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
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。