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
zip2zip是一项创新技术,通过引入动态自适应词汇表,让大语言模型在推理时能够自动组合常用词组,显著提高处理效率。由EPFL等机构研究团队开发的这一方法,基于LZW压缩算法,允许模型即时创建和使用"超级tokens",将输入和输出序列长度减少20-60%,大幅提升推理速度。实验表明,现有模型只需10个GPU小时的微调即可适配此框架,在保持基本性能的同时显著降低计算成本和响应时间,特别适用于专业领域和多语言场景。
这项研究创新性地利用大语言模型(LLM)代替人类标注者,创建了PARADEHATE数据集,用于仇恨言论的无毒化转换。研究团队首先验证LLM在无毒化任务中表现可与人类媲美,随后构建了包含8000多对仇恨/非仇恨文本的平行数据集。评估显示,在PARADEHATE上微调的模型如BART在风格准确性、内容保留和流畅性方面表现优异,证明LLM生成的数据可作为人工标注的高效替代方案,为创建更安全、更具包容性的在线环境提供了新途径。
这项研究由中国科学技术大学的研究团队提出了Pro3D-Editor,一种新型3D编辑框架,通过"渐进式视角"范式解决了现有3D编辑方法中的视角不一致问题。传统方法要么随机选择视角迭代编辑,要么同时编辑多个固定视角,都忽视了不同编辑任务对应不同的"编辑显著性视角"。Pro3D-Editor包含三个核心模块:主视角采样器自动选择最适合编辑的视角,关键视角渲染器通过创新的MoVE-LoRA技术将编辑信息传递到其他视角,全视角精修器修复并优化最终3D模型。实验证明该方法在编辑质量和准确性方面显著优于现有技术。
这项研究提出了ComposeAnything,一个无需重新训练的框架,可显著提升AI图像生成模型处理复杂空间关系的能力。该技术由INRIA、巴黎高师和CNRS的研究团队开发,通过三个创新步骤工作:首先利用大型语言模型创建包含深度信息的2.5D语义布局,然后生成粗略的场景合成图作为先验指导,最后通过物体先验强化和空间控制去噪引导扩散过程。在T2I-CompBench和NSR-1K基准测试中,该方法远超现有技术,特别是在处理复杂空间关系和多物体场景时表现卓越,为AI辅助创意设计开辟新可能。