Informatica Inc. 的股价在盘后交易中暴跌超过 33%,这家数据集成公司报告的第四季度收入低于预期。
Informatica 将此归咎于内部销售问题以及客户向云端迁移速度超出预期,这影响了维护收入。
收入同比下降近 4%,至 4.283 亿美元,低于市场预期的 4.57 亿美元。每股收益为 0.41 美元,高于预期的 0.38 美元。季度净利润增长超过 30%,达到 1.28 亿美元。
公司下调了第一财季的业绩指引。预计收入将在 3.8 亿至 4 亿美元之间,按固定汇率计算增长率为 2.1%,低于市场预期的 4.109 亿美元。预计年度经常性总收入将在 16.73 亿至 16.97 亿美元之间,增长 3%。
第四季度订阅收入略有下降,从去年同期的 3.024 亿美元降至 2.974 亿美元。维护和专业服务收入下降超过 9%,至 1.308 亿美元。云订阅年度经常性收入增长 34%,达到 8.27 亿美元,公司表示 2025 年应该会突破 10 亿美元。
订阅收入缺口 Informatica 将收入缺口归因于订阅业务中意外出现的 4600 万美元续约下滑,特别是在自管理订阅方面。这种情况因自管理订阅的平均期限降低,以及客户实施和支持业务向专业服务合作伙伴转移的速度超出预期而加剧,而这种转移趋势是公司一直在鼓励的。
首席执行官 Amit Walia 在接受 SiliconANGLE 采访时表示,客户正在以加速的速度迁移到云端,这减缓了收入确认。他说:"第四季度我们的现代化进程出现了巨大增长,这是一件非常好的事情。每个人都希望这样。"
然而,会计规则要求向云端迁移的客户在其本地维护费用上获得抵免。这些抵免通常在几年内兑现。Walia 说:"因此我们确认的云收入前期较少。当客户向云端现代化转型时,他们会退出维护服务,这会降低总年度经常性收入。我们既无法获得增量云端年度经常性收入,又损失了维护收入。这在短期内对我们造成了双重打击。"
不过,CEO 认为这种影响是暂时的,他表示云订阅收入继续保持 30% 的年增长率,第四季度云订阅净续约率达到 124%。这意味着续约客户平均比当前订阅多支付 24% 的续约费用。
"内部问题" Walia 说:"我们在团队运营该业务方面存在内部运营问题,还有一些激励机制的问题。"他补充说,该季度的续约率百分比在"90 多一点"。"这个续约率并不差,但我们可以做得更好。"
一位高管的离职也在销售团队中造成了混乱。他说:"新人改变了战略,暂时搁置了项目,发生了本不该发生的客户流失。"
Walia 表示,Informatica 不会因收入未达预期而进行组织调整。他说:"这是一次性的内部问题。这不是组织上的挑战,而是激励机制的挑战。我们知道如何解决。"
第一季度,预计云订阅年度经常性收入将在 8.4 亿至 8.52 亿美元之间,按区间中值计算,同比增长 29.6%,按固定汇率计算同比增长 29.7%。
Walia 表示,人工智能模型训练和推理为 Informatica 的业务带来了助力,推动组织统一数据孤岛并改善数据治理。约有 100 个客户正在使用 Informatica 的智能数据管理云进行检索自动生成和 AI 编排,AI 管道在上半年增长了四倍。
他说:"当客户从概念验证转向生产时,我们将看到更大的影响,但这至少要滞后三个季度。"
好文章,需要你的鼓励
纽约AI公司Runway过去七年专注为创意产业构建视觉生成工具,现在发现其技术在机器人领域的新机遇。该公司的世界模型技术吸引了机器人和自动驾驶汽车公司的关注,用于训练仿真。联合创始人表示,相比现实世界训练,使用AI模型进行仿真更具成本效益和可扩展性。公司不会为机器人客户开发全新产品线,而是优化现有模型并组建专门团队。Runway已获得超过5亿美元融资,估值30亿美元。
希伯来大学研究团队开发出MV-RAG系统,首次解决了AI在生成稀有物品3D模型时的"胡编乱造"问题。该系统像拥有图像记忆库的艺术家,能先搜索相关真实照片再生成准确3D视图。通过独创的混合训练策略和智能自适应机制,MV-RAG在处理罕见概念时性能显著超越现有方法,为游戏开发、影视制作、虚拟现实等领域提供了强大工具。
尽管5G在六年商用期内获得超20亿用户,成为部署最快的通信技术,但其变革潜力尚未完全释放。爱立信白皮书指出,全球5G用户2024年增长42%,但仅26%的运营商投资独立组网5G,这限制了自动化、超低延迟等核心能力发挥。中美印三国集中了90%以上独立组网用户,其他地区面临落后风险。5G在工业自动化、云机器人等领域应用前景广阔,企业5G市场规模已达数十亿美元。
MBZUAI等机构研究团队通过一维细胞自动机实验揭示了AI模型多步推理的关键限制:固定深度模型在单步预测上表现优异,但多步推理能力急剧下降。研究发现增加模型深度比宽度更有效,自适应计算时间、强化学习和思维链训练能突破这些限制。这为开发更强推理能力的AI系统提供了重要指导,强调了真正推理与简单记忆的本质区别。