PATH earnings call summary

Prepared Highlights

• Q3 FY2026 营收 $411M，同比 +16%；剔除约 $5M 同比 FX 顺风后营收 +14%。(CFO)
• ARR $1.782B，同比 +11%，含 $6M 同比 FX 顺风；净新增 ARR $59M。(CFO)
• 客户数约 10,860；ARR ≥$100k 客户 2,506；美元基础毛留存率 98%，净留存率 107%（FX 调整后亦为 107%）。(CFO)
• RPO $1.265B，同比 +12%；剔除约 $20M FX 顺风后 RPO +10%；当前 RPO $840M，同比 +17%。(CFO)
• 整体毛利率 85%，软件毛利率 91%；非 GAAP 营业利润 $88M、利润率 21%，同比提升超 700bps；GAAP 营业利润 $13M（上年同期 GAAP 营业亏损 $43M），含 $71M 股权激励费用。(CFO)
• Q3 为首个 GAAP 盈利第三季度，公司称预计 FY2026 将首次实现全年 GAAP 盈利。(CEO/CFO)
• 非 GAAP 净利润 $85M，剔除 $184M 非经常性非现金税收收益；非 GAAP 调整后自由现金流 $28M；现金、现金等价物及有价证券 $1.5B，无债务。(CFO)
• 超过 950 家公司开发 agents；平台上使用 Maestro 编排的流程超过 365,000 个。(CEO)
• Official guidance：Q4 FY2026 营收 $462M-$467M（反映约 $3M FX 逆风）；ARR $1.844B-$1.849B（反映约 $3M FX 逆风）；非 GAAP 营业利润约 $140M；基本股数约 536M。(CFO)
• Official guidance：FY2026 非 GAAP 调整后自由现金流约 $370M；非 GAAP 毛利率约 85%。(CFO)
• 管理层提示代理式能力采用仍处早期，不预期 FY2026 有重大营收贡献；Q4 指引考虑日元贬值带来的增量 FX 逆风。(CFO)
• Mgmt quotes：
  • (CEO): “we beat the high end of our guidance across all metrics。”
  • (CEO): “third quarter ARR of $1.782 billion, up 11%。”
  • (CFO): “Revenue grew to $411 million, an increase of 16%。”
  • (CFO): “We delivered our first GAAP profitable third quarter。”

Prepared Metrics

Q&A Batch (1-5 of 10)

Q1 — Brian Bergen

• Topic: Agentic解决方案进展与联邦业务停摆影响
• Key points:
  • 分析师询问“950+客户”与上季度约450（AgentBuilder）是否同口径；管理层未直接确认对比，称AgenTeq势头良好并带动整个平台。
  • POC→试点→部分用例进入生产，购买模式逐步一致；最高ROI用例高度客户特定，没有单一跨行业或跨部门用例。
  • 联邦业务未受停摆直接影响；项目多由法案拨款，且涉及国防部等关键运营，因此无重大影响。
• Mgmt stance: 偏积极：AgenTeq从试点到生产令人鼓舞，联邦业务韧性较强；但未确认客户数口径。

Q2 — Jake Roberge

• Topic: Q4净新增ARR恢复增长驱动与AI变现方式
• Key points:
  • 分析师问及Q4指引隐含按固定汇率净新增ARR或恢复增长；管理层称整体业务正面、执行一致，美洲尤其agentic有 traction，业务改善并趋稳。
  • 驱动来自执行改善、新产品发布、平台拉动与客户粘性提升，以及领导层和人才；管理层强调没有单一“银弹”。
  • AI解决方案今年预计不贡献 materially；生产上线后的变现不是定价 uplift，而是通过IXP增加机器人、流程编排等拉动整个平台。
  • 变现更多体现为粘性增强、客户更愿意把平台深入架构，并通过平台全广度获得可感知ROI。
• Mgmt stance: 偏积极但审慎：强调执行改善和平台拉动，但称无单一银弹，也未给出AI定价 uplift。

Q3 — Austin Williams

• Topic: 美国联邦业务与OpenAI合作
• Key points:
  • 联邦业务仍是动态环境，3Q有局部 strength，管理层对进展受鼓舞，称正回归“新常态”；脚本中提到的交易较 solid，项目偏长期战略而非短期。
  • 联邦指引仍保持审慎；团队执行良好，并聚焦效率定位。
  • OpenAI方面，平台全面使用GPT-5，重点提及Screenplay（类似computer use/operator）；其结合UI自动化的可靠性与LLM驱动computer use的适应性。
  • 管理层称据其所知，公司是唯一能通过该方式用LLM成功交付自主UI任务的公司。
• Mgmt stance: 联邦谨慎乐观（环境动态、指引审慎），OpenAI合作积极（GPT-5与Screenplay差异化）。

Q4 — Mike Richards

• Topic: 合作伙伴关系细节与第三方agent编排
• Key points:
  • Fusion宣布的合作伙伴关系目前更多是技术赋能型，由客户需求驱动；UiPath强调开放平台可灵活定制。
  • 分层看：数据/拓扑层有合作；UiPath提供自动化RPA、API和agentic层；OpenAI与Google提供前沿LLM；Nvidia用于受监管行业的安全与治理。
  • 目标是形成合作基础，以安全、可治理方式交付可靠AI。
  • 客户对coded agents兴趣增加，UiPath与Longchain、CrewAI、Lama Index合作；当前混合管理平台托管的低代码与coded agents，但管理完全在平台外构建的外部agent仍为时过早。
• Mgmt stance: 对合作/编排偏积极，对第三方外部agent管理持早期/中性态度。

Q5 — Ryan Lances

• Topic: Deloitte渠道合作与OpEx投资纪律
• Key points:
  • Deloitte合作扩大：partner-sourced pipeline数量增加，但管理层更强调质量；S/4HANA迁移和Deloitte在客户中的存在，使UiPath更早进入对话并参与更大规模转型。
  • Deloitte合作意义重大，类似动作也在其他伙伴和团队中出现；质量高于表面数量。
  • 明年OpEx不给具体指引；今年OpEx杠杆来自纪律而非紧缩，重点是优先排序。
  • 公司仍在招聘工程、扩大销售能力；效率来自流程优化和对overlay职能的选择性投资，同时投资deployed engineers、客户现场人力与核心工程。
• Mgmt stance: 中性偏积极：强调纪律性降本与关键领域投资并行，但未给明年具体OpEx指引。

Q&A Batch (6-10 of 10)

Q6 — Scott Berg

• Topic: AI试点/POC转化与Q4净新增ARR指引构成
• Key points:
  • 管理层称AI场景较分散，医疗领域看到收入周期管理、预授权、理赔等伙伴用例，金融服务领域看到金融犯罪用例，但仍称尚无单一可复制用例可点名。
  • Q4指引隐含净新增ARR同比上升；CFO明确没有Q3重大递延交易或时点性因素，仅有正常交易挪动。
  • 同比改善三大因素：销售执行改善、外汇因素、重组后销售稳定及公共部门回到新常态；宏观假设仍审慎。
• Mgmt stance: 中性偏积极 — 执行改善和净新增ARR趋稳，但仍审慎看待宏观。

Q7 — Arsenio

• Topic: NRR下降原因与新增业务、Agentic客户进展
• Key points:
  • CFO称NRR下降主要来自低端客户压力；100k–1M客户净美元扩张率为113%，显示较低客户群压力更明显，并受大数定律影响。
  • 随着净新增ARR稳定，其他指标也开始稳定；Q3结果和指引体现该趋势。
  • 开发Agent的客户数环比翻倍；但Agentic直接货币化短期无重大影响，间接拉动平台其他部分，明年假设将后续更新。
• Mgmt stance: 中性 — 低端客户压力和Agentic早期商业化限制仍在，但净新增ARR趋稳。

Q8 — Kingsley Crane

• Topic: 模型提供方竞争、集成/编排价值与客户共创
• Key points:
  • 管理层未看到过去季度认知明显转变；平台评估并混合使用前沿LLM，ISP业务用GPT five理解文档结构与意图，用Gemini做特定提取，如多表格、嵌套表格。
  • 更早合作/共创被视为领先指标；ROI是客户选择关键，Agentic框架获得产品和客户验证。
  • Q3 Agentic无重大收入影响；更贴近客户可提升长期架构相关性和现有平台拉动。
• Mgmt stance: 中性偏积极 — 编排与共创提升相关性，但短期Agentic收入贡献不显著。

Q9 — Chirag Ved

• Topic: 预制Agentic解决方案的垂直行业与确定性/LLM自动化平衡
• Key points:
  • 垂直化推进中，产品与工程团队近期重组以更好创建行业解决方案；重点医疗和金融服务。
  • 医疗侧重收入周期管理；金融服务侧重金融犯罪、KYC/AML等用例。
  • 管理层认为确定性自动化与LLM互补：规则明确的任务无需LLM驱动，LLM可用于创建/维护/改进确定性自动化或处理复杂、文档、对话场景。
  • 编排结合AI、确定性和人工在环，被视为企业级可靠AI的关键技术。
• Mgmt stance: 积极 — 垂直方案和编排被强调为关键，但未给量化贡献。

Q10 — Dominique Manansala

• Topic: Agentic消费定价可预测性与POC到生产周期
• Key points:
  • 对消费定价的支出可预测性，管理层称持续评估客户AI采用，定价保持灵活，也考虑结果导向定价；但称仍在早期理解Agentic规模化消费模式。
  • 公司更理解不同用例，正构建内部解决方案/加速器以跨行业复制经验。
  • 管理层预计该趋势明年继续加速；认为预打包解决方案是解锁企业大规模AI消费和加速价值实现的关键。
• Mgmt stance: 中性偏积极 — 预打包方案有望加速POC到生产，但消费定价和规模采用仍处早期。