至顶网软件与服务频道消息: 3月19日,金蝶国际(00268.HK)公布2019年财年业绩。报告期内,其收入约33.26亿元人民币(单位下同),同比增长18.4%,其中金蝶云业务收入增长54.7%,占总收入39.5%;毛利率约80.4%;来自经营活动产生的净现金约9.63亿元,同比增长6.3%。
在金蝶公布业绩当天,其股价一度大涨12%,资本市场将其业绩评为“高分”答卷。从去年下半年以来,各外资大行都将目光聚焦于金蝶云·苍穹的发力上,而金蝶2019年的业绩表现也远超资本市场的预期。
据财报数据,金蝶云·苍穹于2019年共获得130家新客户,新签合约累计超过人民币2亿元。新客户包括中国兵装、中冶南方、中国钢研、中移物联网等央企;顺丰集团、天津钢铁、海螺资讯等大型企业。其中,金蝶云·苍穹的新客户还不乏中国石油、河钢集团、万科及建发集团等世界500强企业。
除此之外,金蝶云·苍穹还与德龙钢铁、河钢集团、湖北捷瑞、江苏富浩电子等企业建立战略合作关系,共同推进行业价值链重构。报告期内,金蝶云·苍穹生态伙伴总数已达160家,其中,ISV伙伴55家,开发者伙伴90家,内容伙伴15家。
客户突破只是金蝶云·苍穹给市场的惊喜之一,其在产品及技术上的突破也十分亮眼。
产品方面,金蝶云·苍穹完善了其产品功能,新增了已完成客户验证的涉及财务云、企业绩效云、供应链云、人力云、协同云、营销云、税务云、AI大数据服务云、流程服务云、开发服务云等20余项云服务的100余款企业应用。
目前,金蝶云·苍穹已提交了73项专利,云原生技术框架的一项核心技术获得国家专利奖。其通过微服务、容器等组件化方式,能够以低时间及实施成本的方式满足客户的定制化需求,是最符合国内需求的ERP部署方式。同时,金蝶云·苍穹还实现了从硬件到软件的全栈技术自主可控,并于华为鲲鹏等厂商合作,通过了国产化有用环境功能、性能等全方面测试。
金蝶CFO林波介绍,金蝶云·苍穹平台有两个技术亮点。首先,其为一个开发平台,能够快速满足SaaS开发的需求,能够让客户的研发效率较此前提高4倍。其次,金蝶云·苍穹系统完全支持国产化,能够全方位满足国产需求,包括国产芯片、国产操作系统、国产数据库以及国产服务器等。
在金蝶云·苍穹平台PaaS用户案例上,金蝶也把该平台当做公司的公共平台,并整合公司相关的云服务产品,以及在该平台上重新构建工业互联网平台。林波表示,此战略对金蝶意义重大,其能让金蝶的产品在更大程度上互用,以此避免了产品在打通、互联以及发展时的数据浪费。
除了整合金蝶旗下产品外,金蝶云·苍穹也为客户搭建了数字化平台,如其为华为基建项目打造设计管理中心,以及为中石油搭建海外社会安全信息网络平台。其中,金蝶云·苍穹为了助力中油国际提升海外安全,为其快速搭建了HSE系统,并保证系统24小时不间断提供服务。
上述两个服务案例只是金蝶云·苍穹为众多服务伙伴提供服务的一个缩影。此前,金蝶曾推出过“伙伴云转型加速计划”,加速提升伙伴核心能力的同时,还加速苍穹ISV伙伴的发展。基于金蝶动态领域模型架构的低代码开发平台,ISV开发者的效率可以提升500%以上。此外,金蝶云·苍穹平台提供的微服务和API能力可以让ISV伙伴最大限度利用平台的开放能力。
值得注意的是,除了金蝶云·苍穹取得了亮眼的成绩,其他云产品也同样有出色的表现,如面向成长型企业的金蝶云·星空于2019年入选了全国 17 大省区 26座城市政府发文推荐厂商目录,并获亚马逊 AWS 认证为 2019 年度唯一最佳 SaaS 合作伙伴。
好文章,需要你的鼓励
IBM Spyre加速器将于本月晚些时候正式推出,为z17大型机、LinuxONE 5和Power11系统等企业级硬件的AI能力提供显著提升。该加速器基于定制芯片的PCIe卡,配备32个独立加速器核心,专为处理AI工作负载需求而设计。系统最多可配置48张Spyre卡,支持多模型AI处理,包括生成式AI和大语言模型,主要应用于金融交易欺诈检测等关键业务场景。
加拿大女王大学研究团队首次对开源AI生态系统进行端到端许可证合规审计,发现35.5%的AI模型在集成到应用时存在许可证违规。他们开发的LicenseRec系统能自动检测冲突并修复86.4%的违规问题,揭示了AI供应链中系统性的"许可证漂移"现象及其法律风险。
意大利初创公司Ganiga开发了AI驱动的智能垃圾分拣机器人Hoooly,能自动识别并分类垃圾和可回收物。该公司产品包括机器人垃圾桶、智能盖子和废物追踪软件,旨在解决全球塑料回收率不足10%的问题。2024年公司收入50万美元,已向谷歌和多个机场销售超120台设备,计划融资300万美元并拓展美国市场。
这项由剑桥大学、清华大学和伊利诺伊大学合作的研究首次将扩散大语言模型引入语音识别领域,开发出Whisper-LLaDA系统。该系统具备双向理解能力,能够同时考虑语音的前后文信息,在LibriSpeech数据集上实现了12.3%的错误率相对改进,同时在大多数配置下提供了更快的推理速度,为语音识别技术开辟了新的发展方向。