SanDisk公司在2013年第三季度中交出了一份虽然平缓但仍然堪称健康的同比与环比业务提升答卷,相比之下Fusion-io由于整合成本及未能达到华尔街预期而遭遇了股价下跌。
当时SanDisk方面的季度营收总额为17.5亿美元——达到了创纪录高度。2012年同期其营收为16.3亿美元,同比增幅为7%,这一数字与2014年第二季度持平。不过去年第三季度该公司利润额为2.77亿美元——而今年这一数字则缩减为2.63亿美元。他们同时表示,目前15%的利润比例也是自2013年第一季度的12.4%以来最为糟糕的一个季度。很明显,事情出现了差错。
SanDisk公司CFO Judy Bruner将目前的状况归结于零售业务放缓,指出:“与去年同期相比,我们的商业渠道营收增长了13%,但零售业务营收则降低了2%。”
SSD业务则迎来增长:“去年我们的SSD营收数额与上年同期相比增长48%,其中最主要的提升贡献源自企业级SSD业务。但今年情况有了变化,我们的企业级SSD虽然仍保持增长、但却受到消费级SSD的严重拖累,这导致实际SSD营收增幅仅为1%。”哦,原来增速放缓的根源在这里——但为什么会这样?
对此她作出了这样的解释:“消费级SSD营收的持续下滑一方面是由于特定客户正处于需求低潮期,另一方面则是受到我们供应分配决策的影响。”
与此同时,收购Fusion-io与组织结构调整也带来了相关成本支出,而这笔费用自然要从运营利润当中扣除。除此之外,SanDisk还调低了Fusion-io的预期营收数额,这是因为“业务与销售团队合并所造成的影响。他们(Fusion-io)拥有一支相当庞大的销售队伍,我们需要将其整合到SanDisk当中,同时处理账目归属、业务范畴管理以及薪酬计划等相关工作。”
上述因素再加上未能实现华尔街分析师作出的高营收预期,导致了SanDisk遭遇股价下跌——利润高于预期也未能扭转这一不利局面。具体而言,上市企业的股票价格主要取决于其未来发展前景、而非过去或者当前的业绩表现。
SanDisk公司近年各季度营收与利润数字
SanDisk公司的整体前景看起来不错。Mehrotra作出预期,表示“我们的企业级SSD营收将在2015年年内突破10亿美元,超过我们此前作出的时间规划……而且纵观整个2015年时间框架,我们认为企业旗下的所有产品类型都将迎来强劲的市场需求。”
Bruner同时补充称:“我们认为从这一时间点出发,Fusion-io的营收也将在未来实现提升。”
他又作出证实,指出“我们的3D NAND技术开发工作继续保持着良好的推行进度,而且我们预计在2015年上半年将其引入实验性生产流程,并在2016年年内正式实现批量制造。”
这项技术能够将闪存存储容量提升至现有水平的二到三倍,更理想的是,可以通过相对较低的成本投入带来显著的存储密度增长。
相对于缩减NAND单元大小,这种技术方案能够更为有效地以低成本方式提供更大存储空间。前者在开发流程的各个环节都必然带来更高执行成本、收效相对较差而且需要投入大量时间才能得以完成。
当下的发展前景确实相当光明,Bruner也表示:“我们今年第四季度的营收数额预计将在18亿美元到18.5亿美元之间。”
如果取其中点18.25亿美元,那就意味着2014年全年SanDisk公司将摘得67.2亿美元营收总值,明显高于去年全年的62亿美元。不过华尔街分析师们给出的第四季度营收预期则为18.75亿美元,这直接导致该公司股份下跌1.34%、达到每股83.93美元。急于实现投资回报的股东们总是短视、武断而且不理会宏观视角,他们想要的就是更多、更多、更多收益。
不过我们都知道,SanDisk公司即将崛起成为企业级闪存领域的龙头老大。这是因为他们拥有业界之内人气最高且延迟效果最出色的、配备ULLTraDIMM的服务器闪存产品,计划利用TLC闪存SSD在PC领域彻底取代传统磁盘,即将推出自己的3D闪存方案并拥有大量垂直集成闪存产品供应商——从闪存代工到终端用户及OEM产品可谓应有尽有。从我们的角度来看,SanDisk公司的未来发展之路绝对值得高度关注。
好文章,需要你的鼓励
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。