ZDNet至顶网软件频道消息:根据甲骨文2014财年第四财季报告,本季度甲骨文营收113.2亿美元,每股收益92美分,未达到分析师预期的114.8亿美元和每股收益95美元的预期。甲骨文全年总营收为383亿美元,去年全年总营收为370亿美元。
甲骨文在第四财季的净利润为36.46亿美元,与去年同期的38.07亿美元比下降4%。财报公布后,甲骨文股价在盘后交易中下跌6%。甲骨文上个财季的每股盈利亦未达到预期。
尽管甲骨文的表现低过预期并不太多,但甲骨文正面临着日益严峻的市场形势,众多年轻的创业公司和新技术正对其核心业务模式造成威胁。
财报结果也说明了这一点,软件许可证此财季的收入为38亿美元,同比持平,软件许可证升级和产品支持收入同比增长7%,达47亿美元,这表明甲骨文在获得新客户方面遇到了麻烦。2014财年的新软件许可证收入为94.16亿美元,与2014财年的94.11亿美元比较增长匮乏,考虑通货膨胀因素后则全无增长。
甲骨文的硬件部门陷入困境,增长持续放缓,此财季的硬件系统产品销售额为8.70亿美元,上个财季报7.52亿美元,去年同期报8.49亿美元。
甲骨文公司总裁马克•赫德在一份声明中表示,“我们已经将Sun的商品硬件业务转型为一个利益丰沛且不断增长的工程系统业务。我们注意到工程系统的出货量达创纪录水平,可望第一季度售出第10000件。”
甲骨文试图令投资者安心,表明自己在瞬息万变的高科技市场是一个与时并进的公司。
甲骨文公司总裁兼首席财务官Safra Catz在一分预先准备的声明里表示,“我们的云订阅业务收入已接近每年20亿美元。随着我们的业务转型,订阅也会带来软件收入,而不是仅仅靠订阅费本身。我们正在过渡到云订阅和分级收入考量(Ratable revenue recognition)模式,同时,我们每年仍将继续提高我们的顶线收入和底线利润。“
甲骨文的软件即服务和平台即服务收入同期增长25%,达3.22亿美元,云基础设施即服务的收入也有增长,达1.28亿美元。
在过去的一年里,甲骨文针对云计算和新兴数据库技术对旧有业务的威胁采取了两方面措施,一是努力增加旗下主体软件的功能,例如刚刚宣布的甲骨文数据库内存选项,二是参与云计算组织,例如,甲骨文同时加入了OpenStack和OpenDayLight基金会。
甲骨文还在一些特定的软件即服务产品上大撒金钱,如收购营销云公司Eloqua,试图在传统产品以外对收入采取多样化。甲骨文已经与Salesforce、NetSuite、微软建立合作关系,以通过云帮助销售旗下的软件。
甲骨文CEO拉里•埃里森在一份声明中表示,“甲骨文现在是全球第二大SaaS公司。就SaaS而言,除salesforce.com以外我们走在最前面。就IaaS而言,我们比Rackspace公司更大、利润更丰。我们拥有迄今为止行业中最完整的现代SaaS和PaaS产品组合,其中包括,CRM:销售、服务和营销;HCM:人力资源、薪资与人才;ERP:会计、采购、供应链及其他。所有这些SaaS产品在世界上最强大的PaaS——即甲骨文内存多租户数据库和Java——上运行。我们计划更多地把重点放在云计算上,力求成为SaaS和PaaS业务的第一名。“
虽然SaaS、PaaS和IaaS是甲骨文的战略领域,但这些业务有限,不能抵消甲骨文核心业务的不景气。从盘后交易甲骨文股价猛跌这一点来看,甲骨文必须令投资者相信公司能找到增长的方法,增长投资者的信心。正如我们以前说过的,甲骨文面临的问题是,其商业模式是适用于维持一个习惯了高利润和可靠的经常性收入的公司,但要在以云计算为中心的世界里竞争,所需的商业模式是不同的。
好文章,需要你的鼓励
这项由加州大学圣地亚哥分校和微软研究院合作开发的REAL框架,通过程序分析反馈训练大型语言模型生成高质量代码。与传统方法不同,REAL采用强化学习将代码安全性和可维护性作为奖励信号,不依赖人工标注或特定规则。研究在多个数据集上的实验表明,REAL在保证功能正确性的同时显著提高了代码质量,有效解决了"即兴编程"中的安全漏洞和维护性问题,为AI辅助编程提供了新的范式。
加州大学伯克利分校与Meta FAIR研究团队开发了"Self-Challenging"框架,让大语言模型通过自己创建和解决任务来提升能力。该方法引入创新的"Code-as-Task"格式,包含指令、验证函数、示例解决方案和失败案例,确保生成的任务既可行又有挑战性。在工具计算、网页浏览、零售服务和航班预订四种环境测试中,仅使用自生成训练数据,Llama-3.1-8B模型性能提升了两倍多,证明AI可以通过自我挑战实现有效学习,减少对人类标注的依赖。
南洋理工大学与SenseTime Research合作提出了PoseFuse3D-KI,一种创新的人体中心关键帧插值框架。该方法将3D人体模型信息融入扩散过程,解决了现有技术在处理复杂人体动作时产生扭曲结果的问题。研究团队开发了专门的SMPL-X编码器直接从3D空间提取几何信息,并设计了融合网络将3D线索与2D姿态无缝整合。他们还构建了CHKI-Video数据集,包含2,614个视频片段及完整的人体标注。实验结果显示,PoseFuse3D-KI在PSNR上提升9%,LPIPS减少38%,显著超越现有方法。
这项研究提出了LongGuide算法,解决了大型语言模型在长文本生成任务中的局限性。研究团队发现,仅依靠上下文学习无法使模型充分掌握文本的语言和格式特性。LongGuide通过自动生成两种指导原则:度量指导原则和输出约束指导原则,显著提升了模型性能。在七种长文本生成任务中,该方法使开源和闭源模型的ROUGE-L评分平均提高约6%。LongGuide具有通用性强、易于学习、成本效益高等优点,为提升AI长文本生成能力提供了新方向。