当Citrix于7月初突然任命新CEO时,该公司承诺,即将到来的领导David J Henshall将很快详细介绍“一系列战略举措”,以提高公司业绩。
在该公司第二季度财报电话会议中,Henshall透露,这些举措将在公司下一次的财报电话会议中解释,下一次的财报电话会议大约是在九十天后。
然而,他描述了从软件订阅转移而造成的痛苦,以此暗示了即将出现的情况。
Henshall在电话会议中表示,“在第二季度,这种混合订阅量同比增长了一倍,达到了预订产品组合的30%。”这意味着更多的递延收入,现在已经“超过了17亿美元,同比增长13%以上”。
Henshall表示:“到目前为止,我们一直在努力逐步将这一举措推向更多的基于订阅的模式。” Henshall表示:“但是客户需求的快速转变表明,我们需要更加积极并加速这种过渡。”
Henshall补充表示:“我们的目标是在转型过程中密切管理业务,以便我们可以在加快我们转向订阅脚步的同时,平衡中期和长期的经营利润。我们目前正在开展一项为期多年的计划,其中包含了资本,我们期望在第三季度的电话会议上分享这些细节和指标。”
Henshall在他的发言中表示,该计划主要是财务性的,“我们目前拥有我在公司任职期间见过的最强大的产品组合和路线图。”
虽然投资者必须等待这个计划,他们应该对该公司第二季度的业绩情况非常满意。
收入增长了3%至6.93亿美元,每股收益为1.03美元。这两个数字超出了预期。净收入达到1.09亿美元。
但是第二季度的数据也显示出Henshall所面临的挑战的规模。SaaS收入大约上涨了27%,但与传统授权软件的4.09亿美元相比,这一数字仍然只有4,150万美元。
这不是说这家公司陷入了困境:该公司预计第三季度营收将达到6.85亿美元至6.95亿美元,并将在年底实现将近30亿美元的年收入。这些数字和2015年的收入相比虽然是下降了,但该公司已经着手削减了成本,放弃了GoTo业务,并囤积了8.44亿美元的现金,以帮助其渡过向云端的过渡。
好文章,需要你的鼓励
随着AI模型参数达到数十亿甚至万亿级别,工程团队面临内存约束和计算负担等共同挑战。新兴技术正在帮助解决这些问题:输入和数据压缩技术可将模型压缩50-60%;稀疏性方法通过关注重要区域节省资源;调整上下文窗口减少系统资源消耗;动态模型和强推理系统通过自学习优化性能;扩散模型通过噪声分析生成新结果;边缘计算将数据处理转移到网络端点设备。这些创新方案为构建更高效的AI架构提供了可行路径。
清华大学团队开发了CAMS智能框架,这是首个将城市知识大模型与智能体技术结合的人类移动模拟系统。该系统仅需用户基本信息就能在真实城市中生成逼真的日常轨迹,通过三个核心模块实现了个体行为模式提取、城市空间知识生成和轨迹优化。实验表明CAMS在多项指标上显著优于现有方法,为城市规划、交通管理等领域提供了强大工具。
Meta以143亿美元投资Scale AI,获得49%股份,这是该公司在AI竞赛中最重要的战略举措。该交易解决了Meta在AI发展中面临的核心挑战:获取高质量训练数据。Scale AI创始人王亚历山大将加入Meta领导新的超级智能研究实验室。此次投资使Meta获得了Scale AI在全球的数据标注服务,包括图像、文本和视频处理能力,同时限制了竞争对手的数据获取渠道。
MIT研究团队发现了一个颠覆性的AI训练方法:那些通常被丢弃的模糊、失真的"垃圾"图片,竟然能够训练出比传统方法更优秀的AI模型。他们开发的Ambient Diffusion Omni框架通过智能识别何时使用何种质量的数据,不仅在ImageNet等权威测试中创造新纪录,还为解决AI发展的数据瓶颈问题开辟了全新道路。