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
美国连锁超市巨头Albertsons正在基于Databricks构建商品智能平台,整合产品、定价、促销与陈列等决策功能,目标是在2026年底前全面向门店运营商落地。该平台以Databricks Lakehouse存储零售数据,通过Unity Catalog与AI Gateway实现数据治理,并借助AI智能体Genie支持自然语言查询,帮助商家洞察销售趋势,提升决策效率。此举是Albertsons今年四项AI核心战略投资之一。
阿里Qwen团队通过引入强化学习和在线策略蒸馏,将Qwen-Image-2.0升级为Qwen-Image-2.0-RL,让图像生成模型真正学会人类审美,文生图Elo评分提升78分,图像编辑提升93分。
微软正将Windows 11打造成真正的AI操作系统。在Build大会上,微软展示了AI模型与智能代理如何深度融合进Windows 11,让用户通过自然语言完成系统操作。借助Windows ML框架,超过5亿台PC已可在本地离线运行AI任务,无需联网、无token费用、数据不离设备。Office、Photos、Teams等应用已支持本地AI能力,Adobe、WhatsApp、Canva等第三方也在积极跟进,企业级AI PC采购需求有望加速。
港科大与快手联合提出NormGuard,针对流匹配模型强化学习训练中速度范数膨胀问题,通过训练时单向惩罚约束,在保留奖励的同时改善图像真实感。