Akamai Technologies今日盘后股价大涨逾26%,原因是这家网络安全与云计算公司公布了符合预期的2026财年第一季度业绩,并披露了一份来自美国某头部前沿模型提供商的重磅合同——一份为期七年、总价值18亿美元的云基础设施服务协议。
截至2026年3月31日的2026财年第一季度,Akamai报告调整后每股收益为1.61美元,低于去年同期的1.70美元;营收为10.7亿美元,同比增长6%。上述数据与分析师此前预测的每股1.61美元、营收10.7亿美元完全一致。
此次最受市场关注的无疑是那位未具名的前沿模型客户。Akamai表示,这份七年期协议印证了公司作为AI经济关键基础设施提供商的核心地位。该合同带来的收入预计将从第四季度开始逐步释放,预计为第四季度贡献约2000万至2500万美元的营收。
受这笔新合同直接提振,云基础设施服务板块营收同比大涨40%,达到9500万美元。公司本季度将该业务单独列为独立报告类别,从此前的计算业务营收中拆分出来,将其定位为核心增长引擎与重点投资方向。
安全业务营收同比增长11%,达到5.9亿美元;涵盖内容分发网络的交付及其他云应用业务营收则同比下滑7%,至3.89亿美元,延续了这一传统业务多年来的下行趋势。
净利润为1.06亿美元,同比下降14%,每稀释股摊薄净收益为71美分。调整后收益为4.27亿美元,较去年同期下降3%。经营活动现金流为3.13亿美元,占营收的29%。
国际业务营收同比增长9%,达到5.3亿美元,增速超越美国本土业务——后者同比增长3%,营收为5.43亿美元。本季度,Akamai以加权平均价格105.47美元回购了200万股股票,合计耗资2.06亿美元。
"Akamai以强劲姿态开启了2026财年,云基础设施服务营收同比增长40%,安全业务增长11%,均是亮眼表现,"首席执行官Tom Leighton在业绩发布声明中表示,"我们的安全产品组合也具有独特优势,能够充分受益于AI的快速演进,我们的企业客户比以往任何时候都更需要我们的安全产品与专业能力。"
展望2026财年第二季度,Akamai预计调整后每股收益为1.45至1.65美元,营收区间为10.75亿至11亿美元,两项指标的中位值均与分析师预期大体吻合。
对于全年业绩,公司预测调整后每股收益为6.40至7.15美元,营收区间为44.5亿至45.5亿美元。营收中位值45亿美元略高于分析师此前预期的44.8亿美元。
Q&A
Q1:Akamai签下的18亿美元AI基础设施合同具体是什么内容?
A:这是一份来自美国某头部前沿大语言模型提供商的七年期云基础设施服务协议,总价值18亿美元。合同相关收入预计从2026财年第四季度开始逐步贡献,预计为该季度带来约2000万至2500万美元的营收。Akamai方面表示,这笔合同验证了其作为AI经济关键基础设施提供商的核心地位。
Q2:Akamai 2026财年第一季度各业务板块表现如何?
A:云基础设施服务营收同比增长40%,达到9500万美元,是增长最亮眼的板块;安全业务营收同比增长11%,达到5.9亿美元;交付及其他云应用业务(含内容分发网络)营收同比下降7%,至3.89亿美元,延续多年下行趋势。整体营收为10.7亿美元,同比增长6%,符合市场预期。
Q3:Akamai对2026财年全年业绩有何预测?
A:Akamai预测全年调整后每股收益为6.40至7.15美元,营收区间为44.5亿至45.5亿美元,营收中位值45亿美元略高于分析师预期的44.8亿美元。第二季度调整后每股收益预计为1.45至1.65美元,营收预计在10.75亿至11亿美元之间。
好文章,需要你的鼓励
"影子AI"是指员工在未经公司批准的情况下使用AI工具办公。虽然ChatGPT等工具能提升效率,但将内部文件、客户数据或源代码输入未授权平台,可能导致企业数据失控。IBM报告显示,20%的企业存在未授权AI工具,63%尚无AI治理政策。专家建议,一味封禁效果有限,企业应明确哪些工具可用、哪些数据禁止上传,员工也应主动核查AI输出内容,避免将敏感信息粘贴至公共AI平台。
阿里Qwen团队通过引入强化学习和在线策略蒸馏,将Qwen-Image-2.0升级为Qwen-Image-2.0-RL,让图像生成模型真正学会人类审美,文生图Elo评分提升78分,图像编辑提升93分。
Hirebotics联合Fanuc发布首款基于无代码Beacon平台的防爆协作喷涂机器人Cobot Painter。该方案适用于金属制造商,无需专用喷涂房或复杂编程,可在现有人工喷涂环境中数日内完成部署。操作人员通过平板或手机的"点击示教"功能即可引导机器人完成路径学习,实现液体涂料、粉末涂装等高精度重复作业,帮助制造商将涂装业务收回自主管理。
港科大与快手联合提出NormGuard,针对流匹配模型强化学习训练中速度范数膨胀问题,通过训练时单向惩罚约束,在保留奖励的同时改善图像真实感。