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
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。