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
P1.AI创始人保罗·埃雷门科正用合成数据训练AI设计物理系统,从住宅冷却到星际飞船,突破工程AGI的终极瓶颈——数据稀缺。他的AI工程师Archie已能像人类一样处理多物理场任务,目标是让机器设计人类无法想象的复杂系统。
波士顿大学研究团队开发的DORI基准测试从四个维度评估多模态大语言模型的物体方向理解能力:正面对齐、旋转变换、相对方向和规范方向感知。研究评估了15个最先进模型,发现即使最佳模型在粗粒度任务上的准确率也仅为54.2%,在细粒度方向判断上更低至33.0%,与人类表现相差近30%。结果表明当前模型在精确角度估计、多视角追踪和理解复合旋转方面存在系统性缺陷,反映了它们内部3D空间表示的根本局限,为未来模型设计提供了明确方向。
这篇研究介绍了Oracle AI团队开发的一种针对企业系统的域特定检索硬负样本挖掘框架。该方法通过整合多种嵌入模型、降维处理和独特的语义选择标准,动态识别具有挑战性但上下文无关的文档作为训练样本,显著提升了重排序模型的性能。在云服务领域的测试中,该方法在MRR@3和MRR@10指标上分别提升了15%和19%,并在多个公开领域数据集上展示了广泛适用性,为企业搜索和检索增强生成应用提供了实用解决方案。
Oracle研究团队开发了FS-DAG,这是一种用于视觉丰富文档理解的少样本领域适应图网络模型。与传统大型模型不同,FS-DAG仅需5份示例文档即可适应新文档类型,参数量不到90M,却在信息提取任务中表现卓越。模型采用模块化架构,结合预训练的文本和视觉特征提取器与图神经网络,展现出对OCR错误的极强鲁棒性(性能下降不到1%)。实验表明,FS-DAG在多种文档类型上优于LayoutLMv2等大型模型,同时具有更短的训练和推理时间。目前已被50多家企业采用,每月处理超过100万次API调用,证明了其在实际业务场景中的价值。