企业软件巨头SAP今天比以往提前了12小时发布第三季度财报,并坦言,COVID-19大流行带来影响的持续时间可能比最初预期更长。
因此,SAP下调了2020年全年业务展望,以反映预期的客户支出有所减少。
第三季度并没有想象中那么糟糕,SAP的每股收益为1.32欧元(1.56美元),收入为65.4亿欧元(78亿美元),比去年同期下滑了4%,分析师此前预测的收入为66.8亿欧元。
SAP表示,云业务表现强劲,该季度收入增长至19.8亿欧元,比去年同期增长10%。软件许可证收入受到COVID-19的影响更为明显一些,收入同比下滑23%至7.10亿欧元。此外,云和软件收入为55.4亿欧元,同比下滑2%。
SAP补充说,云业务未交付订单金额(SAP今年早些时候公布的一项新指标)反映了来自新客户的云相关订单和现有客户的增量订单,这部分同比增长10%,达到66亿欧元。
但是,投资者似乎更加关注SAP对预期展望的调整。SAP在今年4月首次发布了全年展望,当时称,这一展望反映了根据COVID-19复苏的时间和进度得出的最好预期。当时SAP认为经济能够重新开放,封锁相对较快地缓解,但是现在,SAP承认当时的预期太乐观了。
由于COVID-19病例激增,很多国家重新开始实施封锁措施,SAP表示,需求恢复比预期慢得多。因此,按不变货币计算,今年全年SAP的云收入预计仅为80亿欧元至82亿欧元,低于此前预测的83亿欧元至87亿欧元。云和软件收入调整为231亿欧元至236亿欧元,低于此前预期的234亿欧元至240亿欧元。
“以前SAP和许多其他企业软件厂商并未受到疫情大流行的影响,此次真是令人惊讶。所以SAP要跟上现实,我们也会在未来几周内关注其他厂商的情况。”Constellation Research分析师Holger Mueller这样表示。
SAP称,调整后的预期意味着,按固定汇率计算,预计2020年总收入将在272亿欧元至278亿欧元之间,低于此前预期的278亿欧元至285亿欧元,预计营业利润将在81亿欧元至85亿欧元之间,低于此前预期的81亿欧元至87亿欧元。
对于投资者而言,更令人担忧的是,COVID-19有可能会对SAP去年4月、也就是疫情爆发几个月前公布的“中期雄心”产生深远影响。
“COVID-19大流行预计至少还会在2021年上半年影响需求环境,尤其是在重灾行业,迫使关键指标的实现——例如非IFRS云收入、总收入和营业利润——延后一到两年,”SAP在一份声明中这样表示。
SAP称,已经放弃了此前的2023年雄心计划,取而代之的是SAP对2025年的新预测:云收入约为220亿欧元,低于360亿欧元。SAP进一步表示,通过加速客户向云的迁移,这将对毛利率造成负面影响进一步降低4%-5%。在得出这一结论时,SAP表示,相信COVID-19的主要影响是将客户会推迟产品投资大约一到两年的时间。
Mueller说,SAP高管现在面临的主要问题是他们的云产品是否准备就绪,以及客户为什么没有采用这些产品。
他说:“令人意外的是云收入不如预期,而企业是有动力上云的,以便将IT成本从资本支出转移到运营支出。对于SAP客户而言,情况似乎并非如此。而好的一面是,传统许可销售甚至能弥补云收入的不足。”
好文章,需要你的鼓励
最新数据显示,Windows 11市场份额已达50.24%,首次超越Windows 10的46.84%。这一转变主要源于Windows 10即将于2025年10月14日结束支持,企业用户加速迁移。一年前Windows 10份额还高达66.04%,而Windows 11仅为29.75%。企业多采用分批迁移策略,部分选择付费延长支持或转向Windows 365。硬件销售受限,AI PC等高端产品销量平平,市场份额提升更多来自系统升级而非新设备采购。
清华大学团队开发出LangScene-X系统,仅需两张照片就能重建完整的3D语言场景。该系统通过TriMap视频扩散模型生成RGB图像、法线图和语义图,配合语言量化压缩器实现高效特征处理,最终构建可进行自然语言查询的三维空间。实验显示其准确率比现有方法提高10-30%,为VR/AR、机器人导航、智能搜索等应用提供了新的技术路径。
新一代液态基础模型突破传统变换器架构,能耗降低10-20倍,可直接在手机等边缘设备运行。该技术基于线虫大脑结构开发,支持离线运行,无需云服务和数据中心基础设施。在性能基准测试中已超越同等规模的Meta Llama和微软Phi模型,为企业级应用和边缘计算提供低成本、高性能解决方案,在隐私保护、安全性和低延迟方面具有显著优势。
IntelliGen AI推出IntFold可控蛋白质结构预测模型,不仅达到AlphaFold 3同等精度,更具备独特的"可控性"特征。该系统能根据需求定制预测特定蛋白质状态,在药物结合亲和力预测等关键应用中表现突出。通过模块化适配器设计,IntFold可高效适应不同任务而无需重新训练,为精准医学和药物发现开辟了新路径。