在经过三个季度的亏损后,Commvault在2017财年第四季度实现了320万美元利润,足以使全年实现盈利。这也超出了此前华尔街对该季度的预期,收入为1.729亿美元,同比增长8%,环比增长4%。
Commvault公司董事长、总裁兼首席执行官Bob Hammer提到,“季度软件收入创下8470万美元新高,这意味着同比增长了15%,环比增长了10%”。
该季度Commvault的服务收入为8820万美元,同比增长2%,环比持平。
全年来看,收入为6.505亿美元,相比2016财年增长9%。其中软件收入增长15%至2.964亿美元,服务收入增长5%至3.541亿美元。这张图表显示,Commvault在经过上一年的下滑之后恢复了增长。所有在销售、产品开发和定价方面的努力得到了很好的成果。
1月的时候Veeam曾表示其2016全年收入为6.07亿美元,在收入方面与Commvault相当。
Stifel分析师Aaron Rakers表示:“Commvault继续大幅度提高销售业绩,有助于推动未来发展——在我们与管理层的电话会议中强调了全面业绩扩展潜力所取得的成果,打造一个成熟的销售团队和强劲的留存率。”
Rakers强调“Commvault预计将在公有云数据管理方面保持大于200%的同比增长”。
William Blair分析师Jason Ader提出了自己的想法:“软件实力是通过提高Commvault解决方案在云中采用率、单独产品的增长(在其他软件解决方案上2倍的附加率)、大企业交易的健康增长(占软件收入的57%,同比增长14%)、在所有地区销售执行的改善(亚太地区尤为突出)来推动的。与此同时,服务收入(按固定汇率同比增长3%,环比持平)也高于总体水平,因为维护延续仍然表现抢眼,定价调整基本完成。”
Commvault表示,第四季度客户持续增加,没有透露具体数字,但是透露了一些客户名,如美国的Great-West Life & Annuity Insurance Company,EMEA地区的Papierfabrik August Koehler,以及亚太地区的Bank Pembangunan Malaysia Berhad (BPMB)。
Rakers提到,“预计2018财年第一季度将会有最强大的大型交易通道,抢眼的第一个月将一直持续到6月这个季度”,Commvault可能会实现“软件收入的双位数强劲同比增长。”
Commvault的2018财年预期大约是7亿美元。Rakers预计Commvault将在未来的12个月内提供“超融合软件,专注于二级存储市场,以及扩展的管理服务产品”。
Ader还补充说,“鉴于强大的大型交易通道、改进的销售执行、新产品周期、基于订阅的定价模式,这个目标是可以实现的。”
Ader认为:“我们相信实现双位数持续增长的基础已经打好,根据是:1、以云为中心的Commvault Data Platform采用率持续增长,以及独立数据保护解决方案的不断更新;2、销售执行和生产力的改进(这里仍然有增长的空间);3、基于订阅的新定价选择(应该会吸引资金敏感的客户,让Commvault能够利用新的预算来源);4、扩大分销杠杆(随着与微软和Amazon的合作持续攀升)。”
如果Bob Hammer和他的高管团队可以像今年这样很好地贯彻执行,那么他们就能得到分析师的更多青睐。
好文章,需要你的鼓励
Canva宣布收购生成式AI内容创作初创公司Leonardo.ai,交易条款未披露,但采用现金加股票的混合方式。Leonardo.ai的120名员工将全部加入Canva。Leonardo.ai成立于2022年,拥有1900万注册用户,其工具已创建超过10亿张图像。该公司将继续独立运营,专注于快速创新和研发。此次收购旨在帮助Canva扩展其Magic Studio生成式AI套件功能。
希伯来大学研究团队开发的Story2Board系统实现了从文字故事到专业故事板的自动转换突破。该系统采用潜在面板锚定和相互注意力数值混合两项核心技术,在保持角色一致性的同时实现丰富的视觉表现力。系统无需训练即可运行,能够生成电影级构图效果的连续画面,为内容创作、教育和娱乐产业提供了强大的AI辅助工具,代表了人机协作创作的新模式。
亚马逊推出Quick Suite软件平台,旨在简化AI智能体和企业聊天机器人的创建过程。该平台支持50个企业级应用集成,包括Office 365、Slack等,提供无代码环境连接内部文档和数据源。平台包含Quick Flows自动化工具、Quick Research研究功能等组件。尽管降低了技术门槛,但AI智能体的准确性仍存疑虑,研究显示其办公任务错误率达70%。
北京邮电大学联合腾讯团队开发的We-Math 2.0系统,通过构建491个知识点的数学知识体系、创新的三维难度建模和渐进式强化学习框架,让AI模型获得了真正的数学推理能力。该系统仅用9800个高质量样本就达到了与大规模数据训练相当的性能,在多个基准测试中表现优异,为AI数学教育应用开辟了新道路。