Oracle近日公布的第二季度财报好坏参半,未能达到预期,使得股价在延长交易中下跌了3%。
Oracle公司董事长兼首席技术官Larry Ellison表示,Mark Hurd前不久去世后,Oracle目前还没有计划聘请Safra Catz之外的第二位首席执行官。
该季度Oracle在股票薪酬等特定成本之前的利润为每股90美分,收入为96.1亿美元,只同比略微增长了0.5个百分点。此前华尔街预期Oracle在该季度的利润为88美分,收入为96.5亿美元。
该季度Oracle的最大亮点是云服务和许可支持业务部门,同时也是Oracle规模最大的一个业务部门,收入为68.1亿美元,比去年同期增长3%,但略低于华尔街68.2亿美元的预期。在该部门下,Oracle Autonomous Database的云收入翻了一番。
Ellison在一份声明中表示:“Oracle Autonomous Database尽管还处于发展初期,但是已经有数千家客户运行在我们的第二代公有云中。”他说,预计“未来几个月这块业务的增幅将随着我们把运行在Gen2 Cloud@Customer上的Autonomous Database发布到庞大的本地环境中而急剧增加。”
其他业务方面,云许可证和本地许可业务贡献了11.3亿美元的收入,比去年同期下降了7%。硬件收入减少2%至8.465亿美元,服务收入减少1%至8.06亿美元。
Ellison强调了Oracle云企业资源计划产品的增长,其中Fusion ERP收入增长37%,NetSuite ERP收入增长29%。他说,Oracle有机会争夺竞争对手的客户群来进一步发展自己的ERP业务。
Oracle在电话会议上表示:“SAP的很多大客户已经和我们展开合作,制定迁移到Fusion ERP的计划。我们赢得了SAP客户群的青睐。”
除此之外,Pund-IT分析师Charles King认为,Oracle收益超出预期而收入未达目标可绝对不是一个好消息,而且上个季度的业绩也是低于预期的。
King表示:“这显然让Oracle的一些股东感到不安,但是鉴于Oracle的业绩与分析师的期望之间差距很小,所以转而投奔其他厂商也许是一个比较极端的反应。”
说到缓解,King表示,该季度结束的时候Oracle并不是唯一一家遇到难题的厂商,中美持续不断的经济和贸易争端下,很多科技公司都面临挑战。
Constellation Research分析师Holger Mueller认为,Oracle即使在未达到目标的情况下也能很好地保持收入增长,但主要的挑战是如何继续前行。
“显然Oracle确实需要NetSuite,否则业务将会萎缩。硬件、本地许可和服务业务都在萎缩,而且Oracle在EMEA(数据库业务表现抢眼的地区)方面也没有实现增长,这一点令人惊讶,可能是执行方面的问题。这些增长引擎的表现需要摆脱收入线不断萎缩的困境,而这正是Oracle在第三季度和第四季度需要做的。”
该季度Oracle联席首席执行官Hurd英年早逝的消息震惊业界。Oracle在电话会议上表示,公司计划引进一些新人才包括“潜在的首席执行官”,但他说“没有计划设置第二个首席执行官”,这意味着目前公司还将由Catz领导。
同样在该季度,Oracle宣布了与VMware达成重要的合作伙伴关系,使双方共同客户能够构建混合云环境,从而可以在Oracle的云中运行VMware服务。此外,Oracle还在该季度收购了客户忠诚度初创公司CrowdTwist。
Catz向投资者表示,预计第三财季每股收益在95至97美分之间,中位数仅略低于华尔街预测的每股97美分。
好文章,需要你的鼓励
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。