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
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。