今天SAP公布第二季度财报,结果超出了收入和利润预期,SAP将其归因于尽管疫情期间客户比较谨慎,但新客户非常活跃。
该季度SAP的收入为79亿美元,超出市场普遍预期的78.5亿美元。其中,云业务收入增长18%,达到23.9亿美元。软件许可收入下滑18%,至9.1亿美元,但仍高于预期。
SAP首席执行官Christian Klein
SAP首席执行官Christian Klein表示:“向云迁移的步伐大大加快了,因为CIO们很担心自己的数据中心运行是否具有弹性。”
该季度SAP的营业利润增长8%,至23亿美元,每股利润增长8%,至1.37美元,高于市场普遍预期的1.34美元。营业利润率增长了5%,达到29.1%,反映出SAP采取了所谓平衡增长和盈利能力的措施。SAP股价在纽约证券交易所早盘交易中上涨了3%多。
SAP再次提到了今年四月时宣布的全年预期调低。当时SAP预测收入在301.6亿美元至309.2亿美元之间,全年订阅收入将减少3.5亿美元,维护收入将减少1亿美元。但是SAP将2020年自由现金流预期从先前的41亿美元上调至47亿美元,理由是资本支出低于预期,“招聘速度放缓,除了自然储蓄外,可自由支配支出减少了。”
Nucleus Research分析师Andrew MacMillen表示:“第一季度结束的时候,我曾认为SAP似乎对复苏情况过于乐观,我很高兴这一点被证明是错误的。SAP证明了,业务复苏的情况是超出人们预期水平的。”
谨慎乐观
SAP高管还是很谨慎的,没有宣称SAP已经恢复到高速增长了。“现在不是狂欢或者开香槟庆祝的时候,大环境仍然有很大的不确定性,”SAP首席财务官Luka Mucic说。他认为,第二波疫情所带来的风险以及企业软件厂商对第四季度交易的严重依赖,都带来了不确定性。他说:“下半年无法保证会取得成功。”
Klein说,该季度客户活动异常活跃,尤其是在亚洲。该季度有超过17000家新老客户恢复生产,“仅仅用了数周而不是数月就恢复了”。
该季度SAP新增了500个S4/HANA ERP旗舰系统的部署,其中40%是新客户。现在S4/HANA有146000家客户,比去年同期增加了20%多。
由于市场对数字供应链、电子商务和Qualtrics的需求特别高,使得SAP云计算业务未交付的订单金额增加了21%,达到78亿美元。昨天SAP表示,计划通过IPO的方式部分剥离Qualtrics。该季度Qualtrics的收入增长了32%。
根据SAP四月调整的收入预期,云业务的收入增长处于预期低位。疫情导致付费即用产品使用减少,影响了收入增长。
除了ERP领域之外,SAP的其他业务在经济形势影响下的表现各不相同。疫情导致差旅减少甚至停滞,使得Concur差旅费用管理产品线收入下滑4%,经济下滑的趋势也使得SAP服务收入下滑6%。
SAP并未公布Ariba电子商务和Fieldglass劳动力管理平台的业绩,但表示,第二季度Fieldglass业务新增了760000名外部新员工,Klein称,Fieldglass电子商务平台的业绩出现“井喷”。
Klein表示,SAP将在下半年宣布推出“用于迁移到云的新产品,且不在ERP范围之内”。 Nucleus Research分析师MacMillen推测称,这其中可能包括针对SAP子业务(例如客户关系管理和供应链管理)客户的云迁移产品。
“这些对于客户来说都是巨大的价值驱动力,也是让SAP对客户变得更为重要的一部分原因。”到目前为止,SAP几乎一直只专注于将ERP客户转移到云上,但是“到了某个时候,其他业务像Spyglass、Ariba和Concur都会获得一些TLC。”
好文章,需要你的鼓励
这项研究针对现代文档检索系统中的关键缺陷:独立处理文档片段导致丢失上下文信息。研究团队开发了ConTEB基准测试来评估模型利用文档级上下文的能力,并提出了InSeNT方法,结合后期分块和创新的对比学习策略。实验表明,上下文感知嵌入显著提升检索性能,尤其在处理非自包含文本片段时,同时保持计算效率,对分块策略更具鲁棒性,并且在语料库规模扩大时表现更佳。这一研究为更智能的文档检索系统铺平了道路。
这项由布朗大学和Cohere实验室研究者联合进行的研究全面分析了大型语言模型(LLM)安全研究中的语言不平等现象。通过系统回顾近300篇2020-2024年间的安全相关论文,研究发现LLM安全研究严重偏向英语,即使中文这样的高资源语言也仅获得英语十分之一的研究关注,且这一差距正在扩大。研究还揭示非英语语言很少作为独立研究对象,且英语安全研究常忽略语言覆盖文档化。为解决这一问题,研究者提出了三个未来方向:开发文化敏感的评估基准、创建多语言安全训练数据,以及深入理解跨语言安全泛化挑战。
这项研究提出了ChARM,一种创新的角色扮演AI奖励建模框架,通过行为自适应边界和自我进化策略大幅提升AI角色的真实性和一致性。研究团队创建了包含1,108个角色的RoleplayPref数据集,实验表明ChARM比传统模型提高了13%的偏好排名准确率,应用于DPO技术后在多项基准测试中达到了领先水平。这一突破将为娱乐、教育和心理健康支持等领域带来更加自然、个性化的AI互动体验。
这篇研究重新审视了循环神经网络中的双线性状态转换机制,挑战了传统观点。高通AI研究团队证明,隐藏单元不仅是被动记忆存储,更是网络计算的积极参与者。研究建立了一个从实数对角线到完全双线性的模型层级,对应不同复杂度的状态跟踪任务。实验表明,双线性RNN能有效学习各种状态跟踪任务,甚至只需极少量训练数据。研究还发现,纯乘法交互比加法交互更有利于状态跟踪,为循环网络设计提供了新视角。