至顶网软件频道消息: SAP公布最新财报显示,第二季度利润和收入未达预期,这使其股价在早盘交易中下跌近5%,SAP将此归咎于与中国开展贸易的紧张局势所导致的不确定性,并表示从全年来看有望实现预期目标。
该季度SAP的收入同比增长11%至66.6亿美元,但是低于分析师预期的67.1亿美元。每股盈利1.09美元,略低于预期的1.11美元。
SAP重申其全年收入预测在224亿美元至227亿美元之间,按固定汇率计算增长约10%。SAP高管表示,还有望实现到2023年每年毛利率增长1%的目标。
SAP首席执行官Bill McDermott在分析师电话会议上表示:“我们强烈关注收入高线并对底线越来越有信心。”
该季度SAP的云收入增长40%,低于上一季度48%的增长率。SAP最近与云基础设施厂商建立了更紧密的合作伙伴关系,目标是利用他们的平台作为跳板,向其客户销售自己产品组合中的其他产品。McDermott表示:“我们的合同收入中有一些转移到了合作伙伴那里,但从长远来看,我们将获得回报。”
McDermott特别看好Qualtrics International子公司(年初以80亿美元收购)的增长潜力。Qualtrics销售“体验管理”软件,该软件会向员工询问购买体验,让厂商更好地了解员工的行为。
虽然SAP没有公布该Qualtrics的收入,但McDermott称Qualtrics为“我们的预期增长提供了动力。体验管理已经成功地将数字化转型变成了全球首席执行官的首要任务。”
研究公司Forrester副总裁兼首席分析师George Lawrie表示,SAP股票的下跌可能是市场对SAP长期有利的业务发生变化而有些反应过度。
“[软件即服务]的利润往往低于永久许可,这种业务组合可能是每股收益下降的一部分原因,”他说,他指出该季度SAP的软件许可收入以固定货币计算下滑了6%。“通常,市场认为云和SaaS的年收入要高于一次性永久许可销售。”
从长远来看,这对SAP来说是个好事。第二季度SAP的可预测收入达到69%,同比增长3%,但相比上个季度的72%略有下降。
在今天公布财报之前,SAP今年的股价上涨超过35%,这让SAP很难再因为股票上涨而让市场感到惊喜。Wikibon首席分析师David Vellante表示,今天SAP股票的下跌是“普标情绪和市场恐慌的表现,特别是考虑到该季度市场对盈利的担忧”。
该季度SAP S / 4HANA业务管理软件套件新增了600个客户,总客户数达到11500个,同比增长29%,这一数字被Lawrie称为“令人鼓舞的进展”,这些客户中有一半是新客户。
SAP正在努力实现业务增长的同时,也在实现利润率的改善,上个季度McDermott曾表示SAP将在未来几年内将把利润率优先级放在增长率之上。
McDermott似乎在分析师电话会议上绕开了这一说法,称“SAP是一家成长型公司,我们还仍将是一家成长型公司”,通过提高运营效率,例如最近重新安置了一个欧洲服务办公点,实现盈利能力的提升。SAP首席财务官Luka Mucic表示,这一办公点转移到了位于菲律宾的低成本地区。
SAP高管们还表示,SAP在提高云计算业务毛利率方面正取得进展,该季度云计算业务的毛利率为62.6%,高于一年前的58.3%。Lawrie指出,云计算业务新预订量增长了17%,整体云计算收入增长了40%,“这表明现有客户占有率越来越高,也可能是减少折扣以完成交易”。
SAP称刚刚结束的这个季度是个异常的季度,部分原因是不少中国合同关闭延迟,以及今年宣布资源裁员带来高于预期的影响。根据欧洲国际财务报告准则计算,SAP的运营现金流减少10%,略高于30亿美元,运营支出增长17%。
SAP强调,降低成本的目的是技能储备与市场需求的平衡。“我们不会聘用那些不在SAP开发软件的人,我们将严格把控招聘情况。”
Constellation Research首席分析师Holger Mueller表示,客户和投资者需要耐心等待SAP完成转型,“SAP正在进行深度的产品转型,重塑才刚刚开始,还需要一段时间才能见到成效”。
尽管该季度盈利出现波动,但McDermott向分析师保证SAP业务将走上正轨的说法听起来相当有底气。“预订情况非常好,各种通路也符合我们的指引,今年年底前云计算业务将在预订和收入方面发挥推动作用。”
好文章,需要你的鼓励
工业升级的关键,或许在于智能本身。“工业+机器人”将成为通向下一阶段工业体系的核心抓手。——黄仁勋。
浙江大学等联合研究发现,AI强化学习效果取决于"模型-任务对齐"程度。当AI擅长某任务时,单样本训练、错误奖励等非常规方法也有效;但面对陌生任务时,这些方法失效,只有标准训练有用。研究团队通过大量实验证实,这种"舒适圈"现象比数据污染更能解释训练差异,为AI训练策略优化提供了新思路。
瑞士政府正式发布了自主研发的人工智能模型,该模型完全基于公共数据进行训练。这一举措标志着瑞士在AI技术自主化方面迈出重要一步,旨在减少对外国AI技术的依赖,同时确保数据安全和隐私保护。该模型的推出体现了瑞士对发展本土AI能力的战略重视。
巴赫切希尔大学研究团队通过对五种不同规模YOLO模型的量化鲁棒性测试发现,静态INT8量化虽能带来1.5-3.3倍速度提升,但会显著降低模型对噪音等图像损伤的抵抗能力。他们提出的混合校准策略仅在大型模型处理噪音时有限改善,揭示了效率与鲁棒性平衡的复杂挑战。