至顶网软件频道消息:商业智能和数据仓库供应商Teradata的收入在今年第一季度从5.45亿美元下降了10%,达到4.91亿美元,亏损了200万美元,而该公司新任首席执行官Victor Lund仍然相信有办法。
Teradata表示2016年第一季度的收入包含了Marketing Applications业务3400万美元的收入,而该公司已于2016年7月1日将该业务出售了,希望这种解释能够减轻第一季度收入情况的惨淡程度。是的,但是,2017年第一季度的收入和2016年第一季度收入的差距是5400万美元,扣除Marketing Applications业务的3400万美元,还下降了2000万美元。
尽管如此,该公司一年前的净亏损为4600万美元,因此这一改善令人印象深刻。毛利率为45.6%,而一年前为49.4%。Teradata拥有11.44亿美元的现金,大部分在美国境外。在公司债务总额约为5.63亿美元时,这是一个令人放心的安全垫。
Lund在一次预先准备好的讲话中表示:“我仍然对我们的战略和我们的人有信心,我们在积极进行业务转型。”确实是在积极转型。他补充表示:“我们的团队专注于为客户推动成功的业务成果,并让我们的未来充满活力。”
Lund专注于Teradata的成功业务成果。正在将客户从采购许可转换为付费订阅模式,这使得未来的收入估算值出现问题,因为转换率是不可预测的。考虑到这一点,下一季度的收入预计将在5.1亿美元至5.3亿美元之间,和一年前同期相比下降13.2%。
该公司的转型仍在进行之中,直到不用再计算已经出售的Marketing Applications部门过去的贡献,并且/或将其业务扩展到其他领域为止。
好文章,需要你的鼓励
苏州大学研究团队提出"语境降噪训练"新方法,通过"综合梯度分数"识别长文本中的关键信息,在训练时强化重要内容、抑制干扰噪音。该技术让80亿参数的开源模型在长文本任务上达到GPT-4o水平,训练效率比传统方法高出40多倍。研究解决了AI处理长文档时容易被无关信息干扰的核心问题,为文档分析、法律研究等应用提供重要突破。
在Cloudera的“价值观”中,企业智能化的根基可以被概括为两个字:“源”与“治”——让数据有源,智能可治。
清华大学团队首次揭示了困扰AI训练领域超过两年的"幽灵故障"根本原因:Flash Attention在BF16精度下训练时会因数字舍入偏差与低秩矩阵结构的交互作用导致训练崩溃。研究团队通过深入分析发现问题源于注意力权重为1时的系统性舍入误差累积,并提出了动态最大值调整的解决方案,成功稳定了训练过程。这项研究不仅解决了实际工程问题,更为分析类似数值稳定性挑战提供了重要方法论。