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
微软近年来频繁出现技术故障和服务中断,从Windows更新删除用户文件到Azure云服务因配置错误而崩溃,质量控制问题愈发突出。2014年公司大幅裁减测试团队后,采用敏捷开发模式替代传统测试方法,但结果并不理想。虽然Windows生态系统庞大复杂,某些问题在所难免,但Azure作为微软核心云服务,反复因配置变更导致客户服务中断,已不仅仅是质量控制问题,更是对公司技术能力的质疑。
Meta研究团队发现仅仅改变AI示例间的分隔符号就能导致模型性能产生高达45%的巨大差异,甚至可以操纵AI排行榜排名。这个看似微不足道的格式选择问题普遍存在于所有主流AI模型中,包括最先进的GPT-4o,揭示了当前AI评测体系的根本性缺陷。研究提出通过明确说明分隔符类型等方法可以部分缓解这一问题。
当团队准备部署大语言模型时,面临开源与闭源的选择。专家讨论显示,美国在开源AI领域相对落后,而中国有更多开源模型。开源系统建立在信任基础上,需要开放数据、模型架构和参数。然而,即使是被称为"开源"的DeepSeek也并非完全开源。企业客户往往倾向于闭源系统,但开源权重模型仍能提供基础设施选择自由。AI主权成为国家安全考量,各国希望控制本地化AI发展命运。
香港中文大学研究团队开发出CALM训练框架和STORM模型,通过轻量化干预方式让40亿参数小模型在优化建模任务上达到6710亿参数大模型的性能。该方法保护模型原生推理能力,仅修改2.6%内容就实现显著提升,为AI优化建模应用大幅降低了技术门槛和成本。