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
很多人担心被AI取代,陷入无意义感。按照杨元庆的思路,其实无论是模型的打造者,还是模型的使用者,都不该把AI放在人的对立面。
MIT研究团队提出递归语言模型(RLM),通过将长文本存储在外部编程环境中,让AI能够编写代码来探索和分解文本,并递归调用自身处理子任务。该方法成功处理了比传统模型大两个数量级的文本长度,在多项长文本任务上显著优于现有方法,同时保持了相当的成本效率,为AI处理超长文本提供了全新解决方案。
谷歌宣布对Gmail进行重大升级,全面集成Gemini AI功能,将其转变为"个人主动式收件箱助手"。新功能包括AI收件箱视图,可按优先级自动分组邮件;"帮我快速了解"功能提供邮件活动摘要;扩展"帮我写邮件"工具至所有用户;支持复杂问题查询如"我的航班何时降落"。部分功能免费提供,高级功能需付费订阅。谷歌强调用户数据安全,邮件内容不会用于训练公共AI模型。
华为研究团队推出SWE-Lego框架,通过混合数据集、改进监督学习和测试时扩展三大创新,让8B参数AI模型在代码自动修复任务上击败32B对手。该系统在SWE-bench Verified测试中达到42.2%成功率,加上扩展技术后提升至49.6%,证明了精巧方法设计胜过简单规模扩展的技术理念。