大数据流处理软件提供商 Confluent Inc. 今日发布了强劲的财务业绩和下季度展望,同时宣布与 Databricks Inc. 达成重要合作伙伴关系,使其股价在盘后交易中上涨超过 14%。
公司第四季度调整后每股收益为 0.09 美元,超过华尔街预期的 0.06 美元。季度营收同比增长 23% 至 2.612 亿美元,高于分析师预期的 2.568 亿美元。
总体而言,Confluent 净亏损为 1.058 亿美元,较去年同期的 8,470 万美元有所扩大。
在生成式 AI 需求推动下,该公司被视为快速增长的大数据行业明星企业之一。Confluent 开发了广受欢迎的开源数据流平台 Apache Kafka,该平台被企业用于实时追踪销售、订单、交易和客户反馈等数据点。这些信息通过实时数据流传递,可使用 Confluent 的工具进行分析获取洞察。
由于超过 80% 的财富 500 强企业都在使用 Apache Kafka,且其快速分析新生成数据的能力使其increasingly 成为 AI 系统的关键组件,这一能力变得尤为重要。其最著名的客户之一是开启生成式 AI 热潮的 OpenAI。
Confluent 发展迅速,增长主要来自其云服务产品 Confluent Cloud。这是一个企业级 Apache Kafka 版本,客户可以在 Amazon Web Services、Google Cloud 和 Microsoft Azure 上运行,且比开源 Kafka 更易部署和管理。
公司约两年半前推出 Confluent Cloud,现已成为主要收入来源。本季度 Confluent Cloud 销售额同比增长 38% 至 1.38 亿美元。
联合创始人兼首席执行官 Jay Krebs 称赞公司本季度超越所有预期指标。他强调:"我们的发展势头反映了完整数据流平台对支持关键任务和实时 AI 应用的重要性日益提升。过去一年我们建立的重要合作伙伴关系和产品创新,使我们在 2025 年处于继续引领行业的有利位置。"
Confluent 在客户基础增长方面也表现强劲,年收入至少 10 万美元的客户数量同比增长 12% 至 1,381 个。
展望第一季度,Confluent 预计每股收益在 0.06-0.07 美元之间,中值略高于市场预期的 0.06 美元。2025 财年目标每股收益为 0.35 美元,符合预期。
Confluent 与 Databricks 的新合作旨在帮助客户克服数据生成的操作系统与数据分析系统之间的鸿沟。这些系统通常存在于独立的孤岛中,两者之间应用不同的流程,使实时数据难以与许多分析工具对接,这正是 Confluent 与 Databricks 共同应对的挑战。
双方宣布在 Confluent 的 Tableflow 与 Databricks 的 Delta Lake 和 Unity Catalog 之间建立双向集成,实现两个系统间的实时数据流通,为 AI 驱动的决策铺平道路。
Kreps 表示:"实时数据是 AI 的燃料。我们与 Databricks 合作,确保企业能够利用实时数据的力量,为最关键的用例构建复杂的 AI 驱动应用。"
今日盘后涨幅意味着 Confluent 股价今年迄今上涨超过 7%,但过去 12 个月仍下跌约 5%。
好文章,需要你的鼓励
邻里社交应用Nextdoor推出重新设计版本,新增本地新闻、实时警报和名为"Faves"的AI功能,用于发现本地商户和地点。该应用与3500家本地出版商合作提供新闻内容,通过Samdesk和Weather.com提供天气、交通、停电等实时警报。Faves功能利用15年邻里对话数据训练的大语言模型,为用户提供本地化AI推荐服务,帮助用户找到最佳餐厅、徒步地点等本地信息。
Skywork AI推出的第二代多模态推理模型R1V2,通过创新的混合强化学习方法,成功解决了AI"慢思考"策略在视觉推理中的挑战。该模型在保持强大推理能力的同时有效控制视觉幻觉,在多项权威测试中超越同类开源模型,某些指标甚至媲美商业产品,为开源AI发展树立了新标杆。
英国生物银行完成了世界上最大规模的全身成像项目,收集了10万名志愿者的超过10亿次扫描数据,用于研究人体衰老和疾病过程。该项目历时11年,每次扫描耗时5小时,投资6200万英镑。目前已有8万人的成像数据供全球研究人员使用,剩余数据将于年底前发布。项目已开发出能预测38种常见疾病的AI工具,并在心脏病、痴呆症和癌症诊断方面取得突破。
这项由北京大学等多所高校联合完成的研究,首次对OpenAI GPT-4o的图像生成能力进行了全面评估。研究团队设计了名为GPT-ImgEval的综合测试体系,从文本转图像、图像编辑和知识驱动创作三个维度评估GPT-4o,发现其在所有测试中都显著超越现有方法。研究还通过技术分析推断GPT-4o采用了自回归与扩散相结合的混合架构,并发现其生成图像仍可被现有检测工具有效识别,为AI图像生成领域提供了重要的评估基准和技术洞察。