甲骨文股价在周三公布令人失望的营收数据后出现下滑,该公司同时宣布今年将增加150亿美元的数据中心支出以服务人工智能企业。
拉里·埃里森旗下的数据库公司股价在周四盘前交易中下跌11%,此前该公司报告上季度营收为161亿美元,较上年同期增长14%,但低于分析师预期。
甲骨文将本财年资本支出预测上调超过40%至500亿美元。这笔主要用于建设数据中心的支出在本季度攀升至120亿美元,超出84亿美元的预期。
公司长期债务增至999亿美元,较一年前增长25%。
甲骨文正在积极追赶谷歌、亚马逊和微软等更大规模的云服务提供商,争夺为OpenAI和Anthropic等AI企业提供训练和运行模型所需的大量计算能力的市场。
甲骨文联席首席执行官克莱·马古尔克表示,公司的云合约将"迅速为我们的基础设施业务增加营收和利润率",为大规模投资进行辩护。
然而,公司表示预计全年营收将维持此前预测的670亿美元不变。预计下一财年将额外产生40亿美元营收。
截至11月底的三个月中,未来营收的总预订量(即剩余履约义务)增长15%至5230亿美元,得到了与Meta和英伟达交易的支持。
投资者最初欢迎甲骨文进军AI领域。在9月份的上一次财报中,公司披露新增超过3000亿美元预订量(主要由与OpenAI的数据中心合约推动),股价随之飙升。
但自那以后股价回吐了涨幅,因为投资者担心甲骨文需要大量借贷和支出为ChatGPT制造商提供基础设施,以及对这家初创公司未来几年支付这些合约能力的担忧。OpenAI已签署协议,在未来八年内花费1.4万亿美元购买计算能力。
甲骨文的大型科技竞争对手如亚马逊、微软和谷歌通过其庞大云业务部门发布强劲收益,帮助安抚了投资者对大规模资本投资的担忧。
但在上个季度,甲骨文包括数据中心在内的云基础设施业务营收为41亿美元,低于预期。埃里森的公司也更加依赖债务来推动扩张。
本季度净收入增至61亿美元,得益于向软银出售半导体公司Ampere获得的27亿美元税前收益。
马古尔克告诉投资者,公司在本季度新增了400兆瓦的数据中心容量。他补充说,为OpenAI建设的德克萨斯州阿比林大型数据中心集群的建设正在按计划进行。
9月份接替萨弗拉·卡茨的马古尔克表示,如果OpenAI没有使用其签约的全部容量,其他客户对甲骨文数据中心有充足的需求。
他说:"我们有一个需求很大的客户群,因此每当我们发现有未被使用的容量时,它很快就会被分配出去。"
作为商业软件提供商由埃里森联合创立的甲骨文,在向云计算转型方面起步较晚。这位亿万富翁仍担任董事长和最大股东。
近几个月来,投资者和分析师对甲骨文履行AI基础设施合约所需的前期支出表示担忧。穆迪在9月份指出了公司对OpenAI等少数大客户的依赖。
摩根士丹利预测,到2028年甲骨文的净债务将飙升至约2900亿美元。公司在9月份发行了180亿美元债券,并正在与多家美国银行洽谈筹集380亿美元债务融资。
杰富瑞分析师布伦特·蒂尔表示,甲骨文本季度产生59亿美元营收的软件业务在支出加速的情况下提供了一些缓冲。"但前期资本支出与延迟货币化之间的时机错配造成了近期压力。"
首席财务官道格·凯林表示,公司正在从数据中心专家那里租赁容量以减少直接借贷。
建设阿比林站点的债务由初创公司Crusoe和投资集团蓝猫头鹰资本筹集,甲骨文已签署该站点的15年租约。
凯林说:"甲骨文在完工的数据中心交付给我们之前不支付这些租金",并补充说公司"致力于维持我们的投资级债务评级"。
Q&A
Q1:甲骨文为什么要大幅增加数据中心支出?
A:甲骨文正在积极追赶谷歌、亚马逊和微软等更大规模的云服务提供商,争夺为OpenAI和Anthropic等AI企业提供训练和运行模型所需的大量计算能力的市场。
Q2:甲骨文与OpenAI的合作规模有多大?
A:OpenAI已签署协议在未来八年内花费1.4万亿美元购买计算能力,甲骨文正在德克萨斯州阿比林为OpenAI建设大型数据中心集群。
Q3:甲骨文的财务状况如何应对这些大规模投资?
A:甲骨文将本财年资本支出预测上调至500亿美元,长期债务增至999亿美元。公司正通过发行债券和租赁模式来减少直接借贷压力。
好文章,需要你的鼓励
芬兰阿尔托大学研究团队开发出革命性光学计算方法,利用单束光线实现复杂张量运算。该技术将数字信息编码到光波的振幅和相位中,通过光波相互作用自动完成深度学习所需的矩阵和张量乘法运算。与传统GPU逐步处理不同,光学系统可同时并行执行所有计算操作,运算速度达到光速级别。研究显示该方法具有被动处理、低功耗等优势,预计3-5年内可集成到现有硬件平台,为AI计算带来重大突破。
新加坡科技设计大学研究团队发现,通过控制大型语言模型的"思考语言"可显著提升输出多样性。研究显示,AI用非英语语言思考时能产生更多样化的答案,且距离英语越远的语言效果越好。混合多种语言思考的策略表现最佳,不仅提升创意输出,还增强了文化多元化表达能力,为解决AI输出同质化问题提供了简单有效的方案。
科学家成功将传统公里级粒子加速器缩小至房间大小,并实现商业化。TAU Systems公司开发的激光驱动尾场加速器利用超强激光脉冲产生等离子体,将电子加速至相对论速度。该设备首先用于航天电子设备的辐射测试,能量范围60-100兆电子伏特,成本约1000万美元起。未来还可应用于医疗成像、芯片检测和X射线光刻等领域,有望大幅降低粒子加速器的使用门槛。
浙江大学研究团队开发了PhyRPR三阶段视频生成系统,解决AI视频中物理规律违背问题。该方法将物理理解与视觉生成分离处理:首先用大型语言模型进行物理推理和关键帧生成,然后规划连续运动轨迹,最后通过运动感知技术精化视觉效果。实验证明该方法在物理一致性和视觉质量方面均优于现有技术。