三大关键举措正在提升股东价值,签约额同比增长27%
2022年5月4日,美国纽约—— 全球大型IT基础设施服务提供商Kyndryl勤达睿(NYSE:KD)公布了独立上市后的第一个完整季度财报结果,即2022年截至3月底的季度财报。
Kyndryl勤达睿董事长兼首席执行官 Martin Schroeter表示:“在Kyndryl独立后的第一个完整季度,我们扩大了技术生态系统,并对员工进行投资,以更好地服务我们的客户,推动盈利收入增长。我对发展势头信心十足,三大关键计划——合作联盟、先进交付和客户,正在取得有意义的推进:与关键技术合作伙伴的生态关系得到扩展,能通过技能提升和自动化来实现服务交付的转型,积极应对低于标准利润的现有客户。我们将通过继续执行当前战略来提升股东价值。”
2022年截至3月底的季度财报
2022年初截至3月31日,Kyndryl勤达睿在这一季度的营收为44亿美元,同比下降7%,若按固定汇率计算,下降3%;与上年度的预估营收相比,下降6%,若按固定汇率计算,则下降2%。与2021年第一季度的预估签约额相比,以固定汇率计算的签约总额达到31亿美元,增长27%,以固定汇率计算的咨询和实施服务签约额增长了50%。
本季度税前亏损为1.89亿美元,净亏损2.29亿美元,摊薄后每股亏损1.02美元;上年同期净亏损为4.94亿美元。
本季度调整后的税前亏损为5100万美元,上年同期的预估调整后税前亏损为6400万美元, 汇率波动对调整后的税前收入产生了3400万美元的负向影响。调整后的息税折旧摊销前利润为5.36亿美元,上年同期的预估调整后息税折旧摊销前利润为6.05亿美元,汇率波动产生了5100万美元的负面影响。
本季度营运现金流为1.89亿美元,调整后自由现金流为1.36亿美元。
Kyndryl勤达睿首席财务官David Wyshner表示:“当前业绩体现了我们作为一家独立公司行动自由所带来的好处。合作联盟、先进交付和客户等关键计划了带来鼓舞人心的结果,预计在未来三到五年内,相关计划还将为我们的税前收入贡献数亿美元。”
最新进展
Kyndryl勤达睿还宣布了直接支持技术方案的战略合作联盟,包括与SAP的扩展合作。结合SAP业务技术平台和Kyndryl在人工智能、数据和网络弹性服务方面的深厚专业知识,双方将为客户提供一条具有性价比的云路径。
其他合作包括:
技术认证—— Kyndryl勤达睿进一步提升了与云相关的能力,截至本季度末,有超过17,500位员工获得了超大规模厂商的认证,这一数字较去年年底增长了10%。
财年改变—— 如此前所公布的,Kyndryl勤达睿将财年结束时间从12月31日改为3月31日,新的完整财年自2022年4月1日开始,至2023年3月31日结束。这项变动让Kyndryl勤达睿在年末为自己和很多客户避开了假期,相信这对客户和客户关系会更加友好。
交易相关费用—— 如此前公布过的,包括系统迁移和品牌重建在内,拆分相关的交易费用为5800万美元。
未来展望
Kyndryl勤达睿对2022年4月1日至2023年3月31日的财年展望如下:
预测金额是根据2022年4月的货币汇率计算的。 本版本不包括对前瞻性非公认会计原则财务信息的对账调整,因为目前不存在不合理的组成部分。出于同样的原因,我们也无法说明目前还无法获得的资料可能具有的重要意义和对今后结果产生的重大影响。
关于Kyndryl
Kyndryl (NYSE:KD) Kyndryl 是世界上最大的 IT 基础设施服务提供商之一,致力于设计、构建、管理各种支持世界运转的复杂任务关键型科技系统并助力其现代化。近 90,000 名 Kyndryl 专家为世界上 100多个国家/地区的4000多位客户提供服务,其中包括75% 的《财富》100 强公司。更多信息,请访问www.kyndryl.com。
好文章,需要你的鼓励
微软正式确认配置管理器将转为年度发布模式,并将Intune作为主要创新重点。该变化将于2026年秋季生效,在此之前还有几个版本发布。微软表示此举是为了与Windows客户端安全和稳定性节奏保持一致,优先确保安全可靠的用户体验。配置管理器将专注于安全性、稳定性和长期支持,而所有新功能创新都将在云端的Intune中进行。
这项由圣母大学和IBM研究院联合开展的研究,开发出了名为DeepEvolve的AI科学助手系统,能够像人类科学家一样进行深度文献研究并将创新想法转化为可执行的算法程序。该系统突破了传统AI要么只能改进算法但缺乏创新、要么只能提出想法但无法实现的局限,在化学、生物学、数学等九个科学领域的测试中都实现了显著的算法性能提升,为AI辅助科学发现开辟了新的道路。
人工智能初创公司aiOla推出基于流匹配训练技术的语音AI模型Drax,挑战OpenAI和阿里巴巴等巨头。该模型重新定义语音算法训练方式,能在嘈杂环境中准确识别语音,兼顾速度与准确性。相比OpenAI的Whisper和阿里巴巴Qwen2,Drax采用并行流处理技术,速度提升32倍,词错误率仅7.4%。该模型已在GitHub开源,提供三种规模版本。
卡内基梅隆大学研究团队通过3331次大规模实验,系统揭示了代码训练如何提升AI推理能力。研究发现,代码的结构特性比语义内容更重要,适当的抽象形式(如伪代码)可以达到与原始代码相同的效果。不同编程语言产生差异化影响:低抽象语言有利于数学推理,Python更适合自然语言任务。这些发现为AI训练数据的科学化设计提供了重要指导。