美光已经是连续第5个季度收入下滑了,在连续第11个盈利的季度之后,最终变成了亏损。那么这家美国的内存和NAND巨头到底发生了什么?
在截止于3月3日的第二季度,美光收入29.3亿美元,同比减少29.7%,环比减少12.3%。
在净收益方面,这个季度美光亏损了9700万美元。而一年前,美光是盈利9.34亿美元,所以这个转变颇让人意外。
首席执行官Mark Durcan面临的难题就是,DRAM平均销售价格和销售量下滑近10%,外加NAND平均销售价格下滑6%,部分被销售量增加所弥补。美光表示,这个结果受到了PC市场季度性持续萎缩的影响以及在移动等细分市场的产品发布时间点都是有关的。
Durcan表示,未来两个季度应该会转好:"尽管我们仍然面对具有挑战的市场条件,但我们正在稳步部署我们先进的DRAM和NAND技术,改善我们的成本结构。因此,当进入2016年下半年,我们预计会显著改善竞争定位。"
目前美光正在向一级OEM厂商提供最新支持3D NAND的PCIe NVMe客户端SSD。未来两个季度,美光将会出货Crucial品牌的低成本3D NAND客户端SSD--高性能驱动器瞄准游戏玩家--以及一款2TB的客户端OEM驱动器。在企业级领域是为HPE和其他主流OEM厂商提供8GB NVDIMM。
在内存领域,20纳米的8Gb DDR4产品已经竞争了最初客户认证。预计在2016财年第三季度,随着这个20纳米技术的部署,将实现双位数增长,DRAM成本会相应降低。
美光认为,DRAM产业的字位供应增幅将在2016年降低到大约20%-25%,而NAND产业字位供应增幅大约在35%-40%的区间,低于长期需求预期水平或者与其持平。
NAND方面的进展要比DRAM慢,3D NAND制程工艺方面进展良好,预计将会有显著的字位增幅,从今年秋季开始每字位的成本也会开始降低。
首席执行官Ernie Maddock在财报电话会议上表示:"我们开始出货S600系列SAS驱动器,这是美光与希捷战略合作生产的首个产品。随着逐步量产,我们预计将在第三季度获得来自这款新产品的收入。"
Stifel Nicolaus分析师Aaron Rakers评论说,数据中心SSD市场看到了来自TLC NAND竞争对手降低价格的压力,以及来自超大规模客户在企业级SATA SSD方面的激烈竞争,这都要归结于三星。
Rakers认为,拥有15纳米技术的SanDisk,在TLC NAND方面相比美光是有优势的。
Durcan谈到了3D XPoint方面的进展:"今年我们进入启用模式,我们将会与不同的终端细分市场合作。一些客户已经对移动领域产生了浓厚的兴趣,一些企业级的客户看重大数据应用,一些移动客户看重低功耗……"
在移动设备上的使用还是一个相对很新的想法。"在早期,随着我们不断改进这项技术,预计相互蚕食会逐渐减少,直到消除。随着时间的推移,这项技术逐渐成熟,数量显著增加,我相信其中一些量是来自于以前属于DRAM的量,甚至可能最终是取代了其他类型的非易失性内存。但是总体来说,这是一项具有差异化的技术,至少在未来2-4年间,会不断扩大整个内存市场的规模。" Durcan表示。
像3D XPoint这样新兴的技术,估计要到2017年才会产生收入了。第三季度的收入预期是28亿美元到31亿美元,中间点是29.5亿美元,与第二季度基本持平。这意味着可能亏损还要继续。
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。