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
Meta正在建设名为Hyperion的数据中心,预计提供5千兆瓦算力支持其AI实验室。该项目占地面积足以覆盖曼哈顿大部分区域,位于路易斯安那州东北部,将在数年内扩展至5GW规模。此外,Meta还计划在2026年启用1GW的Prometheus超级集群。这些项目旨在提升Meta在AI竞赛中对抗OpenAI和谷歌的竞争力,但也将消耗大量电力和水资源。
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。
谷歌为其AI驱动的NotebookLM平台新增"精选笔记本"功能,与全球知名作者、研究人员、出版物和非营利组织合作创建高质量互动资源。首批精选笔记本涵盖长寿建议、2025年预测、人生建议和莎士比亚作品等主题。用户可通过聊天界面提问、查看AI生成的摘要、音频概览或流程图与内容互动。该功能在桌面版NotebookLM中已上线,未来将持续增加更多精选内容。
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。