在截止于4月30日的2015财年第一季度,Violin Memory收入为1810万美元,同比减少27%,环比减少35%。这个数字达到了预期,但依然是下滑。
在这个季度Violin Memory仅亏损3010万美元,好于上个季度的5650万美元,但是要比去年同期还多出160万美元。其中400万美元是由于出售了Velocity PCIe闪存卡业务!
根据最新消息,Velocity业务已经被Violin Memory以2300万美元现金出售给SK海力士,“预计负债总额为50万美元”。SK海力士将为Velocity PCIe开发团队成员提供就业机会,预计交易将在6月底完成。
昨天希捷从Avago手中收购LSI Nytro PCIe产品线,这是一个值得纪念的日子,PCIe闪存卡市场格局就此发生改变。
因为SK海力士是一家闪存代工厂运营商,因此它自己内部有芯片的产品出口。这笔交易也基本上否定了任何关于东芝将插足PCIe闪存卡市场的想法,因为Violin Memory一直为东芝开发PCIe闪存卡。
不过,东芝是Violin Memory最大股东,Violin Memory与东芝的关系仍然是具有战略意义的,其中包括NAND芯片供应。
Violin Memory收入下滑的另一个原因是销售团队精简和重组,以及新走向市场模式(主要是在美国)的过渡。
Violin Memory首席执行官Kevin Denuccio表示,现在烧钱率已经大大减少,下一步就是解决糟糕的产品销售表现。他指出,EMEA地区的业务不错,“超出了我们的预期……收入同比增长接近64%”。
最近发布的Windows Flash Array和Masetra设备的销售情况和市场兴趣看上去不错。Denuccio表示,目前还没有其他闪存存储厂商拥有运行在他们全闪存阵列上的Windows Storage Server。
与SAP的关系也不错,更多公告将在这个季度晚些时候发出。
Violin Memory的管理团队已经进行了重组,11个销售部门精简到5个。DeNuccio承认公司现在更加专注于他们需要专注的地方,并表示:“我们已经为增长做好了准备”,他还提到了利用渠道和软件合作伙伴关系——例如与Citrix、微软和SAP——作为提振销售额的一个具有成本效益的途径。Violin Memory将继续向大型企业和云客户直接出售产品。
谈到新产品时,他说:“这个季度我们马上会有一个发布,将是我们推出全闪存阵列有史以来最重要的一次发布。”这里他指的是2010年5月发布3200系列。在那之后的2011年9月,Violin Memory发布了更强大的6000系列。现在它在3U机架内提供了70TB原始闪存容量。
那么接下来是什么?也许是Violin 8000系列,35TB-70TB/1U密度,使用19纳米闪存,增加重复数据删除功能,使其能够直击EMC XtremIO、Pure Storage FA-400系列以及其他具有重复数据删除功能的全闪存阵列,例如Kaminario升级的K2阵列。现在针对全闪存阵列的重复数据删除以及/或者压缩已经成为竞争的砝码。
预计这款新产品将有3到6个月的销售周期,将为在2015财年第四季度贡献收入。意味着这款产品对于现有客户来说并非简单地即插即用,耐人寻味。
6000产品线应该会在未来几个季度内过渡到采用19纳米闪存,这应该会进一步增加它的原始容量。
Violin Memory的新口号是“Business in a flash”。收入增长也许有点慢,但是DeNuccio有信心一定会增长。下个季度的收入应该高于这个季度的1810万美元,下半年会是更好。
好文章,需要你的鼓励
人工智能开发商Anthropic为其旗舰聊天机器人Claude推出新的医疗健康功能,用户现在可以与服务共享医疗记录以更好地了解自己的健康状况。Claude可以连接官方医疗记录和苹果健康等健身应用,进行更个性化的健康对话。新功能现已向美国的Claude Pro和Max订阅用户开放。公司强调该工具不用于诊断或治疗建议,而是帮助用户理解复杂医疗报告,为医患沟通做准备,并承诺严格保护用户隐私数据。
上海AI实验室联合团队开发RoboVIP系统,通过视觉身份提示技术解决机器人训练数据稀缺问题。该系统能生成多视角、时间连贯的机器人操作视频,利用夹爪状态信号精确识别交互物体,构建百万级视觉身份数据库。实验显示,RoboVIP显著提升机器人在复杂环境中的操作成功率,为机器人智能化发展提供重要技术突破。
谷歌发布通用商务协议(UCP)开放商务标准,旨在让AI智能体自动化整个购物流程,从产品发现到支付再到售后服务。该协议与Shopify、Target、沃尔玛等零售商合作开发,支持AI智能体协同处理客户购买流程各环节。谷歌还推出品牌商业智能体和直接优惠工具,优化AI搜索中的购物体验。麦肯锡预测智能体商务到2030年将成长为3万亿美元市场。
英伟达研究团队提出GDPO方法,解决AI多目标训练中的"奖励信号坍缩"问题。该方法通过分别评估各技能再综合考量,避免了传统GRPO方法简单相加导致的信息丢失。在工具调用、数学推理、代码编程三大场景测试中,GDPO均显著优于传统方法,准确率提升最高达6.3%,且训练过程更稳定。该技术已开源并支持主流AI框架。