大数据厂商Cloudera今天发布了第二季度财报,尽管业绩超出了华尔街的预期,但是强劲的表现还不足以阻止其股价在盘后交易中小幅下跌。
Cloudera主要面向企业销售数据工程、数据仓库、机器学习和分析软件。该季度Cloudera在未计入股票补偿等特定成本的利润为每股10美分,收入为2.143亿美元,比去年同期增长9%,此前华尔街预期的每股利润为7美分,收入为2.0814亿美元。
Cloudera表示,该季度新冠病毒大流行导致IT支出的疲软被市场对Cloudera数据平台的需求所抵消了。
该季度Cloudera的年度经常性收入为7.39亿美元,比去年同期增长12%,而这对投资者来说是一项重要指标,因为年度经常性收入代表了公司的发展状况,并可以预测未来的增长。
Cloudera称目前公司有1007家贡献10万美元年度经常性收入的客户,172家贡献超过100万美元年度经常性收入的客户。
Cloudera首席执行官Rob Bearden在与分析师的电话会议上表示,该季度Cloudera的Cloudera Data Platform Public Cloud客户数量翻了一番,预订量同样非常强劲。
他说:“尽管目前已确定的收入不算高,但CDP Public Cloud在市场中备受欢迎让我们感到鼓舞。这些产品作为独立的服务体现出差异化,将会随着时间的推移进行扩展。CDP Public Cloud直接战略价值主要在体现在它支持混合数据架构,将在为客户创建企业数据云方面发挥至关重要的作用。”
Bearden表示,Cloudera Data Platform Private Cloud产品也有突出表现,使得Cloudera能够更好地进入混合云和多云市场。他在电话会议上向分析师表示,CDP Private Cloud有助于加强Cloudera与AWS、Google和微软等公有云基础设施巨头之间的关系。”
“我们希望现有客户群采用我们的企业数据云,以推动公有云基础设施即服务方面的消费,而且CDP Private Cloud推动了我们与AWS、Azure和Google的公有云合作伙伴关系。我们估计,我们每赚1美元的软件收入,这些云提供商就会给我们贡献4至5美元的计算和存储收入,这部分IaaS潜在收入,是这些超大规模云合作伙伴关注的重点,同时也促进了我们与这些云合作伙伴之间的互动。”
Constellation Research分析师Holger Mueller表示,CDP Private Cloud的表现令人感到鼓舞,因为它可以帮助Cloudera抓住下一代云计算平台把云堆栈带入本地环境的发展趋势。
Mueller说:“在财务方面,很高兴看到Cloudera在财务方面进一步克服了挑战,很有可能在下个季度实现盈利。”
Pund-IT分析师Charles King认为,客户正在积极地向云转型,他们需要来自专家的建议和帮助,这会让Cloudera从中受益。
“Bearden关于Cloudera正在加强与AWS、微软Azure和Google Cloud等主要合作伙伴关系的战略是有道理的,因为像Cloudera这样的云软件厂商在经济体量上几乎不可能和这些云服务提供商一样。也就是说,Cloudera的表现超出分析师的预期,这体现了Cloudera扎实的管理和执行力,预示着Cloudera将在后疫情时代的市场中继续保持稳定表现。”
Cloudera预计,第三季度调整后的每股收益为8至10美分,收入在2.07亿至2.1亿美元之间,华尔街预期的每股收益为7美分,收入为2.055亿美元。
Cloudera预计全年收入在8.39亿美元至8.53亿美元之间,此前华尔街预期的全年收入为8.387亿美元。Cloudera表示,这一全年展望的假设前提是COVID-19所带来的“衰退影响”将持续到第四季度。
Bearden说:“我们不能幸免于COVID-19造成的经济衰退,但是我们认为,我们的业务比大多数企业软件公司更具弹性。这是事实,因为我们的产品支持数字化转型计划和关键任务场景。”
Cloudera的股价在盘后交易中下跌超过2%。
好文章,需要你的鼓励
OpenAI CEO描绘了AI温和变革人类生活的愿景,但现实可能更复杂。AI发展将带来真正收益,但也会造成社会错位。随着AI系统日益影响知识获取和信念形成,共同认知基础面临分裂风险。个性化算法加剧信息茧房,民主对话变得困难。我们需要学会在认知群岛化的新地形中智慧生存,建立基于共同责任而非意识形态纯洁性的社区。
杜克大学等机构研究团队通过三种互补方法分析了大语言模型推理过程,发现存在"思维锚点"现象——某些关键句子对整个推理过程具有决定性影响。研究表明,计划生成和错误检查等高层次句子比具体计算步骤更重要,推理模型还进化出专门的注意力机制来跟踪这些关键节点。该发现为AI可解释性和安全性研究提供了新工具和视角。
传统数据中心基础设施虽然对企业至关重要,但也是预算和房地产的重大负担。模块化数据中心正成为强有力的替代方案,解决企业面临的运营、财务和环境复杂性问题。这种模块化方法在印度日益流行,有助于解决环境问题、满足人工智能的电力需求、降低成本并支持新一代分布式应用。相比传统建设需要数年时间,工厂预制的模块化数据中心基础设施可在数周内部署完成。
法国索邦大学团队开发出智能医学文献管理系统Biomed-Enriched,通过AI自动从PubMed数据库中识别和提取高质量临床案例及教育内容。该系统采用两步注释策略,先用大型AI模型评估40万段落质量,再训练小型模型处理全库1.33亿段落。实验显示该方法仅用三分之一训练数据即可达到传统方法效果,为医学AI发展提供了高效可持续的解决方案。