最初Pivotal是从VMware和EMC的业务中拆分出来的,主攻大数据和云原生市场。六年后,随着企业上云加速,基于云原生的Pivotal成为补充VMware的重要成分。目前Pivotal正在高调地退出股市。这也许是Pivotal作为一家上市公司最后一次公布营收报告。这家Cloud Foundry云开发平台提供商报告称,该季度收入增长17%,订阅收入增长38%,季度亏损有所收窄。
上个月VMware宣布将以27亿美元收购Pivotal,这也是VMware最近一系列旨在寻求从虚拟化扩展到快速增长的软件容器和云原生应用市场的收购之一。这两家公司均由Dell Technologies控股。
“Pivotal、Heptio、Bitnami和VMware家族的其他成员构成了VMware内部新的云原生单元,构成了这家以在多云环境虚拟机管理程序中占据主导地位而闻名的公司,”Wikibon高级分析师Stu Miniman这样表示。
由于交易尚未完成,因此Pivotal没有举行常规电话会议讨论业绩或者更新财务预测。Pivotal发布了首席执行官Rob Mee的简短声明,他将收入增长归因于“客户扩张和新客户获得”。
Pivotal在该季度的总收入为1.93亿美元,远高于此前预期的1.85亿美元至1.89亿美元,也高于此前分析师预期的1.865亿美元。订阅收入为1.35亿美元,占总收入的70%,高于去年同期的59%,订阅收入增长较前几个季度略有放缓。
Pivotal的季度净亏损从一年前的3560万美元收窄至2810万美元。调整后的每股净收益均达到收支平衡,高于分析师此前预期的每股亏损3至4美分。
尽管业绩表现强劲,但Pivotal股票在盘后交易中几乎没有变化,因为投资者已经将收购价格纳入了该公司的股价中。
Miniman表示,以季度收购来判断像Pivotal这种公司的业务状况是有误导性的。 “Pivotal的优势在于帮助大型企业走上数字化转型之路,而与这些大企业的合作涉及到收入金额大、销售周期长等因素。”
被VMware收购之后,这些细节将不再受公众的监督。
Pivotal在中国的故事被引入最多的是中国铁路12306的流畅应用是基于Pivotal的技术方案。在中国Pivotal业务范围包括Pivotal Cloud Foundry云原生PaaS平台、云原生/微服务的应用开发专家服务、Greenplum大数据产品和解决方案以及相关服务等。
Pivotal在多次场合中谈到,其优势就是云原生。借助我们的云原生平台Pivotal Cloud Foundry,开发人员可以投入更多时间编写代码,运维人员可以提高安全性并增加在线时间。通过这些团队的共同努力,他们得以在降低成本的同时交付更出色的业务价值。在云上,Pivotal的能够大幅度缩减软件测试系统到应用的时间。比如别人可能发布需要两三个月的时间才能把测试系统发布到生产系统,Pivotal基本上可以控制在一周之内。
Pivotal通过平台和服务的方式在今天云市场大方光彩。
今天,全球最知名的公司纷纷选择Pivotal,并取得了革命性的成果。通过采用Pivotal 的平台、工具和方法,这些公司得以充分发挥创新能力,缩短销售就绪时间,并降低维护现有应用组合的成本。这些成果遍及众多行业,包括汽车、金融服务、工业、媒体、零售、政府机构、科技和电信。
好文章,需要你的鼓励
新加坡人工智能机构与阿里云发布全新大语言模型Qwen-Sea-Lion-v4,专门针对东南亚语言和文化特色进行优化。该模型结合阿里云Qwen3-32B基础模型和大量东南亚地区数据集,在东南亚语言模型评估榜单中位居开源模型首位。模型支持119种语言,能在32GB内存的消费级笔记本上运行,采用字节对编码技术更好处理非拉丁文字,并具备3.2万词元上下文长度,可执行文档级推理和摘要任务。
这项由CMU与亚马逊AGI联合完成的研究揭示了当前AI系统的重大缺陷:即使最先进的模型也不知道何时该说"我不知道"。研究团队开发的RefusalBench评估系统通过176种语言操作技巧动态生成测试案例,发现顶级AI在多文档任务中的拒绝准确率低于50%。这项研究不仅提供了标准化测试工具,更为构建诚实可靠的AI系统指明了方向。
AI智能体是下一代业务自动化工具,不仅能对话交流,还能执行复杂任务。与ChatGPT聊天机器人不同,它们可在最少人工干预下规划并完成工作。文章介绍了五个高影响力应用:自动化客户服务解决方案、销售CRM管理、合规自动化、招聘筛选与排程、市场情报报告。这些应用都具有重复性工作流程、依赖结构化数据、遵循可预测规则等特点,能够释放员工宝贵时间用于更有价值的工作。
这项由中国人民大学联合腾讯开发的LaSeR技术,发现了AI在生成答案最后一刻会无意中透露对答案质量的评估。通过观察这个"最后一词效应",研究人员开发出了一种让AI高效进行自我评估的方法,在几乎不增加计算成本的情况下,大幅提升了AI的自我验证能力,为构建更可信的AI系统开辟了新路径。