超融合基础设施厂商Nutanix今天公布第四季度财报,收入、利润以及下个季度指引均超出预期水平,使其股价有所上涨。
该季度Nutanix在不计入股票补偿等成本下每股亏损26美分,收入为3.907亿美元,比去年同期增长19%,高于分析师预期的每股亏损42美分,收入3.63亿美元。
Nutanix公司首席执行官Rajiv Ramaswami表示,由于Nutanix在财务和战略目标方面的一贯执行和稳健进展,因此在这个“表现出色的财年”有了一个强劲的收官。
“我们以良好的发展势头和稳健的增长计划进入2022财年,我们不仅执行了在分析师日上制定的模式,也实现了我们让云端隐形的愿景。”
Nutanix主要销售软件定义超融合基础设施(HCI),这种堆栈将计算、存储和网络组件集成到单个设备或者云服务中。此前Nutanix一直在尝试过渡到基于订阅的商业模式,该模式能够提供比产品销售更稳定的收入流。
Nutanix的这一转型进展顺利,该季度年度经常性收入为8.787亿美元,同比增长83%。
Moor Insights & Strategy分析师Steve McDowell表示:“Nutanix的季度表现非常出色,这些指标正是我们希望看到的。Nutanix的业务同比增长了近20%,每个重要的业务类别都有所增长。”
他指出,Nutanix总收入中有91%来自订阅业务,证明Nutanix从一家硬件公司向软件订阅模式的转型已经取得了成效。
去年Nutanix一度陷入困境,因为许多企业对新冠疫情大爆发的走向持观望态度。但是,一旦意识到远程工作模式将持久存在,企业就开始采取行动在基础设施上进行投入,以支持远程办公相关的工作负载。
Ramaswami在接受采访时表示:“随着企业迁移到云端并开始混合办公模式,他们的支出也开始有所回升。例如,企业正在做的一件事是就是启用虚拟桌面,这是我们一直非常擅长的领域,占到我们业务的20%到25%。”
Nutanix表示,年度合同账单价值(ACV)账单增长了26%,达到1.763亿美元,高于华尔街预期的1.719亿美元。ACV是Nutanix使用的一个重要指标,通过对一年内的价值进行平均和标准化来显示典型持续客户合同的价值。
Ramaswami解释了为什么ACV账单是企业最关注的指标之一,他说,对于订阅业务来说,重点不应该是与客户签订的长期合同。
他说:“你希望让他们年支出最大化。如果乐意的话,他们会继续购买下去。如果他们对产品感到满意,续订就是自然而然的。这就是我们专注于ACV的原因。我卖给你一份为期一年的合同,如果你满意,你会继续购买。如果你有ACV并专注于客户留存,你就将获得长期成功。”
Nutanix取得成功的很大一部分原因在于,它已经从超融合基础设施扩展到一系列存储和网络技术。McDowell表示,该季度Nutanix有超过半数的新客户交易都是来自这些新的平台,说明Nutanix与现有客户群建立了高度信任。
另一个关键因素是Nutanix与HPE等厂商的合作伙伴关系,例如HPE已经将Nutanix纳入自己的GreenLake即服务产品中,还有最近与Red Hat之间的合作。Ramaswami表示,与Red Hat的合作可能会在未来一两个季度开始看到回报。
他说:“重要的是,我们的虚拟机管理程序现在已经完全通过Red Hat认证,这简化了Nutanix客户群对Red Hat产品的采用。其二,对于那些想要运行现代云原生堆栈的客户来说,两者的结合提供了一整套解决方案。而且,我们的合作才刚刚开始。”
展望第一季度,Nutanix预计年合同价值在1.72亿美元至1.77亿美元之间,高于分析师普遍预期的1.693亿美元。
好文章,需要你的鼓励
数据分析平台公司Databricks完成10亿美元K轮融资,公司估值超过1000亿美元,累计融资总额超过200亿美元。公司第二季度收入运营率达到40亿美元,同比增长50%,AI产品收入运营率超过10亿美元。超过650家客户年消费超过100万美元,净收入留存率超过140%。资金将用于扩展Agent Bricks和Lakebase业务及全球扩张。
Meta与特拉维夫大学联合研发的VideoJAM技术,通过让AI同时学习外观和运动信息,显著解决了当前视频生成模型中动作不连贯、违反物理定律的核心问题。该技术仅需添加两个线性层就能大幅提升运动质量,在多项测试中超越包括Sora在内的商业模型,为AI视频生成的实用化应用奠定了重要基础。
医疗信息管理平台Predoc宣布获得3000万美元新融资,用于扩大运营规模并在肿瘤科、研究网络和虚拟医疗提供商中推广应用。该公司成立于2022年,利用人工智能技术提供端到端平台服务,自动化病历检索并整合为可操作的临床洞察。平台可实现病历检索速度提升75%,临床审查时间减少70%,旨在增强而非替代临床判断。
上海AI实验室发布OmniAlign-V研究,首次系统性解决多模态大语言模型人性化对话问题。该研究创建了包含20万高质量样本的训练数据集和MM-AlignBench评测基准,通过创新的数据生成和质量管控方法,让AI在保持技术能力的同时显著提升人性化交互水平,为AI价值观对齐提供了可行技术路径。