Oracle近日公布第四季度财报,云业务的强劲增长推动利润和收入均超出预期水平。
该季度Oracle实现了云许可和本地许可业务收入的大幅增长,加上云服务和许可支持收入的小幅增长,促使Oracle股价在延长交易中走高。
在第四季度,Oracle的净利润为32亿美元,合每股1.16美元,去年同期的利润为40亿美元,不计入股票补偿等特定成本之后的每股收益为1.54美元,收入超过118.4亿美元,同比增长5%。
此前华尔街预期的每股收益为1.37美元,收入为116.6亿美元,这让Oracle的股价在盘后交易中迅速上涨超过13%,当天早些时候在大盘大幅下跌期间下跌超过4%。
Oracle还公布了2022财年全年业绩,全年收入为424亿美元,同比增长5%,营业收入为109亿美元。
Oracle能实现收入增长还要得益于Oracle不断努力将更多客户推向云端,这一策略得到了回报,Oracle的云基础设施业务该季度销售额同比增长了36%。
这也让Oracle的云业务总收入增长了19%,达到29亿美元,其中最引人关注的是云许可和本地许可收入,同比增长了22%。此外,云服务和许可支持收入增长了3%,服务也有所增长。
通过在云基础设施细分领域对Oracle进行深入分析发现,与AWS和微软Azure等竞争对手相比,Oracle显示出了令人鼓舞的全面增长。其中,基础设施云收入增长36%,Fusion ERP云收入增长20%,NetSuite ERP云增长27%。
Oracle公司首席执行官Safra Catz在一份声明中表示,这主要受益于市场对Oracle云基础设施产品“需求的大幅增长”。
“我们认为,收入飙升表明我们的基础设施业务现在已经进入高速增长阶段,云基础设施业务的高增长,与新收购的Cerner应用业务相结合,将让Oracle有能力在未来几个季度实现显著的收入增长。”
该季度Oracle完成了对医疗科技巨头Cerner高达283亿美元的收购交易,而且Oracle为此次收购制定了宏伟的计划,其中一个目标,就是把Oracle的语音数字助理产品与Cerner的软件集成,帮助医疗专业人员更快地访问患者数据。
Oracle公司董事长、首席技术官Larry Ellison承诺说:“Cerner和Oracle共同拥有为医疗专业人士提供更好信息所需的所有技术。更好的信息将从根本上改变医疗行业……带来更好的患者治疗效果、更好的公共卫生政策、更低的整体医疗成本、以及更好的生活质量。”
同样是在该季度,Oracle在此前推出了新一代Exadata处理器之后,通过一系列网络安全新功能增强了自己的云基础设施平台。
有分析师表示,他们对Oracle的业务感到鼓舞,在普遍认为经济正在下行的情况下,这个结果缓解了一些担忧。Constellation Research分析师Holger Mueller表示,尽管前景黯淡,但Oracle仍然在全力以赴,他指出,Oracle新推出的云产品实现了超过20%的稳健增长。
“增长主要来自美国,欧洲也略有增长,可能需要担心的是,亚太地区出现了增长放缓。不过,令人关注的是,Oracle首次突破了40亿美元的资本支出大关,比去年的支出翻了一番,这说明,如果你想在云中发展,就需要花费资本支出。”
Pund-IT分析师Charles King同样对Oracle的表现印象深刻。“毫不奇怪,甲骨文高管对新收购的Cerner将为医疗记录管理和研究领域带来新机遇感到非常乐观。目前还不清楚这种效果是否会像Catz和Ellison所说的带来助力,但可以肯定地说,Oracle把很多希望和雄心都寄托在了Cerner上。”
该季度Oracle的盈利表现对于投资者来说是一个很大的鼓舞,他们通常会把注意力转向那些能够在经济低迷时期产生利润和现金的企业。当天,道琼斯指数和标准普尔指数均正式进入熊市,这甚至可抵消对下一季度低于预期的指引。Oracle解释说,2023财年每季度可能会损失1亿美元,预计每股收益为1.04美元至1.08美元,低于市场普遍预期的1.13美元。
好文章,需要你的鼓励
谷歌发布新的AI学术搜索工具Scholar Labs,旨在回答详细研究问题。该工具使用AI识别查询中的主要话题和关系,目前仅对部分登录用户开放。与传统学术搜索不同,Scholar Labs不依赖引用次数或期刊影响因子等传统指标来筛选研究质量,而是通过分析文档全文、发表位置、作者信息及引用频次来排序。科学界对这种忽略传统质量评估方式的新方法持谨慎态度,认为研究者仍需保持对文献质量的最终判断权。
武汉大学研究团队提出DITING网络小说翻译评估框架,首次系统评估大型语言模型在网络小说翻译方面的表现。该研究构建了六维评估体系和AgentEval多智能体评估方法,发现中国训练的模型在文化理解方面具有优势,DeepSeek-V3表现最佳。研究揭示了AI翻译在文化适应和创意表达方面的挑战,为未来发展指明方向。
Meta发布第三代SAM(分割一切模型)系列AI模型,专注于视觉智能而非语言处理。该模型擅长物体检测,能够精确识别图像和视频中的特定对象。SAM 3在海量图像视频数据集上训练,可通过点击或文本描述准确标识目标物体。Meta将其应用于Instagram编辑工具和Facebook市场功能改进。在野生动物保护方面,SAM 3与保护组织合作分析超万台摄像头捕获的动物视频,成功识别百余种物种,为生态研究提供重要技术支持。
参数实验室等机构联合发布的Dr.LLM技术,通过为大型语言模型配备智能路由器,让AI能根据问题复杂度动态选择计算路径。该系统仅用4000个训练样本和极少参数,就实现了准确率提升3.4%同时节省计算资源的突破,在多个任务上表现出色且具有强泛化能力,为AI效率优化开辟新方向。