昆腾最新的财报结果显示,横向扩展存储增长的仍然不够快,无法弥补下滑的磁带存储收入——昆腾的业务仍然在收缩。
让我们来看看年度财报结果,首先来看下整体情况。
在截止于3月31日的2016财年,昆腾的收入为4.759亿美元,同比下滑14%。净亏损7470万美元,相比之下,一年前的利润为1680万美元。
全年亏损来自于每个季度的亏损,在最近一个季度亏损尤其严重。第四季度收入是1.2亿美元,相比一年前的1.478亿美元减少了18.8%。昆腾面临着一个具有挑战性的环境。
昆腾在2016财年第四季度遭遇5240万美元的亏损,比一年前的1290万美元利润差了很多。这个差距来自于5560万美元的非现金商誉减值费用。净亏损是5240万美元,不算费用的话是320万美元利润。
昆腾公司首席执行官兼总裁Jon Gacek的总结是这样的:“在2016财年我们在关键领域取得了进展,但是在企业存储市场中的疲软使得这对于整个存储产业来说都是困难的一年。”
从季度和全年来看,产品细分收入划分如下:
- 横向扩展存储:3310万美元和1.265亿美元
- 磁盘备份系统和相关服务:1810万美元和7320万美元
- 贴牌的磁带自动化和相关服务:3460万美元和1.463亿美元
- OEM磁带自动化和相关服务:1010万美元和4300万美元
- 设备和介质:1310万美元和4580万美元
- 税:1100万美元和4120万美元
如果我们看看2016财年每个季度的划分,把贴牌的和OEM的磁带自动化归为统一的数据,我们会看到一个相当稳定的局面:
如果我们把设备、介质和税收入增加到磁带自动化中,这个季度我们就得到了6880万美元,超过了横向扩展和磁盘备份的5120万美元。实际上昆腾仍然是一家磁带自动化公司。
尽管横向扩展存储的收入在这个季度同比有所增长,也是连续第19个季度实现增长,但是这块收入并没有超过基础的磁带自动化收入。带有重复数据删除功能的备份产品收入(DXi产品线)表现平平,大约是在1600万美元到2000万美元之间。
财报电话会议情况
在财报电话会议上,Gacek透露昆腾在美洲市场的横向扩展存储收入同比增长了44%,但是在EMEA和APAC都有所下滑。他说:“我们有信心,我们可以在目前这个季度和2017财年的剩余时间里实现更高的整体增长。”
横向扩展存储产品向视频监控市场的扩展,前景是很好的:“这包括在2016财年大举进军视频监控市场,收入增长了超过600%。”
他还表示,磁盘数据保护客户越来越多地购买横向扩展存储,10万美元备份的交易会转变为60万美元的横向扩展存储交易。
昆腾首席财务官Fuad Ahmad表示,昆腾“非GAAP毛利率为45.9%,或者非GAAP运营利率为7.2%。这是我们5个季度最高的毛利率和运营利润率,体现了我们在盈利和效率方面的承诺,这源自于在过去6个月中对成本结构所做的精简。因此,我们恢复了从运用中获得现金。总的来说,我们正在受到数据保护中最显著的企业存储环境挑战的影响。”
这里说的成本结构调整包括研发人员规模的精简。他说,减值费用是“归因于该季度我们股价的下滑”。
该季度股价最高达到0.65美元,现在是0.43美元。
他说,昆腾的策略就是通过增加横向扩展存储收入和整体盈利能力来不断提高股东价值。Gacek表示,横向扩展存储应该专注于媒体和娱乐、视频监控、非结构化数据归档和技术工作流方面。昆腾还将努力增加向云和云服务提供商的销售。
昆腾在18个月时间内做了一次明显的债务支付,Ahmed提到通过从运营中获得现金来解决问题。
昆腾预计下一个季度的收入在1.11亿美元到1.15亿美元之间,中点是1.13亿美元,高于一年前的1.109亿美元:这是新财年一个不错的开端。他预计整个2017财年的收入至少在5亿美元,超过2016财年的4.759亿美元,这也将成为昆腾自2008年以来首个财季增长。
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。