DOCN earnings call summary

Prepared Highlights

• 全年收入 $901M，Q4 收入 $242M，同比增长 18%（CEO/CFO/prepared）。
• 季度有机增量ARR $51M（历史最高），过去12个月滚动增量ARR $150M（平衡来自AI和云客户）（CEO）。
• 调整后EBITDA利润率：Q4 41%，全年 42%；全年调整后自由现金流利润率 19%（CFO）。
• DAR (DigitalOcean & AI Native Customer) ARR $604M，占 62% 总ARR，同比增长 30%（CEO）。
• 前1%客户年化ARR $133M，同比增长 123%，Q4该群体零流失，过去12个月平均零流失（CEO）。
• AI客户ARR $120M（Q4），同比增长 150%，占 12% 总ARR；其中 70% 来自推理和通用云产品而非裸机GPU（CEO）。
• RPO Q4达 $134M，环比增长 121%，同比增长近 500%（CFO）。
• 资本支出指引：2026年新增 31兆瓦 数据中心容量（3个新设施），最小设施Q2开始收入爬坡，其余H2爬坡（CFO）。
• 调整后EBITDA减去股票薪酬后的利润率为 33%（CFO）。

官方指引（CFO/prepared）：

• Q1 2026：收入 $249M–$250M（同比 ≈18%–19%）；调整后EBITDA利润率 36%–37%；非GAAP摊薄每股收益 $0.22–$0.27（基于约1.11亿–1.12亿摊薄股）。
• 2026全年：收入增长 19%–23%（中点21%，若剔除停售的裸机CPU业务则为21%–24%）；调整后EBITDA利润率 36%–38%；无杠杆调整后自由现金流利润率 18%–20%（中点约 $207M）；非GAAP摊薄每股收益 $0.75–$1.00（基于1.11亿–1.12亿摊薄股）。
• 2026年末退出增速 >25%（Q4）；2027年 30% 收入增长，同时实现 >20% 无杠杆自由现金流利润率（CEO/CFO）。

管理层引述（CEO）：

1. “Scaling our top customers was once a constraint. Today, it's our growth engine.”
2. “Our 1 million customers... are growing at 123% year-over-year, all well ahead of market growth rates.”
3. “We don't just rent GPUs. We run production AI. We are not a GPU landlord. We are an AI cloud platform.”
4. “We are projecting to exit 2026 at 25% plus revenue growth with a clear path to 30% growth in 2027 with the existing committed data center capacity alone.”
5. “Growth and discipline are not trade-offs for us. They are both operating principles.”

Prepared Metrics

Q&A Batch (1-5 of 5)

Q1 — Raimo Lenschow

• Topic: 开源模型推理市场竞争力及加权Rule of 50指引
• Key points:
  • 开源模型每token成本比闭源模型低约90%，准确度相当；OpenRouter数据显示30%流量已由开源模型服务。
  • 公司2027年营收增长目标30%，同时实现20%无杠杆自由现金流利润率，加权Rule of 50中营收增长权重为自由现金流利润率的3倍。
• Mgmt stance: 乐观——开源生态将持续壮大，公司凭借差异化平台（非GPU训练军备竞赛）可实现高增长与高利润率兼得。

Q2 — William Kingsley Crane

• Topic: 开源模型快速支持能力及AI推理增长动态（Jevons悖论）
• Key points:
  • 对多数开源模型已提供当日支持，大部分测试和就绪流程已自动化；自动化程度将进一步提升。
  • 当前每兆瓦ARR为2200万美元（显著高于Neocloud的900-1200万美元）；随着AI收入占比扩大（目前约10%），每兆瓦ARR预计2027年降至约2000万美元。
  • AI客户收入中70%来自非Bare Metal服务（数据库、存储等高粘性产品）。
• Mgmt stance: 乐观——开源模型普及将刺激整体AI应用部署增长，混合模型路由技术（智能路由）将提升平台价值。

Q3 — Josh Baer

• Topic: 增量31兆瓦容量与2027年30%营收增长目标的衔接
• Key points:
  • 最小的6兆瓦设施在Q2开始贡献收入，其余2个设施在H2启动；基于容量爬坡假设，Q4退出增长率为25%+。
  • 仅凭填充新增容量，即可实现2027年全年30%营收增长。
• Mgmt stance: 乐观——容量爬坡时间表明确，需求强劲，2027年目标有充分支撑。

Q4 — Wamsi Mohan

• Topic: 30%增长目标的可见性来源及利润率趋势
• Key points:
  • 需求远超当前供应；RPO持续上升；推理工作负载依赖真实终端客户收入（非风投补贴），提供更高可见性。
  • 2026年因容量爬坡，毛利率短期承压；随着利用率提升，2027年调整后EBITDA利润率和自由现金流利润率将回升至2025年水平；AI服务占比提升会带来长期结构性利润稀释。
• Mgmt stance: 乐观——通过客户需求、容量计划、RPO三大数据点三角验证，增长目标可靠；利润率短期压力可控。

Q5 — Gabriela Borges

• Topic: DigitalOcean在AI推理中的差异化优势及GPU投资回收期
• Key points:
  • 推理工作负载需要集成云平台（GPU+CPU+数据库+存储），而非单一GPU裸机；公司有3万个开源代理（如Open Cloud）自然部署，无需营销推动。
  • 70% AI收入来自非Bare Metal服务，证明高利润率平台服务已获客户认可。
  • GPU租赁模式：每月支付租赁费（4-5年期）同时获得2倍以上的月度收入，实际现金回收期为数月内，而非传统3年投资回收期。
• Mgmt stance: 乐观——公司通过集成云平台和开源模型成本优势形成差异化，租赁模式实现了收入与投资的快速匹配。

Q&A Batch (6-10 of 12)

Q6 — Paramveer Singh

• Topic: AI平台竞争优势与投资节奏
• Key points:
  • 管理层认为与Neoclouds相比领先优势在扩大，Neoclouds来自训练领域，与推理需求完全不同（GPU网络、集群规模等差异巨大）。
  • 推理云堆栈（Agent Inference Cloud）每个组件花费数年完善，与大客户（AI原生公司）紧密合作获得实时需求洞察；百万美元级客户流失率为0%。
  • 需求超过供给，但投资决策审慎：避免过度依赖单一客户或单代GPU技术，聚焦推理负载，追求多元化客户群和合理回报。
• Mgmt stance: 非常看好（强调领先优势将扩大，投资决策平衡且注重长期可持续性）。

Q7 — Radi Sultan

• Topic: 长期容量规划与财务指引覆盖范围
• Key points:
  • 容量规划主要依据：客户需求预测（首要驱动因素）、推理业务需良好地理分布且核心云与AI容量共址、跟进OEM世代升级（包括AMD、NVIDIA等）。
  • Matt确认：27% EBITDA利润率与自由现金流指引仅反映今年上线的31兆瓦容量，未包含额外容量投资。
• Mgmt stance: 谨慎乐观（规划基于客户实际需求，财务指引保守不包含尚未确定的投资）。

Q8 — James Fish

• Topic: 自由现金流分层、容量需求与AI堆栈进展
• Key points:
  • 组件成本上升已反映在指引中，未改变回报预期。Matt详解自由现金流层级：无杠杆FCF利润率18%-20%；加回利息后杠杆FCF利润率略降2个百分点；若计入所有融资支出（含贷款本金偿还），公司仍为正现金流。
  • 客户需求增长推动容量扩张，但当前指引仅基于已规划容量。
  • Paddy：AI堆栈（Slide 20）进展约75%，但市场变化极快（客户需求3个月前与现在显著不同），不会自称100%；R&D团队正专注技术创新，更多细节将在4月28日披露，自信领先优势未来几个季度将继续扩大。
• Mgmt stance: 非常看好（增长加速至30%且各层级FCF均为正，AI堆栈持续领先，R&D投入积极）。

Q9 — Thomas Blakey

• Topic: AI定价动态与客户重叠、AI/ML收入披露时间
• Key points:
  • 需求远超供给，定价保持稳定，部分领域甚至上涨；GPU定价取决于代际（如Blackwell、Hopper）、集群规模与配置；越往堆栈上层（按token定价），定价灵活度越高。
  • 百万美元级客户中：约一半为AI客户，一半为核心云（通用计算）；按收入或ARR看AI略多但接近50-50；过去12个月增量ARR中48%来自AI客户。
  • AI/ML收入尚未单独披露（因早期客户多为实验性项目，收入模式不规律），预计约12个月后考虑纳入。
• Mgmt stance: 中性偏正面（定价环境有利，客户结构健康；AI收入纳入需等待更稳定模式）。

Q10 — Patrick Walravens

• Topic: 增长加速的驱动因素回顾与展望
• Key points:
  • 上任时公司增长11%且减速，目前指引30%增长。关键驱动：前几个季度解决平台大客户扩展瓶颈（网络、存储、数据库等工程投入），实现百万美元客户0%流失；与AI原生生态系统从起点共同成长，参与其学习与创新过程。
  • 客户重心从10万→50万→百万美元客户，预计未来将聚焦500万至1000万美元客户；AI推理需求将随客户成长曲线扩展。
  • 更多细节将在4月28日活动中分享。
• Mgmt stance: 非常看好（已建立技术壁垒，与头部AI客户共同迭代，平台扩展能力持续提升）。

Q&A Batch (11-12 of 12)

Q11 — Michael Cikos

• Topic: 自由现金流指引与AI容量投资的杠杆关系
• Key points:
  • 分析师询问：2026年 vs 2027年，无杠杆自由现金流与杠杆自由现金流之间的差距从3个百分点扩大到约10个百分点，若未来新增容量，该差距是否进一步扩大。
  • 管理层回应：杠杆自由现金流包含设备租赁、TLA利息、强制提前偿还定期贷款A等非经营项，不应直接用于衡量稳态现金流能力。
  • 设备租赁模式下，容量上线前数月即开始产生租赁费用（无前期资本支出），收入滞后但随后快速改善现金流；以31兆瓦容量为例，一年后现金流特征极强，短期对毛利率和净收入有影响但很快消化。
• Mgmt stance: bullish — 管理层认为新增容量基于高回报机会，且匹配收入与成本，避免过度承诺，当前模型已展示强劲经济回报（13%收入增长至3000万美元且维持良好利润率）。

Q12 — Mark Zhang

• Topic: 新增容量承诺与当前利用率披露
• Key points:
  • 分析师问：是否会有更多容量公告，或现有已承诺容量能否支撑持续增长。
  • 管理层确认：已承诺的31兆瓦容量足以支撑2027年30%增长；当前未做新的容量承诺，若未来有承诺会及时披露。
  • 当前数据中心的容量情况：现约有43-44兆瓦，正在增加31兆瓦（其中6兆瓦将在2026年Q2上线产生收入，其余约25兆瓦下半年开始逐步上线并贡献收入）。
  • 利用率预期：管理层不会立即用单一GPU世代填满所有容量，但预计在2027年某个时点达到非常健康的利用率，从而实现30%增长。
• Mgmt stance: neutral — 对现有容量路径清晰，但未给出更远的增量承诺，强调有需求但需谨慎评估市场。