思科今天发布了截止到2015年10月24日的2016财年第一季度业绩报告。报告显示,第一季度净销售额为127亿美元,根据通用会计准则(GAAP)计算的净收入为24亿美元,合每股0.48美元,非GAAP净收入为30亿美元,合每股0.59美元。
“第一季度业绩表现强劲。鉴于在软件和云模式方面销售额的增长,我们把握机会加速提升实现增长的能力,积极推进云业务,并在产品递延销售额方面展示了我们一贯的实力,”思科首席执行官罗卓克表示,“我们预计在第二季度将实现坚实增长。我们的业绩展望显示,第一季度订单增长低于预期,主要原因是宏观环境的不确定性以及汇率变动的影响。尽管存在这些不利因素,但我对我们的执行情况感到满意。我们正在快速把握全新机遇,对下半财年的发展我充满信心。”
|
第一季度GAAP业绩 |
|||
|
2016财年 第一季度 |
2015财年 第一季度 |
与2015财年 第一季度相比 |
|
|
净销售额 |
127亿美元 |
122亿美元 |
增长3.6% |
|
净收入 |
24亿美元 |
18亿美元 |
增长32.9% |
|
摊薄后每股收益 |
0.48美元 |
0.35美元 |
增长37.1% |
|
第一季度非GAAP业绩 |
|||
|
2016财年 第一季度 |
2015财年 第一季度 |
与2015财年 第一季度相比 |
|
|
净收入 |
30亿美元 |
28亿美元 |
增长7.9% |
|
每股收益 |
0.59美元 |
0.54美元 |
增长9.3% |
2016财年第一季度业绩摘要
(所有比较百分比都是年同比数字,除非另有说明)
销售额—总销售额为127亿美元,增长4%。产品销售额增长4%,服务销售额增长1%。不同地域的总销售额增长情况为:美洲地区增长4%,EMEA (欧洲、中东和非洲地区)和APJC(亚太、日本和大中华地区)各增长3%。产品销售额增长由数据中心产品和协作产品带动,二者分别增长24%和17%。无线和安全产品分别增长7%,交换产品增长5%,NGN路由产品下降8%,运营商视频产品下降2%。
毛利润率—按非GAAP标准计算,总毛利润率和产品毛利润率分别为63.2%和62.3%。非GAAP产品毛利润率相比2015财年第四季度的增长由生产力的持续改善驱动,部分被定价抵消,在较小程度上也被产品结构抵消。非GAAP服务毛利润率为66.2%。不同地域的总毛利润率如下:美洲地区63.5%,EMEA(欧洲、中东和非洲地区)64.2%,APJC(亚太、日本和大中华地区)60.0%。按GAAP标准计算,总毛利润率、产品毛利润率和服务毛利润率分别为61.8%、60.9%和64.9%。
运营开支—非GAAP运营开支为41亿美元,下降1%,占销售额的32.7%。 员工人数比2015财年第四季度增加230人,现为72,063人,这反映了因在安全、云和软件等关键增长领域的并购和投资活动所增加的人数。按GAAP标准来算,运营开支为48亿美元,下降5%。
运营收入—非GAAP运营收入为39亿美元, 增长8%,非GAAP运营利润率为30.5%。GAAP运营收入为31亿美元,增长31%,GAAP运营利润率为24.3%。
收入税预提—非GAAP税款预提比例为23.0%。GAAP税款预提比例为22.5%。
净收入和每股收益—按非GAAP标准计算,净收入为30亿美元,增长8%;每股收益为0.59美元,增长9%。按GAAP标准计算,净收入为24亿美元,每股收益为0.48美元。
来自运营活动的现金流—为28亿美元,相比2015财年第一季度的25亿美元增长11%。
现金和现金等价物及投资—在2016财年第一季度末为591亿美元,相比之下2015财年末为604亿美元。2016财年第一季度末在美国所持有的现金和现金等价物及投资总额为50亿美元。
递延销售额—为152亿美元,总计增长10%,其中产品递延销售额增长16%,主要受基于订户的产品和软件产品驱动;服务递延销售额增长7%。思科经常性营收所占比例继续上升,递延销售额就反映了这一点。
应收账款周转天数(DSO)—在2016财年第一季度末为34天,相比之下2015年第四季度末为38天。
资本分配—在2016财年第一季度,思科宣布并支付了每普通股0.21美元、总计11亿美元的现金红利。在2016财年第一季度,思科按照其股票回购计划回购了大约4500万股普通股,平均回购价格为每股26.83美元,总计回购价格为12亿美元。截止2015年10月24日,思科自其股票回购计划实施以来已经回购和收回了45亿股的思科普通股,每股平均价格为20.92美元,总价约为939亿美元。该计划项下剩余的授权股票回购数量约为31亿美元,无终止日期。
“我们的财务模式致力于驱动可盈利增长、对业务组合进行管理并实现股东价值。通过执行这一财务模式,我们第一季度业绩强劲,”思科执行副总裁兼首席财务官Kelly Kramer表示,“尽管环境充满挑战,我们良好的执行和正确的投资为未来的增长打下了坚实基础。我们一直履行对股东的承诺,在第一季度通过支付红利和股票回购将23亿美元的自由现金流返回给了股东。”
收购—在2016财年第一季度,思科完成了对OpenDNS、MaintenanceNet和Pawaa Software的收购,以进一步补充自己的安全、服务、软件和云业务。这些举措与思科增加其增长领域的创新和研发投资的战略是一致的。思科最近还宣布了对安全、数据分析和视频领域的Portcullis、ParStream、Lancope和1 Mainstream这几家公司的收购,所有这些收购预计将在2016财年第二季度完成。
2016财年第二季度业务展望
在2015财年第四季度,思科宣布了将运营商视频互联设备事业部的客户端设备相关部分出售给Technicolor。该交易目前正在进行监管审批,思科准备在2016财年第二季度完成该交易。为了更清晰地说明市场持续期待的思科财务表现,我们对2016财年第二季度的业绩展望进行了标准化处理,将运营商视频客户端设备(CPE)业务排除在2016财年第二季度和2015财年第二季度之外。CPE业务2015财年第二季度的相应销售额为3.61亿美元。
思科预计2016财年第二季度将实现以下结果:
|
2016财年第二季度(通过标准化处理将运营商视频客户端设备业务排除) |
||
|
销售额 |
同比增长0%-2% |
|
|
非GAAP毛利润率 |
62% - 63% |
|
|
非GAAP运营利润率 |
28.5% - 29.5% |
|
|
非GAAP税款预提比例 |
23% |
|
|
非GAAP每股收益 |
{zhiding_content_info_22}.53 - {zhiding_content_info_22}.55 |
非GAAP税款预提比例不包括美国联邦研发抵税政策(the U.S. federal R&D tax credit)如果恢复所产生的任何影响。如果该政策恢复,思科将会在有效税率中反映由此带来的获益。
思科估计,GAAP每股收益在2016财年第二季度将会比非GAAP每股收益低每股0.10美分到0.14美分,详情如下:
|
2016财年第二季度 |
|||
|
基于股票的补偿开支 |
{zhiding_content_info_22}.05 - {zhiding_content_info_22}.06 |
||
|
所购买的无形资产的摊销和其他与收购相关的成本/剥离成本 |
0.04 - 0.06 |
||
|
小计 |
0.09 - 0.12 |
||
|
重组和其他费用 |
0.01 - 0.02 |
||
|
总计 |
{zhiding_content_info_22}.10 - {zhiding_content_info_22}.14 |
||
基于股票的补偿开支预计将会以与2016财年第一季度相似的比例影响思科的运营业绩。所购买的无形资产的摊销和其他与收购相关的成本/剥离成本将根据情况按GAAP运营开支、销售成本或其他收入(亏损)来报告。
重组和其他费用的范围包括因思科在2014年8月宣布的重组而产生的一笔最高1亿美元的税前费用。在2016财年第一季度,思科在与这些行动相关的GAAP财报中体现了1.41亿美元的税前重组费用,并且预计与这些行动相关的总费用对这一计划来说将为大约7亿美元。
除上述已说明的内容之外,该展望不包括CPE业务的剥离以及任何未来的收购/剥离、资产减损、重组和税务或其他事件可能带来的,或微乎其微,或极其显著的影响,除非具体说明。
好文章,需要你的鼓励
阿里云CEO吴泳铭在财报电话会议上表示,AI需求增长如此迅猛,以至于服务器部署速度无法跟上客户需求。公司正在对GPU进行配给制,优先满足使用全套阿里云服务的客户需求。过去12个月,阿里巴巴在AI相关基础设施上投入1200亿元人民币,预计三年预算可能超过当前的3800亿元。阿里云智能集团季度营收达56亿美元,同比增长34%。
这项由中国人民大学联合腾讯开发的LaSeR技术,发现了AI在生成答案最后一刻会无意中透露对答案质量的评估。通过观察这个"最后一词效应",研究人员开发出了一种让AI高效进行自我评估的方法,在几乎不增加计算成本的情况下,大幅提升了AI的自我验证能力,为构建更可信的AI系统开辟了新路径。
OpenAI为ChatGPT推出"购物研究"新功能,恰逢假期购物季。该功能面向免费和付费用户开放,支持移动端和网页版。用户询问购物问题时,ChatGPT会提供个性化购物助手服务,通过一系列问题帮助用户筛选价格、用途和功能偏好。该功能基于专为购物任务优化的GPT-5 mini版本,从优质网络资源获取产品信息。OpenAI计划推出即时结账功能,允许用户直接在ChatGPT内购买商品。
新加坡南洋理工大学团队开发的NEO模型颠覆了传统视觉语言AI的设计思路,从模块化拼接转向原生统一架构。仅用3.9亿图文配对数据就实现了与大型模块化系统相媲美的性能,证明了端到端训练的有效性,为AI系统设计开辟了新路径。