至顶网软件与服务频道消息: 尽管总体业绩好于预期以及2020年全年预期调高,但SAP在2019年第四季度的新增云业务预订量有所下滑,导致股价下跌。
按固定汇率计算,第四季度SAP新增云预订增加了17%,但低于上一季度的39%,SAP将这10%的增幅归因于某个未透露名称的客户,该客户从本地部署迁移到了云端。
SAP还将增幅减少归咎于最近有关放弃基础设施即服务业务、转而依赖与超大规模数据中心提供商建立合作伙伴关系的决定。SAP联合首席执行官Jennifer Morgan表示:“2019年我们决定专注于[软件即服务]业务,而不是基础设施。”首席财务官Luca Mucic称,业绩增长放缓“是一个季度性的短暂现象”。
在纽约证券交易所早盘交易中,尽管整个市场在经历了本周一冠状病毒导致的下跌之后出现回升,而SAP股价却下跌了约3.5%。
虽然SAP的整体收入较上一季度的37%有所缩减,但云业务收入总体增长了32%。软件许可收入下降了6%,延续了过去几个季度持续缓慢下降的趋势。
SAP表示,预计2020年调整后的云收入在87亿欧元至90亿欧元(约合95.7亿美元至99亿美元)之间,按固定汇率计算,增幅在24%至28%之间,低于2019年的35%。预计收入在292亿欧元至297亿欧元(约合321.2亿美元至326.7亿美元)之间,增长6%至8%,略低于2019年的9%。
Nucleus Research分析师Trevor White表示:“无论该季度业绩如何,我们得到的信息是客户在持续支持SAP。我们希望SAP能够继续在具有优势的细分市场竞争长期表现出色。”
尽管SAP修订了预期,但股价仍在下跌。SAP预期2020年的营业利润在89亿欧元至93亿欧元(约合97.9亿美元至102.3亿美元)之间,高于此前预期的88亿欧元至91亿欧元(约合96.8亿美元至100.1亿美元)。联合首席执行官Christian Klein表示:“我们的本地部署业务持续增长,云业务继续飞速发展。”
有分析师认为,SAP最核心的ERP业务的基本面看起来仍然很稳固。该季度SAP的S/4HANA下一代ERP套件新增了1200个客户,总安装量达到13800个客户。这一声明显然是针对批评者的,有批评者说,许多S/4HANA客户已经购买了该软件但并未使用,SAP表示,目前有65%的HANA许可客户正在使用或者正在迁移到该平台。
SAP高管们还表示,S/4HANA的重点不仅仅是装机量。Klein表示:“40%的HANA客户是新客户,大多数是中型企业,也有很多此前没有实施SAP HANA的大型企业。”
2025年最后期限的明朗化
SAP已经将2025年作为传统ERP平台客户迁移到S/4HANA的最后期限,几乎没有给现有客户留下任何选择的余地,但是这一期限是前首席执行官Bill McDermott在任时设定的。当被问到是否有任何更改计划时,Klein留了一些余地。
他说:“ SAP过去没有抛弃过任何客户,很快我们就将在这个问题上提供更多明确的信息。”
分析师White认为,最后期限似乎对客户流失问题影响不大。他说:“每当有过渡时,客户就有可能转向其他选择。但是,云服务的投资回报率是显而易见的,将ERP从本地迁移到云端是一件容易的事,但这对每个人(不仅是SAP客户)都是一个难题。”
SAP高管们再次强调了2018年80亿美元收购Qualtrics带来的成果。SAP正在将Qualtrics技术与SAP HCM和客户体验产品结合在一起,并将其定位为争取新客户的切入点。
Morgan表示,大多数SAP客户目前尚未使用Qualtrics技术,这家被收购的公司成功地“持续推进了SAP的扩张战略”,在该季度中吸引了11500多家客户,金额超过100万美元的Qualtrics交易数量增加了60%。
Qualtrics将为SAP把业务从基础的ERP扩展到客户体验、人力资源和费用管理这三个领域的战略计划提供支持,这三块业务也被SAP统称为“体验管理”。对于这三块业务来说,目前SAP仅按收入划分出管理业务,该季度增长12%达到8.3亿欧元(约合9.13亿美元)。
White表示:“当客户已经成为SAP生态系统的一部分时,SAP就会有很好的表现。”SAP的新业务领域是“竞争特别激烈、SAP还不够满足、尤其是在传统中型市场厂商开始争夺较小型企业客户的那些领域”。
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。