至顶网软件频道消息:自今年4月上市以来的第二季度,大数据公司Cloudera的业绩成功超出预期,扭转了第一季度令人失望的结果。
Cloudera专注于售卖机器学习和数据分析软件和服务,用于管理跨计算机系统的大量数据。Cloudera透露,已经收购了位于布鲁克林的机器学习研究公司Fast Forward Labs公司。Cloudera联合创始人、董事长兼首席战略官Mike Olson表示,FFL的联合创始人兼CEO Hilary Mason成为Cloudera的研究副总裁,旨在完善Cloudera的机器学习应用以及深度学习神经网络以应对“实际的业务问题”。
Olson强调了机器学习在多大程度上推动了Cloudera的增长。“Fast Forward Labs对我们来说,是在机器学习和人工智能方面一个重要的战略投资,”Olson在财报电话会议上这样表示。
Constellation Research副总裁、首席分析师Holger Mueller表示:“大数据已经成为深度学习网络的基础,所以Cloudera在这个比较新的大数据用例中扮演着重要角色。强大的AI/ML用例,让我们预见到大数据的第二个春天,因为这是企业能够以具有成本效益的方式保存他们所有电子知识的唯一地方。”
谈到财报,Cloudera表示不计算股票薪酬等特定成本的话,第二季度亏损17美分。净亏损是6420万美元,其中包括IPO之后3950万美元的股票收益,这一部分去年同期只有560万美元。收入方面,增长了39%达到8980万美元。
利润和收入结果都超出了此前分析师预测的8550万美元收入,以及调整后的亏损25美分。此前投资者们对第一季度报告中关于未来增长可能放缓的迹象进行了抨击,很快盘后交易股价上涨了6%,随后又增长了大约2%。今天收盘增长了大约17%至每股21.41美元。
订阅收入被视为一个重要指标,因为订阅要比软件许可更稳定,这部分收入同比增长了46%达到7400万美元,在总收入中占比大约82%,相比去年增长3个百分点。
Cloudera提高了对第三季度和2018财年全年的预期。Cloudera预测,第三季度亏损在每股23-25美分,低于分析师预测的27美分,收入在9000万美元到9200万美元之间,高于分析师预测的8830万美元。
同样地,从全年来看,Cloudera的亏损在93-52美分之间,收入在3.55亿美元到3.6亿美元之间,超出华尔街分析师的预测。
Cloudera公司首席执行官Tom Reilly表示,公司“在销售、客户获得、客户扩张和现金流目标中都有出色表现”。Cloudera获得了45家所谓全球8000强的新客户,现有客户的净扩张率达到140%。
然而,持续亏损仍然是一个很大的不确定性。“目前,尚不清楚Cloudera将如何以及何时扭亏为盈,”Mueller这样表示。
Cloudera是上市的三家主流大数据公司中的第二家,第一家是在2014年12月的Hortonworks。尽管MapR Technologies公司CEO Matt Mills在6月表示将会在某个时间点进行IPO,但是看起来还不是眼下的事情。本周,MapR在新一轮融资中获得5600万美元,让它有了一些喘息的空间。
但是,所有这些公司都面临来自AWS、微软Azure和Google Cloud Platform等大型云提供商越来越激烈的竞争,这三大巨头持续不断地提供更多功能,并且这些功能更简单、彼此之间更加整合。这对企业来说是有吸引力的,特别是当开源和商用大数据分析项目不断成长壮大的时候。
Wikibon分析师George Gilbert表示:“在某个时间点,企业想要开始标准化。”他表示,对个别来说,整合功能同时还要整合销售战略来应对新技术以及大型云提供商是很困难的一件事情。
好文章,需要你的鼓励
机器人智能公司Inbolt将于2026年6月在芝加哥Automate展会上发布两项新能力:Inbolt机器人编程功能和扩展版机器人控制模块。新功能可让工程师直接基于CAD模型构建程序,结合视觉模型实时定位实体零件并自动调整运动路径,彻底消除传统调试中耗时数周的手动示教环节。此次更新还将原生支持安川机器人,使平台覆盖品牌扩展至六个。
康奈尔大学提出SEIG框架,让视觉语言模型通过分阶段重建几何、材质、构图和灯光,从单张图片自动生成可编辑的Blender 3D场景。
本文提供了一套完整的笔记本电脑深度清洁方案。硬件方面,介绍了如何用温和洗涤剂清洁机身、用微纤维布擦拭屏幕、用压缩空气清理键盘及清洁充电线的正确方法。软件方面,建议及时更新操作系统与驱动程序,删除冗余文件与临时下载内容,并通过开启Windows Storage Sense功能实现自动清理,同时将剩余文件整理归类,保持系统整洁高效运行。
谷歌DeepMind等机构推出3DCodeBench,评测12款顶级AI用代码生成3D模型的能力,揭示当前AI在几何推理上的核心短板与改进方向。