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
机器人和自动化工具已成为云环境中最大的安全威胁,网络犯罪分子率先应用自动化决策来窃取凭证和执行恶意活动。自动化攻击显著缩短了攻击者驻留时间,从传统的数天减少到5分钟内即可完成数据泄露。随着大语言模型的发展,"黑客机器人"将变得更加先进。企业面临AI快速采用压力,但多数组织错误地关注模型本身而非基础设施安全。解决方案是将AI工作负载视为普通云工作负载,应用运行时安全最佳实践。
MBZUAI研究团队发布了史上最大的开源数学训练数据集MegaMath,包含3716亿个Token,是现有开源数学数据集的数十倍。该数据集通过创新的数据处理技术,从网页、代码库和AI合成等多个来源收集高质量数学内容。实验显示,使用MegaMath训练的AI模型在数学推理任务上性能显著提升,为AI数学能力发展提供了强大支撑。
面对心理健康专业人士短缺问题,谷歌、麦肯锡和加拿大重大挑战组织联合发布《心理健康与AI现场指南》,提出利用AI辅助任务分担模式。该指南构建了包含项目适应、人员选择、培训、分配、干预和完成六个阶段的任务分担模型,AI可在候选人筛选、培训定制、客户匹配、预约调度和治疗建议等环节发挥作用。该方法通过将部分治疗任务分配给经过培训的非专业人员,并运用AI进行管理支持,有望缓解治疗服务供需失衡问题。
这项由多个知名机构联合开展的研究揭示了AI系统的"隐形思维"——潜在推理。不同于传统的链式思维推理,潜在推理在AI内部连续空间中进行,不受语言表达限制,信息处理能力提升约2700倍。研究将其分为垂直递归和水平递归两类,前者通过重复处理增加思考深度,后者通过状态演化扩展记忆容量。