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
邻里社交应用Nextdoor推出重新设计版本,新增本地新闻、实时警报和名为"Faves"的AI功能,用于发现本地商户和地点。该应用与3500家本地出版商合作提供新闻内容,通过Samdesk和Weather.com提供天气、交通、停电等实时警报。Faves功能利用15年邻里对话数据训练的大语言模型,为用户提供本地化AI推荐服务,帮助用户找到最佳餐厅、徒步地点等本地信息。
Skywork AI推出的第二代多模态推理模型R1V2,通过创新的混合强化学习方法,成功解决了AI"慢思考"策略在视觉推理中的挑战。该模型在保持强大推理能力的同时有效控制视觉幻觉,在多项权威测试中超越同类开源模型,某些指标甚至媲美商业产品,为开源AI发展树立了新标杆。
英国生物银行完成了世界上最大规模的全身成像项目,收集了10万名志愿者的超过10亿次扫描数据,用于研究人体衰老和疾病过程。该项目历时11年,每次扫描耗时5小时,投资6200万英镑。目前已有8万人的成像数据供全球研究人员使用,剩余数据将于年底前发布。项目已开发出能预测38种常见疾病的AI工具,并在心脏病、痴呆症和癌症诊断方面取得突破。
这项由北京大学等多所高校联合完成的研究,首次对OpenAI GPT-4o的图像生成能力进行了全面评估。研究团队设计了名为GPT-ImgEval的综合测试体系,从文本转图像、图像编辑和知识驱动创作三个维度评估GPT-4o,发现其在所有测试中都显著超越现有方法。研究还通过技术分析推断GPT-4o采用了自回归与扩散相结合的混合架构,并发现其生成图像仍可被现有检测工具有效识别,为AI图像生成领域提供了重要的评估基准和技术洞察。