Informatica Inc. 的股价在盘后交易中暴跌超过 33%,这家数据集成公司报告的第四季度收入低于预期。
Informatica 将此归咎于内部销售问题以及客户向云端迁移速度超出预期,这影响了维护收入。
收入同比下降近 4%,至 4.283 亿美元,低于市场预期的 4.57 亿美元。每股收益为 0.41 美元,高于预期的 0.38 美元。季度净利润增长超过 30%,达到 1.28 亿美元。
公司下调了第一财季的业绩指引。预计收入将在 3.8 亿至 4 亿美元之间,按固定汇率计算增长率为 2.1%,低于市场预期的 4.109 亿美元。预计年度经常性总收入将在 16.73 亿至 16.97 亿美元之间,增长 3%。
第四季度订阅收入略有下降,从去年同期的 3.024 亿美元降至 2.974 亿美元。维护和专业服务收入下降超过 9%,至 1.308 亿美元。云订阅年度经常性收入增长 34%,达到 8.27 亿美元,公司表示 2025 年应该会突破 10 亿美元。
订阅收入缺口 Informatica 将收入缺口归因于订阅业务中意外出现的 4600 万美元续约下滑,特别是在自管理订阅方面。这种情况因自管理订阅的平均期限降低,以及客户实施和支持业务向专业服务合作伙伴转移的速度超出预期而加剧,而这种转移趋势是公司一直在鼓励的。
首席执行官 Amit Walia 在接受 SiliconANGLE 采访时表示,客户正在以加速的速度迁移到云端,这减缓了收入确认。他说:"第四季度我们的现代化进程出现了巨大增长,这是一件非常好的事情。每个人都希望这样。"
然而,会计规则要求向云端迁移的客户在其本地维护费用上获得抵免。这些抵免通常在几年内兑现。Walia 说:"因此我们确认的云收入前期较少。当客户向云端现代化转型时,他们会退出维护服务,这会降低总年度经常性收入。我们既无法获得增量云端年度经常性收入,又损失了维护收入。这在短期内对我们造成了双重打击。"
不过,CEO 认为这种影响是暂时的,他表示云订阅收入继续保持 30% 的年增长率,第四季度云订阅净续约率达到 124%。这意味着续约客户平均比当前订阅多支付 24% 的续约费用。
"内部问题" Walia 说:"我们在团队运营该业务方面存在内部运营问题,还有一些激励机制的问题。"他补充说,该季度的续约率百分比在"90 多一点"。"这个续约率并不差,但我们可以做得更好。"
一位高管的离职也在销售团队中造成了混乱。他说:"新人改变了战略,暂时搁置了项目,发生了本不该发生的客户流失。"
Walia 表示,Informatica 不会因收入未达预期而进行组织调整。他说:"这是一次性的内部问题。这不是组织上的挑战,而是激励机制的挑战。我们知道如何解决。"
第一季度,预计云订阅年度经常性收入将在 8.4 亿至 8.52 亿美元之间,按区间中值计算,同比增长 29.6%,按固定汇率计算同比增长 29.7%。
Walia 表示,人工智能模型训练和推理为 Informatica 的业务带来了助力,推动组织统一数据孤岛并改善数据治理。约有 100 个客户正在使用 Informatica 的智能数据管理云进行检索自动生成和 AI 编排,AI 管道在上半年增长了四倍。
他说:"当客户从概念验证转向生产时,我们将看到更大的影响,但这至少要滞后三个季度。"
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。