至顶网软件频道消息:6月22日,甲骨文公布了2017财年第四财季及全年的业绩。与去年同期相比,2017年第四财季的SaaS(软件即服务)云业务收入上升67%至9.64亿美元,非GAAP SaaS收入上升75%至10亿美元。云 PaaS(平台即服务)和IaaS(基础架构即服务)收入上升40%至3.97亿美元,非GAAP PaaS和IaaS收入上升42%至4.03亿美元。云业务总收入上升58%至14亿美元,非GAAP云业务总收入上升64%至14亿美元。云及软件授权收入上升5%至89亿美元,非GAAP云及软件授权收入上升6%至89亿美元。第四财季总收入上升3%达到109亿美元。
第四财季的营业收入上升3%至41亿美元,营业利润率为37%。非GAAP营业收入上升5%至50亿美元,非GAAP营业利润率为46%。净收入为32亿美元,非GAAP净收入为38亿美元。每股收益为0.76美元,非GAAP每股收益为0.89美元。在不考虑美元对外币升值的情况下,甲骨文报告的第四财季GAAP每股收益提高2美分,非GAAP每股收益提高1美分。
与去年相比,短期递延收入上升8%至82亿美元。以连续12个月为基础的营业现金流上升了3%至141亿美元。
与2016财年相比,2017财年的云SaaS收入上升61%至32亿美元。非GAAP SaaS 收入上升68%至34亿美元。GAAP和非GAAP的云PaaS和IaaS收入上升60%至14亿美元。云业务总收入上升60%至46亿美元。非GAAP云业务收入上升66%至47亿美元。云及软件授权收入上升4%至302亿美元。非GAAP云及软件授权收入上升5%至304亿美元。总收入上升2%至377亿美元。非GAAP总收入上升2%至379亿美元。
2017财年的营业收入为127亿美元,营业利润率为34%。非GAAP营业收入为162亿美元,非GAAP营业利润率为43%。净收入为93亿美元,非GAAP净收入为116亿美元。每股收益为2.21美元,非GAAP每股收益为2.74美元。在不考虑美元对外币升值的情况下,甲骨文报告的2017财年GAAP每股收益提高4美分,非GAAP每股收益提高3美分。
甲骨文公司首席执行官萨弗拉·卡兹(Safra Catz)表示:“甲骨文第四财季的业绩极其优秀,收入增长和每股收益均大幅超越了业绩指引的最高值。在第四财季,Oracle云用户量继续快速攀升,SaaS业务增长了75%。云业务快速增长进一步提升了我们的营业利润率,我们预计2018财年的每股收益将实现进一步提升。”
甲骨文公司首席执行官马克·赫德(Mark Hurd)指出:“在第四财季,我们的新增云业务年度经常性收入(ARR)达到了8.55亿美元,这让我们的2017财年云业务订购额超越了20亿美元的目标。我们的季度SaaS收入也首次超过了10亿美元,我相信明年的表现还会更好。我们预计2018财年的新增云业务年度经常性收入将远超20亿美元。”
甲骨文公司董事会主席兼首席技术官拉里·埃里森(Larry Ellison)提到:“AT&T已同意将其存有大量数据的甲骨文数据库及相关应用负载迁移至Oracle云。明年,我们预计会有更多的大客户将他们的甲骨文数据库和和数据库应用迁移至Oracle云。这些大规模迁移必将显著扩大我们的PaaS和IaaS云业务规模。”
好文章,需要你的鼓励
尽管全球企业AI投资在2024年达到2523亿美元,但MIT研究显示95%的企业仍未从生成式AI投资中获得回报。专家预测2026年将成为转折点,企业将从试点阶段转向实际部署。关键在于CEO精准识别高影响领域,推进AI代理技术应用,并加强员工AI能力培训。Forrester预测30%大型企业将实施强制AI培训,而Gartner预计到2028年15%日常工作决策将由AI自主完成。
这项由北京大学等机构联合完成的研究,开发了名为GraphLocator的智能软件问题诊断系统,通过构建代码依赖图和因果问题图,能够像医生诊断疾病一样精确定位软件问题的根源。在三个大型数据集的测试中,该系统比现有方法平均提高了19.49%的召回率和11.89%的精确率,特别在处理复杂的跨模块问题时表现优异,为软件维护效率的提升开辟了新路径。
2026年软件行业将迎来定价模式的根本性变革,从传统按席位收费转向基于结果的付费模式。AI正在重塑整个软件经济学,企业IT预算的12-15%已投入AI领域。这一转变要求建立明确的成功衡量指标,如Zendesk以"自动化解决方案"为标准。未来将出现更精简的工程团队,80%的工程师需要为AI驱动的角色提升技能,同时需要重新设计软件开发和部署流程以适应AI优先的工作流程。
这项由德国达姆施塔特工业大学领导的国际研究团队首次发现,当前最先进的专家混合模型AI系统存在严重安全漏洞。通过开发GateBreaker攻击框架,研究人员证明仅需关闭约3%的特定神经元,就能让AI的攻击成功率从7.4%暴增至64.9%。该研究揭示了专家混合模型安全机制过度集中的根本缺陷,为AI安全领域敲响了警钟。