又是新的季度,永远不缺少激情的Imation公司再度公布财报:上季度总营收为9400万美元,亏损额则接近1000万美元;而本季度,其营收为1070万美元,亏损则激增至9110万美元。
看到这样的数字,我们不会会问,钱都去哪儿了?
下面我们会尝试分析如此可怕的数字,看看Imation公司到底出了什么问题。
2016年第一季度,Imation公司及其下辖子公司Nexsan总营收为1070万美元,净亏损额则高达9110万美元。
Imation公司将这一结果与上年同期进行了比较,表示去年第一季度营收为1570万美元,意味着砍掉业务表现不佳的部门外加利润微薄的业务导致其营收下滑31.8%。
然而,这里提到的1570万美元其实是去年第一季度Nexsan的营收数字。Imation本身去年第一季度营收为1.554亿美元,因此可以看到本季度营收急剧缩水93.1%。在此期间,Imation公司被激进派投资方所接管,并逐步清理掉除Nexsan之外的其它组件产品业务,同时着手收购Connected Data。然而这一系列举措的最终效果就是带来1070万美元的可怜营收。

为了提醒Imation其身处的可怕局面,我们列出了自2010年以来各开年首季度的营收数字:
• 2010年 - 3.658亿美元
• 2011年 - 3.165亿美元
• 2012年 - 2.633亿美元
• 2013年 - 2.244亿美元
• 2014年 - 1.789亿美元
• 2015年 - 1.555亿美元
• 2016年 - 1070万美元
那么股票价格又在什么水平?今天的交易价格为1.68美元每股,而2997年1月其每股价格高灰46.90美元。这显然是一场惨烈的失败。去年9月,克林顿集团取得了Imation公司的控制权,当时的股票价格在3美元到4美元之间。其他投资者们根本不会关心你们在此期间做了什么--股价就是最好的说明。
一年前Imation公司的净亏损额为1440万美元,如今则为9110万美元,运营状况可谓急剧恶化。然而最令人惊奇的是,CEO Bob Fernander居然表示:"本季度公司在多个方面实现成功。"
下面来看Bob F同志给出的解释(以下为其本人的原话摘录):
• "首先,我们遗留业务的营收下滑幅度与我们的财务业绩预期相一致。"
• "第二,存储行业对我们的UNITY产品表现出积极的反应。"
• "第三,我们的克林顿灯塔基金投资项目已经获得160万美元净利润,而且周期不足两个月,远远超出我们的预期。"
• "第四,我们已经与Spearpoint管理公司找到友好的解决办法,能够顺利处理退休股东向Imation董事及管理团队提起的诉讼案。"
• "最后,我们已经在Imation的核心业务之外开始推进投资与活动倡议,并将全力投身于长期战略的具体执行工作--即帮助陷入困境的企业为投资者带来更多价值回报。"
评论意见
到底什么叫"帮助陷入困境的企业为投资者带来更多价值回报"?这跟Imation自身以及存储业务到底有何关联?
在我们看来,Imation公司及其Nexsan子公司如今已经完全成为克林顿集团手中的傀儡,而Nexsan在逻辑上与克林顿集团毫无关系。当然,Geoff Barrall仍然负责Nexsan公司的运营工作,这意味着至少还有人在管理其存储业务。
Nexsan公司目前的年度营收总额为4300万美元。那么这一数字是否还有增长空间?最新的Unity产品在自身文件与块存储功能之外,还加入了Connected Data带来的同步与共享机制。另外,其还起诉EMC方面,要求其停止使用Unity品牌名称并误导客户。再有,Nexsan公司与X-IO之间签订了E60阵列供给协议,这可能会帮助其在本季度实现营收增长。另外,SATAbeast也已经再次回归。
我们希望本季度的巨额亏损只是暂时状况。Geoff Barrall到今年年底之前将把Nexsan公司的营收恢复至单季度2000万美元水平。而在成本削减之后,Nexsan公司将再次走向盈利正轨--当然,这一切都仅仅只是希望。
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。