至顶网软件频道消息: 尽管数据库和商业软件巨头Oracle发布的季度财报和指引都好于预期,但其股票还是在当天晚些时候受到了打击。
根据财报显示,第三季度Oracle在某些特定成本如股票补偿之前的利润为每股87美分,收入为96亿美元。相比之下,华尔街分析师此前预期Oracle的每股收益为84美分,收入为95.9亿美元。
这样来看,Oracle的收入与一年前相比减少了1%,但是按照固定汇率计算是增长了3%。
在指引方面,Oracle首席执行官Safra Catz表示,预计每股调整后的利润在1.05美元至1.09美元之间,收入将减少2%。华尔街分析师预期的是收入减少1%,每股收益为1.05美元。
从数字来看表现是抢眼的,但这还不足以缓解投资者对于Oracle推动客户转变为云订阅模式的担忧。这一点也在股票上有所反映,Oracle的股价在盘后交易中跌幅超过3%。
Oracle一直在缓慢且稳步地将更多云版本的数据库产品添加到自己的产品组合中,这么做的部分原因是为了从AWS等竞争对手那里争抢客户。更为重要的是,Oracle还希望说服现有客户用基于云的系统取代本地配置的软件,但是大多数分析师认为,在这方面Oracle做得并不好。
在第三季度,Oracle的云服务和许可支持收入为67亿美元,同比增长了1%。从表面上看起来不错,但彭博社表示,其中很大一部分收入可能是来自于传统内部部署软件相关的维护费用。同时,该季度Oracle的云许可和内部部署许可销售额下滑了4%至12.5亿美元,彭博社称,这表明Oracle很难说服客户做出承诺。
Constellation Research分析师Holger Mueller表示,该季度Oracle给人留下了深刻的印象,但是这些数字并不能掩盖很多企业转向云计算速度缓慢的这个事实。
Mueller说:“只要Oracle能够设法将本地配置的客户转变成在数据库端的云客户,那么Oracle就会有很好的表现并且让投资者们满意。”
在这方面Oracle正在取得一些进展。Oracle创始人、首席技术官Larry Ellison指出,Oracle新推出的Autonomous Database在市场中取得了成功,该数据库是Oracle主要数据库产品的一种云版本,目前已经累计拥有近1000家付费客户,而且还有大约4000家客户正在测试该软件。
Ellison在电话会议上表示:“现在还是早期阶段,但在Oracle公司40年历史上,这是最成功的一款新产品。Oracle Cloud Infrastructure业务的取决于我们高度安全的Gen2 Cloud Infrastructure,这一基础设施是全球第一个、也是唯一一个自治型数据库。”
Pund-IT首席分析师Charles King表示,Oracle Autonomous Database的成功对于Oracle来说是个好消息,这有助于Oracle在日益拥挤的云数据库市场中脱颖而出。
尽管如此,投资者们担心以美元计算的话Oracle的整体收入是略有下滑的,这也是今天股价下跌的两个原因之一,King说。
“另一个原因是Oracle回购股票的程度,过去三个季度Oracle的回购数量为298.9亿美元,这是在去年同期的9个月内回购股票数量的4倍还多。如果今年晚些时候Oracle收入能够实现增长的话,分析师和股东的担忧应该会得到缓解。”
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。