仍然在消化SanDisk的西数公司,售卖的磁盘驱动器超出了对手希捷,而且似乎闪存业务也蓬勃发展起来。
第二季度西数总收入49亿美元,同比增长48%——但那时候西数收购了SanDisk及其闪存业务,环比收入增长4%,不过第二季度往往从季度性来看都是高于第一季度的。
利润(净收益)为2.35亿美元,不如去年同期的2.51亿美元,但是要远好于上个季度的亏损3.66亿美元。西数正在为整合HGST和SanDisk付出代价。
这个季度西数出货了4480万部磁盘驱动器,同比减少9.9%,环比减少5.7%。
西数公司首席执行官Steve Milligan提到“我们团队在良好的市场环境下有出色的运营执行力,从而实现了12月这个季度抢眼的业绩表现”以及“市场对大容量企业硬盘、所有基于NAND的产品以及客户端应用硬盘的稳定需求。我们还实现了目标成本和效率改进,并通过持续强劲的现金流表现改善了我们的流动性状况。”
该季度西数从运营中获得了11亿美元现金,总现金、现金等价物以及可出售的证券达到了大约52亿美元——听起来就像是一家银行。
下面是季度收入和净收益表格:
按季度细分的磁盘驱动器出货情况:
上面这个细分表格显示,桌面驱动器环比增加,消费电子(CE)驱动器大幅下滑而笔记本驱动器出货量增长,贴牌驱动器出货量小幅增加。消费电子驱动器出货量的下滑是导致季度总驱动器出货量减少的主要原因。
不过西数的闪存出货量进行了一定的弥补。在财报电话会议上,西数公司首席运营官Mike Cordano表示:“我们来自客户端设备的收入环比增长主要是受到了客户端SSD和嵌入式产品的推动,收购SanDisk的收入协同效应有利于我们实现一个表现突出的季度。移动手机存储容量的增加,以及客户端SSD的市场表现,都是我们这部分业务的长期有利因素。”
对NAND的高需求以及NAND工厂产能意味着价格很高,从收入和毛利率的角度来看这是个好消息。
在财报电话会议上Milligan表示:“向3D技术持续过渡,按照计划我们的64层架构将进行升级。在12月这个季度,我们的64层产品开始向零售出货以及向OEM提供样品……我们完全可以期待我们将引领从2D NAND向3D NAND的转型。在2017年,你将看到我们的64层3D NAND将部署在我们的产品组合中,覆盖可移动嵌入式客户端SSD和企业级SSD产品。”
预计2017年西数将提供企业级64位3D NAND产品的样品。
他提到NAND代工合作伙伴东芝遇到的麻烦,但是并没有直接提到可能会部分出售东芝的NAND晶圆业务。这一切都令人放心:
我们的闪存合资伙伴正在面临挑战。在过去几周我们一直在与他们进行定期沟通。我们相信他们的半导体内存业务仍然健康并且在战略上是可执行的。在任何情况下,我们都将保护西数的利益并确保我们在合资公司中的领导地位。
企业数据中心对磁盘驱动器的需求集中在容量上,在这方面西数的10TB充氦气驱动器表现不错,而希捷由于进入充氦气驱动器技术领域较晚所以还处于认证阶段。Morton认为大容量驱动器的年PB级增幅将在40%左右。
西数认为下一次重要的磁盘驱动器记录技术转折点将出现在2019年,这就是热辅助磁记录(HAMR)。
当消费电子和非企业级(贴牌)磁盘驱动器业务分析师Katy Huberty问为什么希捷“业务环比增长20%而西数的业务下滑20%”的时候,Morton表示,现在希捷只能在监控硬盘领域赶上西数。
评论
总的来说,西数身处于一个有利的市场,整合HGST和SanDisk带来了更多节省成本的协同效应。我们将看看西数是如何销售64位3D NAND,对抗目前这个市场中的领导者三星公司。西数在硬盘出货量方面超过了希捷,4480万部对希捷的3990万部,应该增长速度继续超过希捷。希捷将更大力度地投入闪存业务。
西数预计下个季度的收入为45.5亿美元,去年同期为33亿美元。
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。