尽管运营收入始终保持稳定增长,Fusion-io仍然未能成功扼制住亏损的趋势:2014财年第三季度,该公司亏损总额达到3070万美元,亏损数字与去年同期相比增长了54%。
在刚刚过去的三个月中,该公司营收总额为1.005亿美元,与去年同期相比上涨15%、相较第二财季也实现了6%的提升;宏观来看,这样的结果还算不错。
然而这已经是该公司连续第五个季度遭遇亏损,而且每个季度的亏损额都在2000万美元以上;事实证明,Fusion不断攀升的营收数字还不足以帮助其摆脱财务赤字的困扰。
Fusion-io公司各财季营收与净利润图表
Fusion公司CEO兼董事长Shane Robison在公布2014年第一财季运营报告时表示:“我们在过去几个月中已经在关键性技术以及战略性项目方面取得了进展,我们相信这一切将在加强企业执行能力的同时为未来的发展奠定坚实可靠的基础。”
而在第二财季结束时,他在讲话中指出:“我们在第二财季中的运营表现充满证明了公司在市场推广战略方面取得的成效,以及对OEM以及ISV合作伙伴的强大吸引力。我们还在不断扩大公司的客户基础,目前Fusion的便于终端客户数量已经接近6000家。”
这一次他的说法:“我们对于公司在本财季能够实现6%的环比营收增长结果表示振奋,同时也在着力向我们认为有能力推动业务进一步发展的相关团队、技术以及合作伙伴提供资金支持。”
William Blair公司分析师Jason Ader表示:“Fusion-io公司本财季的运营开支与上财季相比、增长数额超过了400万美元——其部分原因在于该公司需要为第三代产品的推出奠定基础。”
相对于其现有成本结构,Fusion-io的设备销量显然还不能满足健康运营的需求。该公司一直在努力提升其产品线的自身素质,但来自竞争对手的巨大压力使其举步维艰。
目前该公司的竞争对手包括:来自Nimble Storage、Tegile以及Tintri公司的ioControl闪存/磁盘混合型阵列产品线;来自Pure Storage、EMC以及IBM等财力雄厚的存储供应商的ION Accelerator全闪存阵列;来自其它PCIe闪存卡厂商的ioMemory PCIe闪存卡;不断逼近的NMVe SSD;再加上由SanDisk推出的FlashDIMM技术方案——值得一提的是,Viking Technology也推出了与之相似的技术成果、也就是其ArxCis-NV DDR3 NVDIMM。
众多竞争对手的不断涌现一步步蚕食着Fusion-io的生存空间,而服务器闪存卡炙手可热且利润丰厚的好日子也早已一去不复返。
Robison和他的团队坚信他们能够通过改进技术、发布新产品的方式推动销售额提升并为Fusion的产品渠道合作伙伴提供更为强大的销售产品组合,并最终实现营收提升。
Ader在这一问题上则并不十分乐观:“该公司管理层认为目前的利润比例受到了大宗交易的影响,尚处于过渡阶段的专注于合作伙伴的业务模式也还没有完全发挥效力。然而他们给出的预期是,上述问题解决后其利润能够在今年第四财季上涨约60个基准点(相当于0.6%)。”
他认为NVMe就是一大显著威胁:“作为一套用于在CPU及闪存介质之间实现信息通信的协议,NVMe标准已经获得了英特尔、美光、LSI、三星、西部数据以及希捷等多家厂商的支持。这就在无形中把Fusion所采用的专有协议(其利用软件机制实现CPU与基于FPGA的闪存卡间的通信)拖入了人民战争的海洋,目前市场上大部分参与者都对其持反对态度。”
那么Fusion-io会选择怎样的应对措施?
下个财季该公司在营收方面很可能实现稳中有增,但全年营收总额则恐怕无法达到去年的水平。公司CFO Ted Hull指出,目前Fusion-io拥有总值2.25亿美元的现金及等价物,这意味着该公司完全有能力承担亏损并继续推动其产品销售。
按照目前的形势来看,该公司要实现扭亏为盈很可能需要等到2015年下半年。
好文章,需要你的鼓励
机器人和自动化工具已成为云环境中最大的安全威胁,网络犯罪分子率先应用自动化决策来窃取凭证和执行恶意活动。自动化攻击显著缩短了攻击者驻留时间,从传统的数天减少到5分钟内即可完成数据泄露。随着大语言模型的发展,"黑客机器人"将变得更加先进。企业面临AI快速采用压力,但多数组织错误地关注模型本身而非基础设施安全。解决方案是将AI工作负载视为普通云工作负载,应用运行时安全最佳实践。
MBZUAI研究团队发布了史上最大的开源数学训练数据集MegaMath,包含3716亿个Token,是现有开源数学数据集的数十倍。该数据集通过创新的数据处理技术,从网页、代码库和AI合成等多个来源收集高质量数学内容。实验显示,使用MegaMath训练的AI模型在数学推理任务上性能显著提升,为AI数学能力发展提供了强大支撑。
面对心理健康专业人士短缺问题,谷歌、麦肯锡和加拿大重大挑战组织联合发布《心理健康与AI现场指南》,提出利用AI辅助任务分担模式。该指南构建了包含项目适应、人员选择、培训、分配、干预和完成六个阶段的任务分担模型,AI可在候选人筛选、培训定制、客户匹配、预约调度和治疗建议等环节发挥作用。该方法通过将部分治疗任务分配给经过培训的非专业人员,并运用AI进行管理支持,有望缓解治疗服务供需失衡问题。
这项由多个知名机构联合开展的研究揭示了AI系统的"隐形思维"——潜在推理。不同于传统的链式思维推理,潜在推理在AI内部连续空间中进行,不受语言表达限制,信息处理能力提升约2700倍。研究将其分为垂直递归和水平递归两类,前者通过重复处理增加思考深度,后者通过状态演化扩展记忆容量。