数据保护厂商 N-able 在其 2025 年第一季度报告中显示亏损且增长放缓。
该公司向超过 25,000 家管理服务提供商 (MSPs) 提供数据保护和安全软件,而这些 MSP 反过来又为中小市场企业提供服务。同时,它还向分销商、系统集成商 (SIs) 以及增值经销商 (VARs) 销售产品。2025 年第一季度的收入达到 1.182 亿美元,同比增长 3.9%,超出其预期区间,但按 GAAP 核算录得亏损 720 万美元。订阅收入增长 4.8% 至 1.168 亿美元,毛利率则为 76.6%。
N-able 总裁兼 CEO John Pagliuca 表示:“我们的业绩反映出在全球范围内推进企业网络韧性方面持续取得进展。新安全功能的推出、合作伙伴计划中大量渠道合作伙伴的加入,以及有史以来最大的预定订单均展示了 N-able 的创新和成长。我们期待在全年内基于这一进展实现更进一步的发展。”
亏损的原因在于收入成本、运营费用和收购成本的增加。
Pagliuca 在财报电话会议中表示,N-able 已签署“有史以来最大的预定订单”。
一张收入历史图表显示,N-able 的增长率一直在下降:
N-able 的净保留率 (NRR) 为 101%,这表明客户收入有所增长且客户流失较低。在 2024 年该指标为 103%,2023 年为 110%,2022 年为 108%。净保留率越高,公司增长率越高。100% 的净保留率意味着客户流失所损失的收入被新客户增加、升级销售和交叉销售所抵消。低于 100% 的净保留率则表明企业保持了大部分客户,但收入增长并未达到最优水平。N-able 的净保留率虽不低于 100%,但也仅略高于这一水平。
问题在于,正如第二张图所示,自 2023 年第二季度达到高峰以来,N-able 的季度收入增长率已连续七个季度下降。
通过 MSP 渠道提供网络韧性服务类似于特许经营模式。随着现有 MSP 合作伙伴不断引入新客户、从现有客户中增加收入以及招募新的 MSP 合作伙伴,其收入理论上应不断增长。但如上图所示,N-able 的特许经营伙伴推动收入增长的速度正在逐步放缓。
去年 11 月,为了扩展安全产品组合并为 MSP 合作伙伴提供可销售给其客户和渠道的新服务,N-able 收购了专注于网络安全的 Adlumin。此项交易还引入了分销商、增值经销商 (VARs) 和系统集成商 (SIs),使 N-able 获得了更多渠道合作伙伴及交叉销售的机会。
Pagliuca 预计净保留率将进一步提升,并表示:“我们期望主要通过在现有客户群中实现交叉销售机会来推动这一改进。”
N-able 对第二季度的预期为 1.26 亿美元 ± 50 万美元,中值同比增长 5.5%。其 2025 年全年预期为 4.945 亿美元 ± 250 万美元,中值同比增长 6%,这表明其预计第二、三、四季度的收入增长率将保持在 5% 以上。
分析师 Jason Ader 表示:“虽然公司今年正经历多项同步转型(渠道扩展、安全产品投资以及交叉销售/平台化转型),这些因素对盈利能力形成压力并带来一定的执行风险,但我们认可管理层积极进取的姿态,并相信这预示着未来更大的总可用市场、更快的增长以及更高的运营杠杆。”
N-able 已经启动了一项 7500 万美元的股票回购计划。
好文章,需要你的鼓励
随着AI模型参数达到数十亿甚至万亿级别,工程团队面临内存约束和计算负担等共同挑战。新兴技术正在帮助解决这些问题:输入和数据压缩技术可将模型压缩50-60%;稀疏性方法通过关注重要区域节省资源;调整上下文窗口减少系统资源消耗;动态模型和强推理系统通过自学习优化性能;扩散模型通过噪声分析生成新结果;边缘计算将数据处理转移到网络端点设备。这些创新方案为构建更高效的AI架构提供了可行路径。
清华大学团队开发了CAMS智能框架,这是首个将城市知识大模型与智能体技术结合的人类移动模拟系统。该系统仅需用户基本信息就能在真实城市中生成逼真的日常轨迹,通过三个核心模块实现了个体行为模式提取、城市空间知识生成和轨迹优化。实验表明CAMS在多项指标上显著优于现有方法,为城市规划、交通管理等领域提供了强大工具。
Meta以143亿美元投资Scale AI,获得49%股份,这是该公司在AI竞赛中最重要的战略举措。该交易解决了Meta在AI发展中面临的核心挑战:获取高质量训练数据。Scale AI创始人王亚历山大将加入Meta领导新的超级智能研究实验室。此次投资使Meta获得了Scale AI在全球的数据标注服务,包括图像、文本和视频处理能力,同时限制了竞争对手的数据获取渠道。
MIT研究团队发现了一个颠覆性的AI训练方法:那些通常被丢弃的模糊、失真的"垃圾"图片,竟然能够训练出比传统方法更优秀的AI模型。他们开发的Ambient Diffusion Omni框架通过智能识别何时使用何种质量的数据,不仅在ImageNet等权威测试中创造新纪录,还为解决AI发展的数据瓶颈问题开辟了全新道路。