，雖然“反壟斷”監管是表面上的理由，但有分析認為，Adobe也並沒有做出太多努力去爭取收購獲批。不像2004年Adobe收購競爭對手Macromedia時使出的渾身解數，也不像同期試圖收購動視暴雪的微軟與監管部門進行各種周旋。Adobe看上去很快就接受了“收購案失敗”的事實。這是為什麼呢？有分析就認為，AI的出現，改變了Figma的命運。2020年新冠疫情的到來讓Figma實現快速增長，也讓Adobe判斷“線上協作”將會是未來發展的關鍵詞。所以，他們在2021年決定收購Figma，並且在2022年公佈。然而，2022年年底，ChatGPT發佈。2023年，生成式AI的爆發和技術快速進步，讓Adobe完全改變了對未來的預判，整個公司將中心放在了AI上，所以收購Figma這件事情對Adobe來說，已經完全不重要了。而因為AI被放棄的Figma，開始尋求自行上市之路。02 Figma的IPO故事與耀眼的財報資料2023年年底，收購交易失敗後，Figma的創始人Dylan Field仍然樂觀地寫道，Figma最好的日子仍在前方。而這樣的好日子，我們能在Figma最近的財務報告中看出來。資料上看，Figma的財務成績十分耀眼。在過去12個月裡，Figma的營收增長了48%，達到8.21億美元，增速超過所有上市軟體公司。儘管這家公司還十分年輕，但將營收轉化為實際現金的能力已經躋身行業頂尖：扣除併購終止的相關成本後，Figma的自由現金流利潤率高達28%，顯著高於上市軟體公司18%的行業中位數。Figma年度經常性收入超過10萬美元的付費客戶2023年來，Figma基本做到了收支平衡。現在Figma有超過1300萬使用者，其中付費使用者，尤其是高淨值客戶，也在不斷增長，並且有80%的Figma使用者位於美國以外地區。Rob紐約避險基金Amont Partners管理合夥人：其中大概2/3還是非專業的設計師，說明整個使用者基數還是比較分散，就是它有利的一個事情。第二個是世界500強，現在它自己宣稱有95%公司已經在用了，說明它在大企業客戶這邊的滲透率還是非常好的。在市場佔有率上，Figma近五年來的受歡迎程度遠超對手。Rob紐約避險基金Amont Partners管理合夥人：其實以前Adobe自己做了一個同類型的產品XD跟它（Figma）競爭，但後來確實打不贏，基本上Adobe已經放棄了。所以現在Adobe反而是更希望Figma通過前端做一些設計，帶來更多的業務，然後可以讓Adobe後續的比如Photoshop做清晰的任務能夠做的更好。所以，如果上市計畫順利，Figma可能拿回之前Adobe收購協議中給出的200億估值。03 Figma不成熟的AI故事與崛起的競爭對手大家更津津樂道的，還是Figma在招股書中提了150次AI這件事。在對未來的展望中，Figma提到：“我們的初心，是幫助任何人把想像變為現實；而在實現這一願景的過程中，AI至關重要。”Rob紐約避險基金Amont Partners管理合夥人：另外AI這個故事我覺得市場會相信的。因為說實話AI最好的應用，在目前看來就是跟creative work（創意工作）或者marketing（市場行銷）相關的，那其實都是Figma的use case（應用場景）。但Figma也面臨著不小的挑戰和不確定性：AI不僅可能降低競爭對手開發同類產品的門檻和成本，更可能削弱設計師和開發者對Figma平台的依賴性。在招股書中，Figma也承認了投入AI短期內對盈利的影響，它寫到：“短期內，AI投資將會壓縮我們的毛利率和營運利潤率……其最終對公司業務和財務狀況的影響目前仍無法確定。”目前，Figma確實在AI上做了一些嘗試。比如Figma Make，只需要使用者輸入一句話，就可以由AI自動拉動元件並生成互動，一鍵發佈網頁應用。不過，該功能的首個版本曾在去年六月推出後被指責抄襲蘋果的天氣應用，並被暫時下架。但這更像是被挑戰的結果，而非搶佔了AI的先機。Framer、Penpot等競品早就推出了AI智能排版、自動生成UI元件等實用功能。在此之前，已經有一些設計師繞過Figma，改用Claude、Cursor等AI編碼工具，並將公司的內部設計系統訓練進這些模型。一名Block的設計師告訴The Information，他會先在Figma裡截圖自己的設計，把截圖上傳到Cursor，由它生成原型。AI設計Agent Lovart的設計師Zoe告訴我們，設計師對人類體驗的精準把握，目前的AI工具還不太能做到。Zoe ZhengLovart.ai設計師/藝術家：像產品設計的話，因為你最後需要對使用者的心理有很細緻的瞭解——對每個按鈕背後是怎麼互動，然後每個介面設計。最後你要很理解人是怎麼感受這個過程的，然後它精準性也要很高。就比如，每個像素都會有一定的影響，然後AI目前沒辦法有這麼高的控制。最近一次Y Combinator專訪中，Garry Tan問Figma創始人Dylan Field，AI有沒有讓設計師能夠做更多的事情？而Dylan的回答是，AI作為工具能降低設計的門檻、提高上限，但深度還是需要設計師們自己來探索。Dylan FieldFigma創始人：我認為到目前為止，AI本質上仍是一種工具。無論設計師、開發者還是其他角色，人們借助AI都是為了做得更多、探索得更多。因此我的觀點是，正如我們常常討論”降低門檻、提升上限“這個話題——既讓更多人能夠參與設計，也提升了能實現的高度。我腦海中始終存在一個意象，就好比“創意迷宮”。你會在其中穿梭於無數分岔路。如今（有了AI），你能拓展嘗試的廣度，但依然需要大量深入的自主探索。但對設計師們來說，這個回答顯然不夠坦誠和有前瞻性。除了我們剛才提到的Figma的競品之外，如今已經有越來越多vibe coding（氛圍程式設計，指將網頁設計簡化為向AI描述想法的過程）的設計軟體受到了設計愛好者們的歡迎。比如最近出現了一大批如何只用AI做一個手機app或者網站的教學，而他們的秘密工具就是這個叫做Lovable的軟體；又如2023年推出的，將網頁設計簡化為向AI描述想法的過程。我們之前提過，Figma有超過60%的使用者都是非專業的愛好者，如果AI能讓他們的設計流程變得更簡單，Figma的市場佔有率一定會出現下滑。所以才會有使用者評論，Figma看起來只是在不斷嘗試，但似乎並沒有一個面對AI挑戰的完整計畫。Zoe ZhengLovart.ai設計師/藝術家：Figma目前做的更像是一個比較聰明的實習生，就比較實驗性的階段。它可以幫你做些基礎的事情，但還不能做到Copilot這個程度。然後Adobe的話，目前在這一方面的進展會比Figma要淺一些。但他們沒有收購這件事情來說也是比較好的，這樣子設計師的選擇不會那麼壟斷。所以Figma的故事非常有意思：一度它想尋求被巨頭收購，但對方因為AI的到來，而轉移了戰略重點；如今，Figma又想用AI的故事，重新拿回當年的估值。AI改變了Figma的命運一次，現在會如何第二次改變這家公司的命運呢？我們視訊中說到：會有巨大機會，但也會有巨大的不確定性。接下來，我們也會為大家關注Figma的上市進展。 (矽谷101)

Adobe（NASDAQ：ADBE）本季度業績穩健，營收增長10%，達到57.1億美元，超出56.3億美元至56.8億美元的預期。非公認會計準則每股收益5.08美元，也輕鬆超越4.95美元至5.00美元的預期。管理層一直在（理所當然地）努力降低投資者對增長率的預期，以便他們能夠達到並超越財務目標，而他們長期以來一直致力於實現這一目標。本季度末，Adobe持有現金 74.4 億美元，而債務為 62 億美元，淨現金資產負債表穩健。值得注意的是，該公司本季度回購了 33 億美元的股票，超過了去年同期約 25 億美元的自由現金流和 20 億美元的回購額。展望未來，管理層預計第二季度營收將達到 58.2 億美元，同比增長 9.6%。管理層維持全年營收最高235.5億美元的預期，同比增長9.3%。分析師猜想投資者對管理層沒有上調全年營收預期感到失望。或許一些投資者仍然“不願接受”公司增長率正在放緩至兩位數以下的事實。調整投資者預期並非易事，而這可能對股價造成不利影響，正如近期交易情況所顯示的那樣。在電話會議上，管理層在提到預計到年底，Firefly 等 AI 產品的業務規模將翻一番後，似乎披露了過多資訊，反而給自己帶來了傷害。問題在於，他們還指出，這些產品為公司帶來了約“1.25 億美元”的業務貢獻，而華爾街似乎將這一小筆資金解讀為Adobe未能成功實現 AI 商業化。分析師一直認為，AI 產品主要會成為留住人才的工具，但或許許多投資者希望它們成為一種補充性的增長來源。另一方面，管理層比過去更多地討論了股票回購，並指出他們正在密切關注“是否存在機會”。這說明了一個重要問題——雖然高 GAAP 利潤率、強勁的資產負債表和低估值是成功股票回購計畫的重要先決條件，但最後一個被低估的因素是，你需要一個管理團隊，他們不僅在股價高漲時，而且在股價低迷時也願意加大股票回購力度。或許Adobe並非投資者所期待的 AI 投資標的。以目前的股價來看，Adobe的交易價格僅為市盈率的 17 倍左右，這顯然是對其抱有一定期望的。考慮到未來幾年營收增長率將達到高個位數的普遍預期，這個倍數令人好奇。普遍預期可能仍然過於激進，但即使增長率最終在 6% 至 8% 之間，該股看起來仍然便宜。預計今年的淨利潤率將在 37% 左右，但預計長期利潤率將大幅提升至 45% 左右。這使得當前的市盈率約為長期收益的 14 倍。Adobe擁有高度經常性的業務模式、極高的利潤率和淨現金資產負債表。這些特點決定了其市盈率的溢價，如果其市盈率回升至 30 倍，也不用感到驚訝。但即使市盈率為 20 倍，該股仍有約 40% 的潛在上漲空間。如果我們假設市盈率沒有擴張，那麼基於收益率和營收增長率，該股的定價似乎能帶來 13% 左右的回報。Adobe有可能正受到競爭對手的衝擊，而生成式人工智慧或許會加劇這種衝擊。Adobe可能會面臨生成式人工智慧帶來的尾端風險，因為圖像生成最終可能會減少對專業精準修改產品的需求。即使沒有競爭，Adobe現在也是一家非常龐大的公司，它很可能正面臨大數定律。市場普遍預期仍將增長率不會減速納入考量——如果最終發現增長進一步減速（如果情況尚不明朗，我認為這很可能是結果），該股可能會出現更大波動。令人震驚的是，Adobe目前的股價達到了2020年前以來的最高水平，因為它歷來就是一台印鈔機。該公司通過積極的股票回購，充分利用了較低的股價，預計這種做法將繼續下去。增長率可能會繼續放緩，但該公司強勁的資產負債表和可預測的商業模式仍然值得更高的估值。 (美股研究社)

劃重點 ①沃諾克與人共同創立了圖形和出版軟件公司Adobe後，曾先後擔任兩年總裁、16年首席執行官、17年董事會主席，堪稱是Adobe大廈的奠基者。 ② Adobe 的首款產品是頁面描述語言PostScript，該產品是獨立於打印設備的打印排版語言，具有顛覆性意義，並獲得了蘋果的青睞。 ③沃諾克擁有七項專利，並獲得了眾多科學和技術領域獎項，包括國家技術與創新勳章，這是美國授予科學家、工程師和發明家的最高榮譽之一。

高盛認為在生成式AI的整合下，人工智能軟件總體規模將達到1500億美元，接下來的10年內可帶動全球7萬億美元的經濟增長，而科技公司產品創新能力將成為未來發展的關鍵。 人類歷史的重大變革常以月甚至年為單位，而今，生成式AI的指數級增長使記錄變革的單位變成了天。 高盛首席軟件分析師Kash Rangan領導的團隊在3月26日的報告中指出，ChatGPT引爆的AI熱潮，將企業級軟件推入了雲計算後的下一風口，在風口下的各行各業將迎來顛覆性變革，也只有迎著浪潮的公司才能迎來屬於他們的時代。 以下為報告要點：

2020年疫情后，美國SaaS市場維持著低利潤、高負債、高增速的擴張策略。2022年宏觀環境劇烈變化時，慣性擴張無法持續，這為今年市值大跌埋下了隱患，擠泡沫週期隨之來臨。 圖/視覺中國 美國企業軟件市場持續2年的戰略擴張周期逐步結束，擠泡沫的新周期正在到來。 《財經》記者統計發現，美國市值前25名的SaaS企業今年年初（以美國東部時間2022年1月3日，即全年第一個交易日收盤價為準）市值總和約2萬億美元。截至美國東部時間10月28日週五收盤時，這25家公司的總市值約1萬億美元，今年以來總市值縮水約40%。與2021年11月美國軟件企業市值高峰期相比已腰斬。