至顶网软件频道消息: SAP公布第一季度财报显示,云业务收入增长48%,收入和盈利均超出分析师预期,同时SAP调高了2019年的盈利预期,使其股价今天上涨超过12%。
软件巨头SAP在该季度的净利润比去年同期增长了25%,达到10.8亿欧元(约合12.1亿美元),收入增长16.3%至61.2亿欧元(约合68.5亿美元),轻松超过市场预期的59.4亿欧元。SAP方面表示,可预测的收入(主要是云订阅收入和维护费用)小幅增长了1%,占到该季度总销售额的72%。
SAP称所有业务正在火力全开,并且信心十足地将全年盈利预测从之前的85亿欧元-90亿欧元上调至88亿欧元-91亿欧元(98.5亿美元-101.9亿美元)。
Forrester首席分析师George Lawrie表示,SAP云业务的总体收入首次在单一季度中突破了15亿欧元(约合16.8亿美元),显示出“S/4 HANA转型和云软件采用率持续增长的势头”。S/4 HANA是SAP旗舰的业务管理软件套件,SAP称,现在S/4 HANA累计拥有10900个客户,高于上一季度的10500个。
SAP首席执行官Bill McDermott表示:“我们对取得这样的成绩感到非常自豪,我们拥有令人难以置信的强大核心业务,以及市场领先的留存率。我们已经实现了多年的持续增长。”
McDermott表示,未来几年SAP将把利润率放在首位,其次是实现增长,他的这一表态标志着SAP在战略上的转变。就在六个月前,McDermott还曾断言SAP不会让利润率引导其战略的制定。
McDermott称,之所以做出这个变化,部分原因是对股东的调查显示,有60%的股东希望看到更高的利润率。他说:“我们将重点关注盈利,我们希望能够在核心业务和云业务上实现显著的利润率增长。”McDermott称,未来的增长将主要是有机的增长,偶尔也会通过收购来填补产品线的空白。
具体来说,SAP已经设定了从现在开始到2023年期间每年运营利润率提高1%的目标。在完成了今年年初开始的重大重组之后,SAP正在对其业务进行精简, McDermott说:“这不是为了降低成本,而是为了让我们更好、更智能、更快速。”
Forrester的Lawrie表示,在增长期间进行重组是明智的决定。他说:“SAP可以看到,成功的投资是包含成本因素的,所有他们并没有让增长幅度与收入保持一致。我们注意到SAP的自由现金流有所改善,这表明,SAP对云部署和新增经常性收入模式的投资正在取得成效。”
SAP的区域业绩结果表现抢眼。SAP在欧洲和美洲的云收入(按固定汇率计算)增长了39%,亚太地区增长了51%。Lawrie表示:“这对SAP来说是个好兆头,有助于SAP在中国市场取得成功,在这个市场中,一些领先的企业过去一直是自主研发软件,而不是购买打包的应用。”
SAP的软件许可业务一直保持增长态势,许可销售额(按固定汇率计算)同比增长了1%,许可和支持综合收入增长了3%。McDermott表示:“核心软件的表现很出色,SAP维护服务的基石是Fort Knox,我们有理由相信我们能够维持这种稳定增长的态势。”
Lawrie表示,软件许可业务的弹性“表明SAP在赢得新客户和扩大现有客户规模方面取得了持续的成功”。
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。