Oracle由于计划大幅增加云计算投资而调低了季度收入指引,使其股价进行出现下跌。
此前Oracle刚刚公布了第四季度财报,以出色的表现轻松超出了华尔街的预期水平。
该季度Oracle在不计入股票补偿等特定成本的每股利润为1.54美元,收入为112亿美元,同比增长8%,净收入增长20%达到45亿美元,此前分析师预期的每股利润为1.31美元,收入为110.4亿美元。
整个2021财年Oracle的利润增长了21%至每股4.67美元,收入增长4%至405亿美元。
“第四季度我们的表现非常出色,”Oracle首席执行官Safra Catz在声明中表示。
Oracle最大的业务部门——云服务和许可支持业务——表现出强劲的实力,该季度的销售额达到73.9亿美元,同比增长8%,高于分析师普遍预期的73.2亿美元。
Oracle云应用产品组合也覆盖了这一细分市场,此次Oracle也公布了一些令人印象深刻的数字。其中,面向大型企业的财务软件套件Fusion ERP收入增长了46%,人力资源软件产品Fusion HCM的收入增长了35%,面向中小型企业的财务软件NetSuite ERP的销售额增长了26%。
Oracle表示,该季度Oracle Cloud Infrastructure消费收入增长了103%,没有提供详细的数据,但据说,有大约一半的收入来自Oracle Database工作负载。
在与分析师的电话会议中,Catz将盈利增长归结于Oracle应用和基础设施云业务的加速增长。她指出:“这是Oracle连续第四年实现每股收益的双位数增长。”
其他业务方面,Oracle的云许可和本地环境许可收入同比增长了9%,达到21.4亿美元,硬件销售额增加了8.82亿美元,比去年减少了2%。
Constellation Research分析师Holger Mueller表示,Oracle不仅仅是这个季度表现出色,整个财年都是非常抢眼的,年收入突破了400亿美元大关。“下一个值得关注的里程碑是云服务和许可支持收入达到300亿美元。Oracle不仅在传统的Oracle Database和Oracle mySQL产品方面做得很好,而且还在ERP和HCM的SaaS产品组合方面表现出了优势。”
不过,更令人关注的消息无疑是Oracle的投资计划。Catz 表示,Oracle计划加速对云业务的投资,以加快营收增长。她解释说,Oracle高管们认为云业务比本地软件“从根本上更有利可图”。
“我们预计到2022财年,我们在云上的资本支出将翻一番,达到近40亿美元。我们相信,云业务将带来更高的回报,这不仅会证明增加投资的合理性,而且利润率也将随着时间的推移而提高。”
不管是否行得通,额外投资不可避免地意味着短期冲击,Catz表示,Oracle预计第一季度每股收益仅为94至98美分,收入增长3%至5%,此前华尔街预期的第一季度每股收益为1.03美元,收入增长3%。
Mueller认为,在刚刚过去的这个季度,Oracle的资本支出水平已经提高到了历史新高,今天的公告表明Oracle看到了自身的云业务正在有所改善。“布局云的成本并不低,但这是未来的战略投资方向。”
尽管刚开始有所上涨,但Oracle股价在盘后交易中下跌了近5%。
Pund-IT分析师Charles King认为,鉴于其目前Oracle的市场份额还很小,因此Oracle加大对云业务的投资是明智之举。但他表示,Oracle可能会促使一些投资者在行情看好的情况下止盈。
“由于该计划需要增加资本支出而调低指引,对投资者来说并不是一件有吸引力的事情,很多投资者帮助把Oracle的股价从今年年初到现在抬高了26%,其中至少有一些人会把这个消息看作是止盈的信号,然后在未来某个时间点再重新买入。”
Moor Insights & Strategy分析师Patrick Moorhead表示,如果出现抛售并不令人意外,因为很多华尔街投资者很难看穿短期报表。“Oracle云基础设施所取得的成功似乎推动了资本支出的增加,这是一件好事。这对Oracle来说是一个明智的举措,而不是一个负面的事情。”
无论如何,分析师普遍认为Oracle的云业务会继续增长。除了追加投资外,Oracle还宣布在该季度推出基于Arm处理器的新云计算实例,成为第二家支持Arm处理器的主流公有云提供商。
好文章,需要你的鼓励
AWS通过升级SageMaker机器学习平台来扩展市场地位,新增观测能力、连接式编码环境和GPU集群性能管理功能。面对谷歌和微软的激烈竞争,AWS专注于为企业提供AI基础设施支撑。SageMaker新功能包括深入洞察模型性能下降原因、为开发者提供更多计算资源控制权,以及支持本地IDE连接部署。这些更新主要源于客户需求,旨在解决AI模型开发中的实际问题。
南洋理工大学研究团队开发了WorldMem框架,首次让AI拥有真正的长期记忆能力,解决了虚拟世界模拟中的一致性问题。该系统通过记忆银行存储历史场景,并使用智能检索机制,让AI能准确重现之前的场景和事件,即使间隔很长时间。实验显示在Minecraft和真实场景中都表现出色,为游戏、自动驾驶、机器人等领域带来广阔应用前景。
AI虽具备变革企业洞察力的潜力,但成功依赖于数据质量。大多数AI项目失败源于数据混乱分散而非算法局限。谷歌BigQuery云数据AI平台打破数据孤岛,简化治理,加速企业AI应用。通过AI自动化数据处理,实现实时分析,并与Vertex AI深度集成,使企业能够高效处理结构化和非结构化数据,将智能商业转型从愿景变为现实。
MTS AI研究团队提出RewardRanker系统,通过重排序模型和迭代自训练显著提升AI代码生成质量。该方法让13.4B参数模型超越33B大模型,在多种编程语言上表现优异,甚至在C++上超越GPT-4。通过引入困难负样本和PPO优化,系统能从多个代码候选中选出最优方案,为AI编程助手的实用化奠定基础。