云端边缘基础设施和内容分发网络提供商Fastly公司在发布2025财年第四季度财报后,股价在盘后交易中暴涨超过30%。该公司不仅在营收和盈利方面均超出预期,还给出了远超分析师预期的前景展望。
强劲的第四季度表现
截至12月31日的第四季度,Fastly调整后每股收益为12美分,相比2024年同期每股亏损2美分实现大幅改善,营收达到1.726亿美元,同比增长23%。而分析师此前预期每股收益6美分,营收1.6136亿美元。
从业务板块来看,Fastly网络服务营收为1.308亿美元,同比增长19%;安全服务营收3540万美元,同比增长32%;其他营收640万美元,同比大幅增长78%。网络服务营收主要包括旨在提升网站、应用程序、应用程序接口和数字媒体性能的解决方案。安全营收涵盖保护网站、应用、API和用户的产品,其他营收则包括计算和可观测性解决方案。
截至季度末,Fastly拥有628家企业客户,较2024年第四季度增加32家,剩余履约义务达到3.54亿美元,同比增长55%。客户粘性方面表现优异,公司12个月净留存率达到110%。
技术创新推动增长
第四季度,Fastly在技术创新方面取得多项突破。公司扩展了API安全产品,推出API清单功能,帮助客户审查、分类和管理预期API,快速识别需要安全关注的接口。
Fastly还发布了AI助手的测试版,这是一个情境感知的控制台内助手,旨在通过提供逐步指导和个性化建议,提高经验较少的开发者对Fastly服务的可访问性。
其他发布的功能还包括自定义仪表板和告警的新扩展,提供更深入的按需洞察,无需可观测性包即可实现更快的决策制定和行动;以及对自适应威胁引擎的增强,进一步提高准确性、缓解时间和检测阻断短期攻击的能力。
全年业绩创新高
2025财年全年,Fastly调整后每股收益为13美分,高于上年的9美分,营收6.24亿美元,同比增长15%。
首席执行官基普·康普顿在财报中表示:"我们第四季度的业绩标志着Fastly增长的拐点,实现了创纪录的营收、毛利率和营业利润。2025年我们在Fastly转型方面取得重大进展并交出了优异成绩。展望2026年,我们预期持续的增长势头,AI将成为我们业务日益强劲的推动力。"
2026年前景超预期
对于2026年第一季度,Fastly预期调整后每股收益7至10美分,营收1.68亿至1.74亿美元。而分析师预期每股收益仅1美分,营收1.596亿美元。
全年方面,公司预期调整后每股收益23至29美分,营收7亿至7.2亿美元,同样远超分析师预期的每股收益13美分和营收6.678亿美元。
Q&A
Q1:Fastly是什么公司?主要业务有哪些?
A:Fastly是一家云端边缘基础设施和内容分发网络提供商。主要业务包括三大板块:网络服务(提升网站、应用程序、API和数字媒体性能的解决方案)、安全服务(保护网站、应用、API和用户的产品)以及其他服务(计算和可观测性解决方案)。
Q2:Fastly第四季度业绩表现如何?
A:Fastly第四季度表现强劲,调整后每股收益12美分,营收1.726亿美元,同比增长23%,均大幅超出分析师预期。各业务板块均实现增长,其中安全营收增长32%,其他营收增长78%,企业客户数量增至628家。
Q3:Fastly对2026年的预期如何?
A:Fastly对2026年前景非常乐观。第一季度预期每股收益7至10美分,营收1.68亿至1.74亿美元;全年预期每股收益23至29美分,营收7亿至7.2亿美元,均远超分析师预期,公司认为AI将成为业务增长的重要推动力。
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。