Oracle近日公布了第一季度财报,与近期企业财务业绩喜忧参半的形势不同,Oracle该季度收入增长强劲,并且超出了分析师的预期水平。
该季度Oracle的利润出现下滑,主要原因是Oracle为建设云基础设施进行了17亿美金的资本投资。
按照固定汇率计算,该季度Oracle总收入增长23%,达到114.5亿美元,高于分析师预期的113.3亿美元。云服务和许可支持收入增长14%,达到84.2亿美元,超过预期的82.3亿美元。
即使是大多数软件公司都出现下滑的许可收入方面,该季度Oracle固定汇率计算也显示出19%的健康增长,达到9.04亿美元。服务收入增长84%,达到13.6亿美元。
净收入下滑36%,至15.5亿美元,约合每股56美分。调整后的每股收益为1.03美元,低于分析师预期的1.08美元。Oracle股价在盘后交易中上涨约1.5%。
加速增长
Oracle高管们表示,Oracle在云基础设施上的投资将在未来几个季度获得丰厚的回报。Oracle首席执行官Safra Katz(如图)表示:“我们预计下个季度云业务的有机增长将出现大幅加速,不仅增长率会高于超大规模数据中心领域的竞争对手,而且随着我们的规模越来越大,增长率也在不断提高。”
该季度Oracle的云计算总收入按照固定汇率计算增长了50%,达到36亿美元,高于上一季度的36%。云基础设施即服务收入增长58%,达到9亿美元,新增了1000家付费客户。
软件即服务收入猛增48%,达到27亿美元,其中Fusion Cloud ERP应用产品线按照固定汇率计算增长了48%,针对小型企业的NetSuite系列运营管理产品增长了30%。
Oracle高管们对全年业绩看好,称今年云业务总收入将增长约30%。Katz说:“即便我们没有新增一个客户,很多现有企业客户已经签约了。”
Forrester Research首席分析师Lee Sustar表示:“Oracle一直在激励客户迁移到云端,这是云业务增长的一个关键驱动因素。另一个因素是Oracle和微软签订了协议,允许Azure客户使用Oracle数据库,这让两家厂商都可以捍卫或者扩大和AWS或者是Google Cloud相关的企业客户群,不过,这将在多大程度上推动OCI的增长还有待观察。”
尝试激励措施
Katz认同称,让客户试用Oracle的云基础设施是业务发展计划的一个关键。她说:“当客户出于某种原因尝试使用我们的产品时,他们就会被我们的云技术能力所折服。他们可能从小规模开始,然后加速。”
特别是Oracle董事长、首席技术官Larry Ellison直言不讳地描述了他眼中Oracle与AWS的竞争形势。“企业在亚马逊上的花费金额是令人震惊,Oracle的成本则要低得多,部分原因是我们的速度更快。我们正在和使用亚马逊的一些大型品牌进行交流,其中一些品牌客户很快就会采取行动了。”
Oracle此次还宣布了MySQL HeatWave数据库现在可在AWS云上使用,这让Oracle和亚马逊的竞争战略一定程度上变得有些戏剧化。Ellison说,Oracle无意让排他性限制自己潜在的数据库销售。“Oracle能否保持在数据库领域的市场份额?我认为如果数据库能在多个云中可用,那么答案是肯定的。”
好文章,需要你的鼓励
在迪拜Gitex 2025大会上,阿联酋成为全球AI领导者的雄心备受关注。微软正帮助该地区组织从AI实验阶段转向实际应用,通过三重方法提供AI助手、协同AI代理和AI战略顾问。微软已在阿联酋大举投资数据中心,去年培训了10万名政府员工,计划到2027年培训100万学习者。阿联酋任命了全球首位AI部长,各部门都配备了首席AI官。微软与政府机构和企业合作,在公民服务和金融流程等领域实现AI的实际应用,构建全面的AI生态系统。
查尔斯大学和意大利布鲁诺·凯斯勒基金会的研究团队首次系统性解决了同声传译AI系统延迟评估的准确性问题。他们发现现有评估方法存在严重偏差,常给出相互矛盾的结果,并提出了YAAL新指标和SOFTSEGMENTER对齐工具。YAAL准确性达96%,比传统方法提升20多个百分点。研究还开发了专门的长音频评估工具LongYAAL,为AI翻译技术发展提供了可靠的测量标准。
苹果与俄亥俄州立大学研究人员发布名为FS-DFM的新模型,采用少步离散流匹配技术,仅需8轮快速优化即可生成完整长文本,效果媲美需要上千步骤的扩散模型。该模型通过三步训练法:处理不同优化预算、使用教师模型指导、调整迭代机制来实现突破。测试显示,参数量仅1.7亿至17亿的FS-DFM变体在困惑度和熵值指标上均优于70-80亿参数的大型扩散模型。
印度理工学院团队构建了史上最大规模印度文化AI测试基准DRISHTIKON,包含64288道多语言多模态题目,覆盖15种语言和36个地区。研究评估了13个主流AI模型的文化理解能力,发现即使最先进的AI也存在显著文化盲区,特别是在低资源语言和复杂推理任务上表现不佳,为构建文化感知AI提供了重要指导。