尽管服务器销售额下滑,IBM连续22个季度的存储硬件收入下滑被闪存存储阵列销售增加所抵消,而且我们估计IBM在整体存储市场中位列第三的位置。
IBM CEO 罗睿兰
让我们深入了解2017年第一季度的业绩数据。根据IBM的季度收益表,IBM该季度182亿美元的总收入中主营业务收入:
- 系统收入:14亿美元,同比减少16%
- 系统硬件:10亿美元,同比减少18%
- z Systems同比减少40%
- Power同比减少27%
- 存储同比增加7%
- 操作系统软件:4亿美元,同比减少10%
- 技术服务和云:82亿美元,同比减少2%
- 认知解决方案:41亿美元,同比增加2.1%
- 全球业务服务:40亿美元,同比减少2%
系统部分是这四类中最小的。IBM的图表显示,z Systems大型机和Power服务器收入及毛利率下滑,这反应了产品周期;没有新的套件刺激升级业务。存储硬件收入增长主要是由闪存主导,我们计算存储收入为4.64亿美元。
就IBM存储硬件收入持续下滑的模式来说,这个季度是一个小的高峰。下面这个图表显示了IBM存储硬件的年收入:
同样的数据按照季度和年显示,包括最近一个季度:
上扬趋势明显。这是异常情况吗?产品组合中哪些闪存产品推动了增长?
系统细分产品和其他存储收入
IBM在自己的云中售卖存储软件并提供对象存储服务(Cleversafe),这些都是来自Systems的不同收入流。这在业绩材料中并没有分组显示,但是我们可以从CEO及高级副总裁Shroeter声明及财报电话会议中寻找蛛丝马迹。
他谈到了分析这个细分市场,说:“我们在内部部署的数据库和数据仓库方面取得了良好的增长,其中包括DB2、Informix和Netezza。内容和集成产品这个季度也有增长,因为数据接收是认知之旅的一个重要初始步骤。”
“再看交易处理软件,我们z Systems中间件和存储中间件推动着性能的持续改进。虽然总体业务在下滑,但是我们有一些领域是增长的,例如软件定义存储。”
在Systems细分市场,他说:“跨产品组合部署闪存进行重新定位之后,存储出现了增长。Systems毛利率同比下滑,z Systems、Power和存储都有所下滑,因为我们在经历市场转型和产品过渡。”
服务器
“在z Systems方面,大型机继续提供高价值的、安全的、可扩展的平台,这对我们客户的需求来说至关重要,可以应对现有的和新兴的工作负载。该季度我们新增了7家客户,从这个周期开始以来增加了87个。”
IBM这个季度赢得了5家金融服务客户,但是收入和利润表现相对较差,按照预计还有9个季度进入目前的z Systems产品周期。今年晚些时候IBM应该还会推出新的大型机产品。
“Power在下滑,这反映了我们正在转向增长中的Linux市场,同时继续服务于高价值的、但是下滑中的UNIX市场……我们在这方面处于劣势,我们有3%的份额,所以我们还没有很多机会。”
存储硬件和软件
存储收入增长7%主要是“因为全闪存阵列的双位数增长。闪存在中端和高端方面都为我们的存储收入增长做出了贡献。”但是“存储的毛利率在下滑,因为硬件继续受到价格压力的影响。”
他说现在出现了向软件定义存储的转型,“在软件定义存储方面我们继续引领市场”。目前我们没有得到数据证明这个说法,Dell EMC可能认为实际上他们领导这个领域。
我们再一次在软件定义存储方面实现了双位数的收入增长,这并没有体现在我们的Systems细分市场报告中。现在我们整体存储收入中软件占到了40%多。
所以,这意味着存储软件在IBM存储收入中占比不到60%。我们假设45:55分,55%存储硬件收入就是4.64亿美元,该季度软件收入是3.8亿美元,存储整体收入是8.44亿美元。
最近有多家厂商公布了财报,NetApp的存储收入为14亿美元,Teradata为6.26亿美元,HPE为7.3亿美元,Dell EMC为20多亿美元。看起来IBM在整体存储市场中处于第三的位置,领先于HPE、Teradata和其他像Veritas这样的大厂商。
财报电话会议没有透露其他信息,除了IBM存储和服务企业业务受到的冲击。我们可以想象,目前IBM的装机群中仍然有闪存阵列升级的巨大潜力,预计未来几个季度会看到IBM在存储硬件收入、以及存储软件收入方面继续增长。
好文章,需要你的鼓励
机器人和自动化工具已成为云环境中最大的安全威胁,网络犯罪分子率先应用自动化决策来窃取凭证和执行恶意活动。自动化攻击显著缩短了攻击者驻留时间,从传统的数天减少到5分钟内即可完成数据泄露。随着大语言模型的发展,"黑客机器人"将变得更加先进。企业面临AI快速采用压力,但多数组织错误地关注模型本身而非基础设施安全。解决方案是将AI工作负载视为普通云工作负载,应用运行时安全最佳实践。
MBZUAI研究团队发布了史上最大的开源数学训练数据集MegaMath,包含3716亿个Token,是现有开源数学数据集的数十倍。该数据集通过创新的数据处理技术,从网页、代码库和AI合成等多个来源收集高质量数学内容。实验显示,使用MegaMath训练的AI模型在数学推理任务上性能显著提升,为AI数学能力发展提供了强大支撑。
面对心理健康专业人士短缺问题,谷歌、麦肯锡和加拿大重大挑战组织联合发布《心理健康与AI现场指南》,提出利用AI辅助任务分担模式。该指南构建了包含项目适应、人员选择、培训、分配、干预和完成六个阶段的任务分担模型,AI可在候选人筛选、培训定制、客户匹配、预约调度和治疗建议等环节发挥作用。该方法通过将部分治疗任务分配给经过培训的非专业人员,并运用AI进行管理支持,有望缓解治疗服务供需失衡问题。
这项由多个知名机构联合开展的研究揭示了AI系统的"隐形思维"——潜在推理。不同于传统的链式思维推理,潜在推理在AI内部连续空间中进行,不受语言表达限制,信息处理能力提升约2700倍。研究将其分为垂直递归和水平递归两类,前者通过重复处理增加思考深度,后者通过状态演化扩展记忆容量。