数据保护软件厂商Commvault发布第四季度财报,收益和收入均轻松超出预期水平。
该季度Commvault在不计入股票补偿等成本之后的每股收益为75美分,收入为2.059亿美元,同比增长8%,净收入为800万美元,此前华尔街分析师预期的每股收益为64美分,销售额为2.02亿美元,因此这一业绩结果令人鼓舞。
从2022财年全年来看,Commvault总收入7.696亿美元,净收入3360万美元。

Commvault公司总裁兼首席执行官Sanjay Mirchandani(如图)表示,公司实现了创纪录的季度业绩,为历史上最好的一年画上了句号。“市场对我们差异化的产品组合需求强劲,团队正在发挥执行力,抢占市场份额。”
Commvault主要业务是提供数据保护软件,企业使用Commvault的软件来备份他们的关键业务记录,免受网络中断和网络攻击。Commvault还涉足其他一些相关领域,销售保护客户本地数据中心信息的数据备份一体机,以及帮助客户降低存储成本的数据管理软件。
Commvault表示,该季度的软件和产品收入达到1.005亿美元,比去年同期增长12%,这主要是由于大宗交易收入增长了19%,占该类别总销售额的73%。全年来看,软件和产品收入达到3.565亿美元。
Commvault的服务业务收入略高一些,收入为1.055亿美元,比去年同期增长3%,而这主要得益于市场对Commvault软件即服务产品的浓厚兴趣。2022财年来看,服务收入增长4%,达到4.131亿美元。
此外,Commvault的年化经常性收入(是指现有订阅的标准化年收入)为5.833亿美元,这是一项很重要的指标,可提供对企业同比表现的概览,让企业能够更准确地预测未来收入增长情况。
展望下个季度,Commvault预期第一季度收入约为1.95亿美元,略高于华尔街普遍预期的1.937亿美元,但没有给出全年预测。
Constellation Research分析师Holger Mueller表示,尽管Commvault该季度表现很好,超出了预期水平,但考虑到它提供的解决方案以及当今企业数据消耗正呈现爆炸式增长的事实,收入仅增长10%可能还不够高。
“对于Commvault来说,这是一个强劲的、扭亏为盈的一年,年利润增加了6000万美元,从去年全年的亏损转变为刚刚过去这一年的胜利。现在所有的目光都集中在下个季度,以及Commvault能否能够在第四季度基础上,再次突破软件和产品收入1亿美金这个壁垒。”
其他方面,Commvault宣布公司首席财务官Brian Carolan在任职超过21年后将于7月1日辞职,好消息是该公司已经安排了继任者,Gary Merrill将成为新一任首席财务官。Commvault表示,由于Merrill和Carolan长期以来一直是同事,他们将密切合作以确保顺利过渡,将影响降至最低。
Mirchandani表示:“作为业务运营负责人,Gary一直在领导我们的转型计划,以构建一个现代化的业务平台。”
该季度Commvault回购了约60万股普通股,价值3980万美元,董事会还宣布了一项从2023财年开始的新股票回购计划,预计花费高达2.5亿美元回购股票。
Mirchandani表示:“我们仍然相信我们资产负债表的实力,加上业务当前情况和长期前景,让我们有机会为长期股东创造价值。”
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。
中科大联合快手等机构推出VR-Thinker技术,首次实现AI视频评判员的"边看边想"能力。该系统通过主动选择关键画面、智能记忆管理和三阶段训练,在视频质量评估准确率上达到75%-82%,特别擅长处理长视频场景,为AI视频生成的质量控制提供了突破性解决方案。
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。
微软研究院发布BitDistill技术,通过三阶段优化将大型语言模型压缩至1.58位精度,在保持性能的同时实现10倍内存节省和2.65倍速度提升。该技术包括模型结构稳定化、持续预训练适应和知识蒸馏传承三个关键步骤,解决了模型量化中的性能衰减和规模化问题,为AI模型在资源受限设备上的高效部署提供了新方案。