尽管甲骨文(Oracle)公司的财报表现超出华尔街预期,并上调了下一财年的盈利预测,其股价在今日盘后交易中仍下跌了9%。
问题的核心在于:这家数据库与云基础设施巨头宣布计划进一步举债,以支持持续推进的人工智能数据中心建设。
财务表现方面
甲骨文公布第四财季每股调整后收益为2.03美元,营收同比增长21%,达191.8亿美元。这两项数据均超出预期——华尔街此前预测每股收益为1.96美元,营收为191亿美元。本季度净利润达42.2亿美元,较上年同期的34.3亿美元显著提升。
全年来看,甲骨文报告自由现金流为负237亿美元,折旧费用几乎翻倍至76.2亿美元,资本支出达556.6亿美元,同比大增162%,充分体现了其AI基础设施投入的规模之大。
财务展望方面
甲骨文维持此前2027财年营收900亿美元的指引不变,但将调整后每股盈利预测上调至8.05美元,高于华尔街此前预期的8.01美元(营收预期为889亿美元)。
对于当前季度,甲骨文预计每股收益介于1.72至1.76美元之间,营收增长区间为27%至29%。华尔街的预测为每股收益约1.68美元,营收约190.6亿美元,隐含增速约28%。
AI投资引发市场担忧方面
甲骨文宣布计划再融资400亿美元,通过债务与股权相结合的方式为AI基础设施建设提供资金,其中包括数月前已宣布的200亿美元股票发行计划。今年甲骨文已通过债务融资430亿美元、股权融资50亿美元,此举引发投资者对AI收益能否覆盖高额借贷成本的质疑。
回顾上一季度,甲骨文云业务营收同比增长47%,达99.1亿美元,但略低于市场预期的99.7亿美元;软件业务营收为69.3亿美元,同比微降2%,但仍高于市场预期的68.2亿美元;云基础设施部门营收大增93%,达58亿美元。
本季度末,甲骨文剩余履约义务(包括已预订但尚未确认的营收)达6380亿美元,同比大增363%,超出华尔街预期的5956.7亿美元。
OpenAI依赖性问题方面
在与分析师的电话会议上,首席执行官克雷·马古里克(Clay Magouyrk)透露,本季度剩余履约义务的大幅增长,主要来源于大规模AI合同——客户预付了图形处理器(GPU)的使用费用,或向公司购买并提供GPU。美国银行分析师在研报中指出,甲骨文超过50%的剩余履约义务来自OpenAI。
Valoir分析师丽贝卡·韦特曼(Rebecca Wettemann)在接受采访时表示,这一细节令许多投资者感到担忧,因为一旦OpenAI未能达成增长目标,甲骨文的利润将面临切实冲击。"甲骨文在OpenAI这一个篮子里放了太多鸡蛋,而问题在于,OpenAI已不再是我们曾以为的那个AI领域的明确领导者,"她说,"与此同时,OpenAI上市后其商业交易将受到更多审查,这可能会让双方关系变得更为复杂。"
数据中心建设与资本支出方面
马古里克表示,公司计划在本季度新增约1吉瓦的计算能力上线,这一数字大致相当于整个2026财年所新增算力的总和。
本季度,甲骨文还迎来了新任首席财务官——前施耐德电气高管希拉里·麦克森(Hilary Maxson)。她在电话会议上表示,公司在2027财年的净资本支出约为700亿美元,剔除客户预付款及时间影响后约为200亿至250亿美元,与华尔街此前预期的717.7亿美元基本吻合。
韦特曼表示,甲骨文的资本支出是投资者的另一大顾虑,但她相信,一旦新数据中心陆续上线,公司将能够持续提升云基础设施业务的利润率。"从根本上说,甲骨文是一家工程公司,其在自主基础设施方面的投入将随着数据中心规模的扩展持续带来更高的运营效率,"她说,"我们预计甲骨文将进一步说明,其如何能够比竞争对手更高效地交付数据中心性能。"
盘后股价下跌意味着,甲骨文今年迄今的涨幅已收窄至仅约3%,落后于同期上涨6%的标准普尔500指数。
Q&A
Q1:甲骨文第四财季的财务表现如何?
A:甲骨文第四财季每股调整后收益为2.03美元,营收同比增长21%至191.8亿美元,均超出华尔街预期。净利润达42.2亿美元,较上年同期的34.3亿美元明显提升。此外,公司将2027财年调整后每股盈利预测上调至8.05美元,高于市场预期的8.01美元。
Q2:甲骨文股价盘后为何下跌9%?
A:尽管财报超出预期,甲骨文宣布计划再融资400亿美元用于AI数据中心建设,引发投资者对高额负债的担忧。此外,超过50%的剩余履约义务来自OpenAI,分析师指出这一高度集中的依赖关系存在风险——一旦OpenAI增长不及预期,甲骨文的盈利将受到直接冲击。
Q3:甲骨文对OpenAI的业务依赖会带来哪些风险?
A:Valoir分析师丽贝卡·韦特曼指出,甲骨文超过50%的剩余履约义务来自OpenAI,一旦OpenAI未能达成增长目标,甲骨文利润将受到实质性影响。加之OpenAI上市后商业交易将面临更严格审查,可能进一步增加双方合作的不确定性。
好文章,需要你的鼓励
仿人机器人与自动驾驶汽车在区域架构、功能安全及雷达传感方面高度相似。多分辨率摄像头组合可更好地模拟人类视野,兼顾广角低保真与局部高精度需求。自然运动需实时计算正逆运动学、距离与深度,同时须兼顾功耗效率。当前视觉与基础操控技术最为成熟,而触觉、全身协调及非结构化环境中的移动能力仍是主要挑战。业界正借鉴自动驾驶经验,加速推进仿人机器人的规模化落地。
这项研究提出Epi2Diff方法,通过将大型推理模型的解题思考过程拆解为认知片段序列,提取过程特征预测考题对人类的难度,在四个真实考试数据集上超越了所有对比基线。
随着AI技术发展,攻击者可融合白市、灰市及黑市数据,构建个人及其环境的数字孪生体,使定向攻击更为便捷。专家指出,AI与网络安全的核心交汇点是数据本身。防御AI数据融合攻击需依赖硬件信任根、强加密、安全密钥存储及严格的数据匿名化措施。芯片架构师需将安全设计嵌入硬件层,确保数据完整性验证、隔离执行及认证数据流,以应对日益复杂的运行时攻击面。
南京大学与阿里巴巴提出MIMFlow,将掩码图像建模与标准化流端到端融合,让生成模型专注语义建模,以更少参数和更少令牌在ImageNet上取得FID 2.50的优异表现。