Salesforce.com公布了业绩稳健的第一季度财报,其表现超出了华尔街对其收入和收益的预期,平息了投资者对增长放缓的担忧。
Salesforce略微下调了对第二季度的收益预测,但将全年收益预期上调至2.88美元至2.90美元之间,收入在161亿美元至162.5亿美元之间,这要高于市场预期的2.67美元全年收益,和161.4亿美元的收入。Salesforce高管表示,Salesforce有望到2020年突破260亿美元的年收入目标。
Salesforce联合首席执行官Keith Block表示:“我们已经为未来做好了充分准备。”
该季度按固定汇率计算Salesforce的收入为37.4亿美元,同比增长26%。订阅收入增长24%。营业现金流近20亿美元,增长34%,该季度结束之后Salesforce持有63.8亿美元的现金和有价证券,为展开进一步的收购做好了准备。Salesforce股价在盘后交易中上涨近3%。
平息投资者担忧
此前有投资者质疑Salesforce在三个月前发布低于预期的第四财季指引之后增长是否会放缓,如今Salesforce公布的财报结果让投资者们长舒了一口气。最近Alphabet、Nutanix、Box和NetApp等厂商公布的营收结果令人担忧,质疑企业技术市场是否正在走向低谷,但如今这些担忧已经被来自VMware、SAP和Dropbox的强劲业绩所打消。
Pund-IT首席分析师Charles King表示“超出预期肯定是一个积极的信号,但提高指引才能让很多观察者感到宽慰,这表明Salesforce今年下半年的发展不会像大多数人都担心的那样坎坷。”
尽管Salesforce并不是整个软件服务行业的领头羊,但“Salesforce在硅谷的地位及其处理特朗普总统对中国和墨西哥关税影响的方法使Salesforce成为一个值得关注的力量”,King这样表示。Salesforce联席首席执行官Marc Benioff表示,全球货币因素导致Salesforce年收入减少2亿美元,但肯定会超出预期。
这家客户关系管理巨头实现了一个重要的里程碑,其Service Cloud客户服务软件和支持应用的季度收入突破了10亿美元,成为继Salesforce旗舰产品Sales Cloud(收入增长11%至10.73亿美元)之后第二个收入突破10以美元大关的产品,也使得Sales Cloud的季度销售额仅比Service Cloud高出了5300万美元。Salesforce的平台即服务收入增长50%,达到8.42亿美元,营销和商务云增长33%,达到5.61亿美元。
Constellation Research分析师Holger Mueller表示:“Service Cloud季度收入首次突破10亿美元,这突显了Salesforce业务的强势,以及企业拥有一个集成CRM产品的愿望。”
品牌价值
Constellation Research创始人Ray Wang表示,这表明了客户对Salesforce.com品牌的信心。“这意味着创新和技术带来的好处,”这里他指的是Salesforce参与的很多慈善活动。微软首席执行官Satya Nadella“复制了这一战略,取得了巨大的影响”。
Salesforce在电话会议上向分析师表示,最近在业务方面取得的大部分成功都要归功于去年以65亿美元收购的应用集成厂商MuleSoft。
Salesforce总裁兼首席财务官Mark Hawkins表示:“MuleSoft使我们能够接触到客户,告诉客户他们拥有的一切都将成为Customer 360的一部分。这加快了数字化转型的速度。”
Hawkins表示,尽管MuleSoft在该季度的销售额仅为1.7亿美元,但作为Salesforce云产品与客户其他应用之间集成点的战略价值,使其成为一个关键的销售驱动因素。“客户希望我们采取以客户为中心的策略,利用区块链、人工智能、视觉和语音等先进技术并将其整合到手机上,将其作为编程功能提供给客户,整合到一起称之为Customer 360。”
Mueller说,“所有这些都意味着的Salesforce的发展势头在可预见的未来将是可持续的。企业正在转向云端,并根据平台稳定性和实力挑选符合他们整体战略的供应商。”
好文章,需要你的鼓励
树莓派基金会调查发现,尽管60%的家长认为编程是孩子的重要技能,但超过70%的家长表示孩子在正常课程中没有学习编程。该基金会CEO指出,随着AI技术快速发展,年轻人掌握技术理解和创造能力比以往更重要。超半数家长认为编程应成为必修课程,并相信学习编程能提升孩子未来职业前景。为填补学校教育空白,基金会呼吁在学校和图书馆广泛设立编程俱乐部,目标到2035年全球教授1000万儿童编程技能。
Patronus AI发布突破性研究,构建了首个系统性AI代理错误评估体系TRAIL,涵盖148个真实案例和21种错误类型。研究发现即使最先进的AI模型在复杂任务错误识别上准确率仅11%,揭示了当前AI代理系统在长文本处理、推理能力和自我监控方面的重大局限,为构建更可靠的AI系统指明方向。
文章介绍了AI大语言模型中最新的深度研究功能,这是目前最令人印象深刻的新功能之一。作者详细解析了ChatGPT、Claude和Gemini等主流模型的使用方法,并重点展示了深度研究功能的实际应用。通过实际测试,作者用ChatGPT 4.5的深度研究功能生成了一份关于1990-2025年最令人厌烦歌曲的详细报告,展示了AI如何通过思维链进行深度研究和分析。文章还提到了语音交互模式将进一步改变用户与AI的交互体验。
这项研究首次从理论和实践证明AI模型可通过模仿生物睡眠-学习周期显著提升性能。研究发现AI训练中存在自发的"记忆-压缩循环",并据此开发了GAPT算法,在大语言模型预训练中实现4.8%性能提升和70%表示效率改善,在算术泛化任务中提升35%,为AI发展指出了注重信息整理而非单纯数据扩展的新方向。