硬盘销售是否处于低迷状态?希捷最近一个财季的财报结果表明了这个态势,现在西部数据的财报结果确认了这个事实。企业级硬盘采购者花的钱越来越少了。
尽管所有营销人员和分析师都在大谈数据爆炸推动存储销售,但是希捷和西数在最近三个月的销售额都在下滑。
以下是西数的整体财报结果:在截止于3月28日的2014财年第三季度,西数收入37亿美元,比去年同期的37.6亿美元有所减少,也比上个季度的40亿美元减少3亿美元。
在这个财季,西数的利润为3.75亿美元,去年同期为3.91亿美元,上个季度为4.3亿美元。在这个季度西数出货量6040万块硬盘,上个季度和去年同期的数量分别为6310万块和6020万块。整体来看并不是一个很好的状况。为什么采购者们购买的硬盘比以前少了?
2014财年第三季度西数的利润和收入状况
西数公司总裁兼首席执行官Steve Milligan表示:“我们的结果反映了在游戏市场持续增强,在客户端和贴牌产品方面预期的季节性变化,以及在企业级领域的一些疲软……我们继续看到,商业客户业务方面需求稳定,我们仍然看好企业级领域的长期需求走势。在游戏市场的持续走强是由于消费者对最新游戏平台设计的稳定需求,所有这些都需要集成的硬盘。”
在财报电话会议上,Milligan谈到了企业级市场的疲软,他说:“在企业级需求方面我们看到出现疲软的主要领域是在需要大容量的企业方面。”
该市场“趋向于被相对较少的一部分客户所主导”,如果他们的采购量少了,那么其效果是相当明显的。
显然这就是现状:“我们从一些重要的超大规模采购者的角度看到了效率有所提升……他们基本上已经消耗已有的库存就行。”
他说:“我们看到目前所在的这个季度疲软将持续,我们预计今年下半年需求将有所回升,基本上与以往是保持一致的。”
Milligan还表示:“我们的企业级固态盘业务经历了经一个表现突出的季度。”在这个季度西数的企业级固态盘销售额为1.34亿美元,环比减少13.6%,同比增加46.5%。
不过现在固态盘很热,但很意外看到这块业务有所下滑,尤其是西数的HGST部门将如此多的闪存存储公司收入囊中——例如sTec、Virident和Velobit。
西数企业级固态盘收入历史趋势
Milligan提醒电话会议参加者:“有关sTec方面,目前态势并不完全是积极的。我认为你需要考虑到我们购买的是——我实在不愿意这么说——多少是一项不良资产,传统的STEC产品将消失。”
WDC首席财务官Tim Leyden表示:“我们期待从长期角度来看我们的企业级固态盘业务将超过市场的平均收入增幅。……我们已经将多条路线融合到一起,包括sTec、Virident、VeloBit和JDA,这样做也会让我们获得一些成本效益。我们将显著地提升收入。”
6TB充氦硬盘销售情况不错,Milligan表示:“多家战略OEM客户已经认证通过了我们的6TB充氦气硬盘,我们将向他们批量出货。”
Piper Jaffray的Andrew Nowinski评论称:“看起来笔记本电脑和台式机部门在该季度的表现不如希捷。”
与希捷一样,西数发现混合硬盘的表现令人失望,Milligan表示:“坦率地说它并没有成为一款引人关注的产品,或者没有达到我们原本的预期。我认为这并非只是西数的情况,整个行业也基本上是这个情况。……先试试,混合硬盘的销售水平和收入水平与我们原本预期的相比有些令人失望。”
西数和HGST的收入、净收益和其他收入并没有剥离出来。WDC正在与中国监管机构MOFCOM将HGST融入自己的业务运营中,这样就可以变得更高效成本更低。MOFCOM正在审查WDC提交的资料。
在2014财年的最后一个财季,Leyden预计“收入将呈现季节性下滑,在35亿美元到36亿美元之间……除了游戏市场之外的其他细分市场都有可能出现环比下滑的情况。”
这意味着西数在整个2014财年的收入将在150.5亿美元左右,相比2013财年减少2%。这可不是一个很好的结果。
好文章,需要你的鼓励
从浙江安吉的桌椅,到广东佛山的沙发床垫、河南洛阳的钢制家具,再到福建福州的竹藤制品,中国各大高度专业化的家具产业带,都在不约而同地探索各自的数字化出海路径。
哥伦比亚大学研究团队开发了MathBode动态诊断工具,通过让数学题参数按正弦波变化来测试AI的动态推理能力。研究发现传统静态测试掩盖了AI的重要缺陷:几乎所有模型都表现出低通滤波特征和相位滞后现象,即在处理快速变化时会出现失真和延迟。该方法覆盖五个数学家族的测试,为AI模型选择和部署提供了新的评估维度。
研究人员正探索AI能否预测昏迷患者的医疗意愿,帮助医生做出生死决策。华盛顿大学研究员Ahmad正推进首个AI代理人试点项目,通过分析患者医疗数据预测其偏好。虽然准确率可达三分之二,但专家担心AI无法捕捉患者价值观的复杂性和动态变化。医生强调AI只能作为辅助工具,不应替代人类代理人,因为生死决策依赖具体情境且充满伦理挑战。
这项研究首次发现AI推理模型存在"雪球效应"问题——推理过程中的小错误会逐步放大,导致AI要么给出危险回答,要么过度拒绝正常请求。研究团队提出AdvChain方法,通过训练AI学习"错误-纠正"过程来获得自我纠错能力。实验显示该方法显著提升了AI的安全性和实用性,用1000个样本达到了传统方法15000个样本的效果,为AI安全训练开辟了新方向。