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
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。