Commvault 在截至 12 月 31 日的 2025 财年第三季度中,收入同比增长 21%,达到 2.62 亿美元,大幅超过此前预期的 2.45 亿美元。
这一消息导致公司股价剧烈波动,开盘价为 163.613 美元,随后跌至 142.16 美元,又回升至 155.60 美元,最终稳定在 153.16 美元。
尽管收入增长,但 GAAP 净利润同比下降 35.7% 至 1100 万美元。客户数量同比增长 31% 至 11,500 家,其中包括超过 7,000 家 SaaS 客户,季度新增 1,000 家客户,约 200 家来自 Clumio。年度经常性收入 (ARR) 增长 18% 至 8.9 亿美元,订阅收入大幅增长 39% 至 1.583 亿美元,推动订阅 ARR 增长 29% 至 7.34 亿美元。其中,公司重点强调的纯 SaaS (Commvault Cloud) AR 增长 71% 至 2.59 亿美元。
总裁兼首席执行官 Sanjay Mirchandani 表示:"Commvault 再次创造了收入增长创纪录的季度...我们看到交易量强劲增长,新客户拓展业务增长显著,有机增长率加速...展望未来,我们相信我们的统一平台将更加关键,它能让客户预测、准备和从不可避免的攻击中恢复。"
财务概要: - 毛利率:81.5%,较上年同期的 82% 略有下降 - 经营现金流:3010 万美元 - 自由现金流:2990 万美元
首席财务官 Jen DiRico 在财报电话会议上谈到"本季度和年初至今的出色业绩",她说:"订阅收入的增长得益于持续的 SaaS 发展势头,以及定期软件和 SaaS 交易量较上年同期的显著提升。超过 10 万美元的定期软件交易收入增长 18%,得益于交易量增长 30%。其中包括十多笔超过 100 万美元的交易。此外,我们本季度在获取新的大型企业客户方面实现了强劲增长,包括 Equinix、AXA、Vanderbilt University Medical Center 和 DenizBank Financial Services。"
她补充道:"本季度我们新增 SaaS 客户数量创下纪录。我们对中小型企业客户数量的增长感到满意。"
DiRico 表示,本季度成本有所上升:"第三季度运营支出包括伦敦 SHIFT 相关成本、Clumio 员工入职成本,以及为加速收入增长而继续投资的成本,其中包括创纪录销售业绩带来的更高佣金和奖金。"
SaaS 净美元留存率 (NRR) 为 127%,高于去年同期的 125%。网络弹性战略正在取得成效,Mirchandani 表示:"我们的网络弹性营销信息得到了客户的认可,我们看到创纪录的客户流入和销售机会增长。在第三季度,我们的交易量增加,成交率强劲,客户数量加速增长,扩展业务活动表现出色。"
对于最后一个季度的展望,预计收入为 2.62 亿美元±200 万美元,按中位数计算同比增长 17.3%。2025 财年全年收入预期为 9.825 亿美元±250 万美元,按中位数计算同比增长 17%。
Commvault 计划在 2026 财年实现超过 10 亿美元的 ARR,以及超过 3.3 亿美元的 SaaS ARR——相比 2024 财年复合年增长率超过 40%。DiRico 表示:"展望 2026 财年,我们目前的表现超过最初分享的财务目标,预计将比原计划提前实现这些目标。"此前的指引是在 2026 财年末实现 10 亿美元 ARR 和 3.3 亿美元 SaaS ARR。
公司正在抓住机会向 SaaS 客户销售混合云产品,向混合云客户销售 SaaS 服务。这种交叉销售为 Commvault 带来了显著的客户基础收入扩张机会。
这是一个稳步增长的企业,通过相关收购(如 Clumio)和合作伙伴关系,连续七个季度实现盈利。令人惊讶的是,投资者并没有静观其变,让其自然成长。
好文章,需要你的鼓励
韩国科学技术院研究团队提出"分叉-合并解码"方法,无需额外训练即可改善音视频大语言模型的多模态理解能力。通过先独立处理音频和视频(分叉阶段),再融合结果(合并阶段),该方法有效缓解了模型过度依赖单一模态的问题,在AVQA、MUSIC-AVQA和AVHBench三个基准测试中均取得显著性能提升,特别是在需要平衡音视频理解的任务上表现突出。
这项研究利用大语言模型解决科学新颖性检测难题,南洋理工大学团队创新性地构建了闭合领域数据集并提出知识蒸馏框架,训练轻量级检索器捕捉想法层面相似性而非表面文本相似性。实验表明,该方法在市场营销和NLP领域显著优于现有技术,为加速科学创新提供了有力工具。
un?CLIP是一项创新研究,通过巧妙反转unCLIP生成模型来增强CLIP的视觉细节捕捉能力。中国科学院研究团队发现,虽然CLIP在全局图像理解方面表现出色,但在捕捉细节时存在不足。他们的方法利用unCLIP生成模型的视觉细节表示能力,同时保持与CLIP原始文本编码器的语义对齐。实验结果表明,un?CLIP在MMVP-VLM基准、开放词汇语义分割和视觉中心的多模态任务上显著优于原始CLIP和现有改进方法,为视觉-语言模型的发展提供了新思路。
这项研究介绍了RPEval,一个专为评估大语言模型角色扮演能力而设计的新基准。研究团队从法国里尔大学开发的这一工具专注于四个关键维度:情感理解、决策制定、道德对齐和角色一致性,通过单轮交互实现全自动评估。研究结果显示Gemini-1.5-Pro在总体表现上领先,而GPT-4o虽在决策方面表现出色,但在角色一致性上存在明显不足。这一基准为研究人员提供了一个可靠、可重复的方法来评估和改进大语言模型的角色扮演能力。