大数据专业公司Cloudera Inc.近日发布了靓丽的第三季度财务业绩,收入和利润双双超出预期,而且本季度的业绩指导也非常强劲。
该公司向企业出售数据工程、数据仓库、机器学习和分析软件,根据业绩报告显示,未计入某些成本(例如每股15美分的股票激励),该公司的利润达到每股15美分。收入达到了2.179亿美元,比去年同期增长了10%。
这个成绩要好过预期。华尔街的分析师们此前的平均预期为每股盈利仅为9美分,总收入为2.092亿美元。
Cloudera的首席执行官Rob Bearden(如图)表示,该公司的业绩受益于今年夏天推出的CDP私有云产品,该产品让付费客户增加了40%。
Bearden表示:“现在,随着CDP私有云进入市场,我们的混合多云产品可以由客户实施,并且我们的企业数据云愿景已接近完成。” Bearden表示:“我们相信,Cloudera已经处在了前所未有的好位置,能够在快速增长的数据管理和分析市场中抓住更多的混合多云解决方案的机会。”
Cloudera这一季度的各项成绩都很强大。该公司报告的订阅收入为1.973亿美元,同比增长18%。同时,其年度经常性收入达到7.56亿美元,增长了12%。投资者们一直非常看重ARR,因为它是衡量一家公司进步的指标,并且代表了对未来增长的预测。
SiliconANGLE姐妹市场研究公司Wikibon的首席分析师Dave Vellante表示,这是一个令人印象深刻的季度。他表示:“ Cloudera正在消除围绕着该公司的产品和开源策略的困惑,并且利用CDP建立了非常好的吸引力,该公司正在努力地解决数据科学领域的问题。”
@cloudera表现出色,并实现了收益增长——ARR增长12%,超出了预期,而且整体收入以及以订阅方式租用的用户数量的指导值也都高于大家的共识。营业利润指导值也比市场预期高出20%以上。尽管期望值并不高,但是看起来选择这艘船是正确的。
——Dave Vellante(@dvellante)2020年12月3日
Cloudera表示,截至本季度末,它拥有5.675亿美元的现金和等价物。最后,该公司表示其董事会已批准了追加5亿美元进行股票回购计划。
在本季度中,Cloudera宣布了一项重要的产品更新,为Cloudera Data Platform添加了更多“体验”,让分析和之后的共享结果的数据准备工作变得更加容易。
Constellation Research Inc.的Holger Mueller表示,这个季度的靓丽业绩表现表明Cloudera终于消化了此前收购的Hortonworks Inc.。Hortonworks Inc.以前是该公司在大数据领域的竞争对手,在2018年被Cloudera收购。他表示,他特别高兴看到该公司订阅收入的强劲增长。
另一方面,Mueller表示,一个可能带来麻烦的迹象是Cloudera专业服务收入减少了。然而,这可能仅仅是因为该公司通过与Hortonworks的合并获得了协同效应,并且指出自两家公司合并以来,Cloudera的成本已经降低了8100万美元。
Mueller表示:“无论如何,强劲的季度业绩就是强劲的季度业绩……现在,就要看该公司的管理层在第四季度交出怎样的成绩了,也许这家公司将终于能够扭亏为盈了。”
Cloudera有可能能够做到这一点。对于下一季度,该公司预计每股收益在10至12美分之间,营业收入将在2.19亿美元至2.22亿美元之间。而华尔街此前预计,第四财季每股盈利为10美分,营业收入为2.157亿美元。
在盘后交易时段,Cloudera的股价上涨超过了7%。
好文章,需要你的鼓励
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。