news 2026/9/3 5:51:22

Kinaxis宣布拟尽可能扩大常规发行人回购规模

作者头像

张小明

前端开发工程师

1.2k 24
文章封面图
Kinaxis宣布拟尽可能扩大常规发行人回购规模

Kinaxis® Inc.(简称“Kinaxis”或“公司”)(TSX: KXS)今日宣布,计划修订其当前的常规发行人回购计划(“NCIB”),将可回购的普通股(简称“股份”)数量上限从1,403,042股(占公司截至2025年10月31日已发行及流通股份的5%)提高至约2,799,843股(占公司截至2025年10月31日“流通股数量”的10%),这一比例是多伦多证券交易所(“TSX”)规则允许的最高上限。公司在当前NCIB下已投入5400万美元。按当前NCIB下至今的股份平均购买价格计算,回购10%的股份将额外投入约2.84亿美元。

Kinaxis首席执行官Razat Gaurav表示:“市场对生成式和智能体AI给我们这类业务关键型企业软件带来的机遇与威胁存在根本性误解——我们的软件旨在解决高度复杂的问题,助力做出影响重大的决策。因此,公开市场有时可能未能充分反映Kinaxis的内在价值。我们认为,通过NCIB架构或Kinaxis可利用的其他架构,最大化股份回购能力将为股东创造价值。我们在行业中的深厚竞争壁垒源于数十年积累的专业领域知识,而我们的Maestro平台是对供应链底层运作方式最细致、最全面的呈现。Maestro之所以能提供预测、智能洞察和指导性决策,得益于融合了先进的机器学习、优化算法和启发式方法。这些能力是供应链规划和决策的核心基础,而生成式AI、可组合智能体AI以及最新的语义和数据架构并不会取代这些能力,反而会对其加以增强,进而助力实现下一代供应链协同。我们对这些发展潜力感到振奋。”

在NCIB下(截至2026年2月3日),Kinaxis已累计回购并注销447,738股股份(平均每股价格为167.50加元)。NCIB于2025年11月12日启动,将于2026年11月11日结束,或在Kinaxis完成回购、发出终止通知等更早日期终止。

尽管公司目前有意扩大NCIB的规模,但并非必然实施,且无义务进行任何股份购买,公司可随时暂停回购。对NCIB的修订预计将在公司现有定期静默期结束后实施,同时取决于市场状况及所有必要批准的获取,包括TSX的批准。

关于Kinaxis

Kinaxis是全球现代供应链协同领域的领导者,致力于赋能复杂的全球供应链,并支持管理这些供应链的专业人士。其强大的人工智能驱动供应链协同平台 Maestro™ ,融合了专有技术与创新方法,为整个供应链提供端到端的透明度与敏捷性——覆盖从多年期战略规划到最后一公里交付的全流程。全球众多知名品牌信赖Kinaxis,为其在当今充满波动与挑战的市场环境中提供所需的敏捷性与可预测性。

注意事项和前瞻性信息

本新闻稿包含加拿大证券法界定的前瞻性信息。前瞻性信息涉及未来事件或Kinaxis的预期业绩,反映了管理层对未来事件的预期或信念。在某些情况下,可以通过“计划”、“预计”、“预期”、“预算”、“安排”、“估计”、“预测”、“打算”、“预见”、“认为”等词语或这些词语和短语的变体,或者某些行动、事件或结果“可能”、“或将”、“将会”、“或许”或“将采取”、“发生”或“实现”的陈述或这些词语或类似术语的反义词的使用来识别包含前瞻性信息的陈述。本新闻稿中的前瞻性信息包括与NCIB拟议修订、Kinaxis未来可能根据NCIB进行的股份购买,以及NCIB带来的益处相关的陈述。前瞻性信息本身涉及已知和未知风险、不确定性和其他因素,可能导致Kinaxis的实际业绩与此类前瞻性信息明示或暗示的任何预期业绩大相径庭。

前瞻性信息受多种风险和不确定因素影响,可能导致实际事件或结果与前瞻性信息所反映的情况存在差异。这些风险包括但不限于公司于2025年2月26日发布的截至2024年12月31日财年的年度信息表中“风险因素”部分所述的风险,以及公司在提交给加拿大证券监管机构的其他文件中所列明的风险。

上述风险因素并未详尽列举可能影响公司任何前瞻性信息的因素。前瞻性信息包括对未来的陈述,本质上具有不确定性,由于各种风险、不确定性和其他因素,公司的实际成就或其他未来事件或条件可能与前瞻性信息中反映的情况大相径庭。公司包含前瞻性信息的陈述是基于管理层在做出陈述当日的信念、预期和观点,如果情况或管理层的信念、预期或观点发生变化,除非适用法律要求,否则公司不承担更新此类前瞻性信息的义务。鉴于上述原因,读者不应过分依赖前瞻性信息。

来源:Kinaxis Inc.

版权声明: 本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若内容造成侵权/违法违规/事实不符,请联系邮箱:809451989@qq.com进行投诉反馈,一经查实,立即删除!
网站建设 2026/9/2 20:36:34

零基础AI开发系列教程:RagFlow本地部署和使用

RagFlow 是一款基于深度文档理解构建的开源 RAG(Retrieval-Augmented Generation,检索增强生成)引擎。它的设计核心在于将大量复杂格式的非结构化数据(如 PDF、Word、PPT、Excel、图片、网页等)经过智能解析&#xff0…

作者头像 李华
网站建设 2026/9/2 19:53:59

企业级RAG系统实战指南:2万+文档处理的10个工程经验

本文分享了企业级RAG系统构建的实战经验,基于10多个项目实践,强调文档质量评估、层级化分块、元数据架构和混合检索的重要性。指出企业RAG更多是工程问题而非机器学习问题,需关注处理复杂表格、选择合适开源模型(如Qwen)及优化基础设施等实际…

作者头像 李华
网站建设 2026/9/2 20:40:53

ROME:构建端到端智能体学习生态系统,打造下一代Agentic LLM完全指南

ROME提出完整的智能体学习生态系统(ALE),包含ROLL训练框架、ROCK环境执行引擎和iFlow CLI智能体框架三大组件,实现从数据生成到策略优化的闭环。基于此系统训练的ROME模型在多个智能体基准测试中表现优异,提出的IPA算法显著提升长时程任务训练…

作者头像 李华
网站建设 2026/9/2 20:39:51

智能化圈舍组态设计

智能化圈舍组态设计 第一章 绪论 传统养殖圈舍依赖人工巡检、经验化管理,存在环境调控滞后、疫病预警不及时、养殖效率低等问题,难以适配规模化、精细化养殖的发展需求。智能化圈舍组态设计以工业组态软件为核心,融合传感器网络、自动控制、数…

作者头像 李华
网站建设 2026/9/2 21:33:18

写作小白救星!千笔,冠绝行业的降AIGC工具

在AI技术迅速发展的今天,越来越多的学生开始借助AI工具辅助论文写作,以提高效率和内容质量。然而,随着各大查重系统对AI生成内容的识别能力不断提升,"AI率超标"问题逐渐成为学术写作中的隐形障碍。许多学生在使用各类降…

作者头像 李华