至顶网软件频道消息:Teradata发布的业绩报告显示,第二季度的收入下降至5.13亿美元,与去年同期的5.64亿美元的调整后收入相比下降了9%,而总收入在调整剥离前则下降了14%。
Teradata的业绩结果略低于之前分析师的预测。每股22美分的收益符合分析师的估计,但远低于去年同期的每股71美分。产品和云服务的销售额下降32%,而服务收入保持稳定。
Teradata针对美洲地区营收,季度收入下降17%,至2.71亿美元。国际收入实际上还略有改善。
Teradata同时发布本年度的预期称全年表现会有所改善。Teradata表示,2017年的收入在调整剥离后与去年同期相比大致下降5%至7%。Teradata在此之前曾表示销售额可能最多下降10%。在一份声明中Teradata表示,“预计即便是经过季节性调整后第四季度的业绩也将比第三季度预期业绩强劲得多。”
投资者对此消息反应正面,Teradata在早盘交易中的股价升了9%。
有迹象表明,Teradata正在从单靠许可证销售转向更平衡的年金模式。 Teradata称已经在向更多订阅业务转型过程中看到了“良好的势头”。 Teradata表示,年度经常性收入在持续增长,但并未给出具体细节。
总裁兼首席执行官Vic Lund在一份声明中表示,新的订阅服务旨在“为客户提供更多的选择,并令客户能更容易与Teradata做生意及共同发展。”
大数据的迅速普及对Teradata的打击比大多数科技公司的打击更大。一些开源大数据处理框架Hadoop供应商常常用单位Tarabyte价格作为成本比较,得出的结果与Teradata的数据仓库成本比会有几个数量级的优势,但大多数专家认为这种比较是苹果对橘子的比较。 Hadoop针对管理大型非结构化数据池做过微调,而数据仓库在处理结构化记录上更优越。各种研究均表明,尽管信息技术机构更愿意将新的工作负载置于Hadoop里,但信息技术机构并未放弃旗下的数据仓库而去用Hadoop。
Teradata很久以前已经放弃了与低成本开源平台开战,而且还采取了欢迎低成本开源平台的态度。Wikibon分析师George Gilbert在一份报告里指出,Teradata正将重头放在分析上,Teradata也在努力使旗下的平台能与其他大数据工具顺利地进行融合。Gilbert称,“ Teradata展现的是对大数据新世界的拥抱。” Wikibon是SiliconANGLE的姊妹公司。
传统巨头要进行业务大转型就必须经受各种痛苦,包括减少对大型合同的依赖、短期收入下降和文化颠覆。Gilbert认为,Teradata做好了迎接挑战的准备。
他在报告里写道,Teradata”将会更多地面对计费云定价,而计费云定价又受到开源替代品的压力。但是从分析这件事上可以看得很清楚,Teradata现在明白,转变是必须要做的。”
好文章,需要你的鼓励
这项研究提出了ORV(占用中心机器人视频生成)框架,利用4D语义占用作为中间表示来生成高质量的机器人操作视频。与传统方法相比,ORV能提供更精确的语义和几何指导,实现更高的时间一致性和控制精度。该框架还支持多视角视频生成(ORV-MV)和模拟到真实的转换(ORV-S2R),有效弥合了虚拟与现实之间的差距。实验结果表明,ORV在多个数据集上的表现始终优于现有方法,为机器人学习和模拟提供了强大工具。
这项研究由Writer公司团队开发的"反思、重试、奖励"机制,通过强化学习教导大型语言模型生成更有效的自我反思内容。当模型回答错误时,它会生成反思并二次尝试,若成功则奖励反思过程。实验表明,该方法在函数调用和数学方程解题上带来显著提升,最高分别改善18.1%和34.7%。令人惊讶的是,经训练的小模型甚至超越了同家族10倍大的模型,且几乎不存在灾难性遗忘问题。这种自我改进技术为资源受限环境下的AI应用开辟了新方向。
FuseLIP是一项突破性研究,提出了通过早期融合离散标记实现多模态嵌入的新方法。与传统CLIP模型使用独立编码器不同,FuseLIP采用单一编码器同时处理图像和文本标记,实现了更自然的模态交互。研究证明,这种早期融合方法在多种多模态任务上表现优异,特别是在需要理解图像结构而非仅语义内容的任务上。研究还开发了创新的数据集和评估任务,为多模态嵌入研究提供了宝贵资源。
ByteDance与浙江大学合作开发的MERIT是首个专为多语言多条件语义检索设计的基准数据集,包含320,000条跨5种语言的查询和135,000个产品。研究发现现有模型在处理多条件查询时过度关注全局语义而忽略特定条件元素,为此提出CORAL框架,通过嵌入重建和对比学习相结合的方式,使检索性能提升45.9%。这项研究不仅识别了现有方法的关键局限性,还为多条件交错语义检索领域的未来研究奠定了基础。