至顶网软件与服务频道消息: MongoDB本周二公布的第四季度财报业绩表现强劲,但是MongoDB有关新冠病毒可能带来负面影响的警告,导致股价大幅下跌。
MongoDB主要提供一款同名的面向文档的数据库,用于支持大数据应用和其他密集型工作负载。MongoDB报告称,该季度在不计入股票薪酬等特定成本的情况下,每股亏损25美分收入为1.235亿美元,比去年同期增长44%。
MongoDB的业绩超出了预期,此前华尔街预期MongoDB每股亏损28美分,收入为1.1557亿美元。
MongoDB还报告了本季度的订阅收入增长了45%,达到1.178亿美元,而服务收入增长了17%,达到570万美元。
MongoDB的全局云数据库Atlas是其广受欢迎的NoSQL数据库完全托管云版本,让企业可以更轻松地启动和运行该数据库,该季度的年收入运行率达到2亿美元。
总体而言,该季度对MongoDB来说是一个重要的季度,但与其他所有科技公司一样,目前外界正在发生的情况更为重要,MongoDB高管警告说,公司不太可能在新冠病毒爆发的情况下毫发无损。
展望2021财年第一季度,MongoDB预计收入在1.19亿美元至1.21亿美元之间,其中包括因新冠病毒造成的100万至200万美元损失。疫情还将影响MongoDB的全年收入,预测整个2021财年的收入在5.1亿美元至5.3亿美元之间,其中包括因新冠病毒造成的1500万至2500万美元负面影响。
这一消息也使得MongoDB股价在盘后交易中迅速下跌了9%多。
MongoDB在一份声明中表示:“有关COVID-19的情况尚不确定,并且正在迅速变化,因此MongoDB将继续评估这对业务带来的潜在影响。”
股票下跌是可以预料的,因为似乎没有一家公司能够在当前危机下毫发无损,但有分析人士认为,MongoDB将迎来辉煌的一年,并且未来前景光明。
Pund-IT分析师Charles King认为:“尽管不确定性影响着各个企业和市场,但随着数据库用例向云计算的迁移,MongoDB似乎已经做好了继续增长和发展的准备。”
Constellation Research分析师Holger Muelle也对MongoDB过去一年实现的增长感到鼓舞。
他说:“与传统的事务型数据库相比,MongoDB一直在这个快速增长的热点上主动出击,而且这几乎与任何下一代应用用例都是相关的。MongoDB凭借很好的跨云能力服务于客户和厂商,避免了传统云本机数据库存在的锁定问题。总体而言,MongoDB高管目前唯一要解决的问题,就是如何实现盈利。”
其他相关消息,MongoDB宣布联合创始人、首席技术官Eliot Horowitz将从7月10日起卸任,但会继续担任公司的“技术顾问”。
MongoDB首席执行官Dev Ittycheria表示:“我要感谢Eliot从共同创立公司之初到现在的技术远见、领导才能和他所做的巨大贡献。他与MongoDB的其他创始人一道,在13年前就意识到,现有的数据库技术无法满足开发者构建现代应用的需求。他们的洞察力和辛勤工作造就了这一文档模型,这是一种完全不同的持久数据存储方式,解决了关系型数据库的刚性和可扩展性限制。”
好文章,需要你的鼓励
研究人员基于Meta前首席AI科学家Yann LeCun提出的联合嵌入预测架构,开发了名为JETS的自监督时间序列基础模型。该模型能够处理不规则的可穿戴设备数据,通过学习预测缺失数据的含义而非数据本身,成功检测多种疾病。在高血压检测中AUROC达86.8%,心房扑动检测达70.5%。研究显示即使只有15%的参与者有标注医疗记录,该模型仍能有效利用85%的未标注数据进行训练,为利用不完整健康数据提供了新思路。
西湖大学等机构联合发布TwinFlow技术,通过创新的"双轨道"设计实现AI图像生成的革命性突破。该技术让原本需要40-100步的图像生成过程缩短到仅需1步,速度提升100倍且质量几乎无损。TwinFlow采用自我对抗机制,无需额外辅助模型,成功应用于200亿参数超大模型,在GenEval等标准测试中表现卓越,为实时AI图像生成应用开辟了广阔前景。
AI云基础设施提供商Coreweave今年经历了起伏。3月份IPO未达预期,10月收购Core Scientific计划因股东反对而搁浅。CEO Michael Intrator为公司表现辩护,称正在创建云计算新商业模式。面对股价波动和高负债质疑,他表示这是颠覆性创新的必然过程。公司从加密货币挖矿转型为AI基础设施提供商,与微软、OpenAI等巨头合作。对于AI行业循环投资批评,Intrator认为这是应对供需剧变的合作方式。
中山大学等机构联合开发的RealGen框架成功解决了AI生成图像的"塑料感"问题。该技术通过"探测器奖励"机制,让AI在躲避图像检测器识别的过程中学会制作更逼真照片。实验显示,RealGen在逼真度评测中大幅领先现有模型,在与真实照片对比中胜率接近50%,为AI图像生成技术带来重要突破。