NetApp公司已经设法重新回归其以往的可靠运营思路:根据客户群体的实际需求重新构建方案组合,从而提升营收与利润水平。
2018财年第一季度该公司营收为13.3亿美元,较上年同期增长10%,而净利润则为1.36亿美元——增幅较上年同期提升达112.5%。
凭借着传统的季度性优势,上一季度(即2017财年第四季度)NetApp公司营收达14.8亿美元,净利润则达1.9亿美元。本季度的营收则成功超出NetApp公司原本作出的13.2亿美元营收预期。
其中全闪存阵列营收约占NetApp公司存储阵列总体营收的一半。该公司指出,其全闪存阵列的年度营收同比增长95%,目前已达15亿美元。战略性产品营收(占比为69%)为5亿美元,其中成熟产品营收(占比为31%)则为2.23亿美元。一年之前,这两项数字分别为4.11亿美元与2.49亿美元,公司CEO George Kurian表示战略性产品营收顺利实现22%的同比提升。
NetApp公司截至2018财年第一季度的各季度营收与GAAP净收入图表。
这里提到的战略性产品包括全闪存阵列、融合型基础设施以及混合云方案。
公司CFO Ron Pasek在周报电话会议当中指出,“这已经是我们连续第三个季度实现产品营收增长,这主要是受到我们成功转向市场增长点所带来的强劲推动。”
公司掌门人George Kurian则随后宣称,“我们正在建立起坚实的业务基础,毫无疑问,NetApp是行业中市场定位以及执行能力最出色的公司。”他预计该公司将实现“持续且拥有利润保障的增长势头”。
他还提出了自己设定的三项优先事项:
从客户渗透率来看,目前全闪存阵列的历史性拐点尚处于早期阶段——尚不足10%,因此NetApp公司希望能够向客户销售更多全闪存FAS、EF以及SolidFire阵列。Kurian表示,“我们已经在SAN市场上占有一席之地,而这正是闪存存储的主要竞争层面。我们对于自身在全闪存NAS市场上的地位非常看好,而目前的NAS市场转型趋势亦将为我们带来巨大的发展空间。”
一位提问者指出,SolidFire阵列营收目前约占NetApp公司整体营收的2%,其询问目前有哪些措施旨在增加这一数字。Kurian并没有否认这一结果,也没有提供任何新的数据。他回应称,“SolidFire已经被整合至NetApp公司的市场推广组织以及产品部门当中。我们对于这一整合工作感到满意。”
公司掌门人George Kurian亦做好了长期发展的准备,并补充称:“我们将在2017年年内推动SolidFire超融合型解决方案的市场发展。因此总体而言,我们的业务表现非常稳定。”
而稳定正是George Kurian最为称道的发展态势。
他简要讨论了NVMe与存储级内存介质,表示:“我们的方案能够帮助客户不断将这些新兴技术成果整合至ONTAP以及SolidFire数据管理架构当中。”
在谈到软件维护与硬件维护业务组合时,Pasek给出了较为负面的结果——相关营收为6.02亿美元,较上年同期下降5%。他将这一结果归因于此前的价格下调、上财年的更新执行问题以及近年来的产品营收持续缩水。
他解释称,“我们在去年第三季度之前一直遭遇产品营收缩水,但目前我们已经顺利扭转了这一颓势; 这应该能够在今年下半年带来帮助。另外,我们在2017财年下半年确实出现了一些服务执行问题。”
不过,“我们预计服务营收同比下降问题还将在未来几个季度内持续存在,并将在下一财年年初重新恢复增长。”
在被问及竞争问题时,Kurian表示:“惠普与戴尔在全闪存阵列市场发展方面皆存在重大漏洞,而且我们很明显在融合型基础设施市场的业绩与执行方面同二者存在明显差异。坦白地讲,这一领域是两大巨头的强项所在。”
“这两家企业都不具备明确的混合云存储方案。……其也面临着自己需要应对的过渡时期执行挑战,但很明显,我们继续保持着明确的领先优势,而对方必须想办法加以追赶——但这无疑需要相当长的时间周期。”
顺带一提,戴尔-EMC一直被认为是全闪存阵列市场的高营收巨头,同时亦在综合性超融合与融合型基础设施领域拥有极高地位。
NetApp公司给出的下一季度预期营收为13.1亿美元到14.6亿美元——取中位数计算则为13.85亿美元。而上年同期的营收水平则为13.4亿美元。因此……“我们正在稳步推进”。
好文章,需要你的鼓励
谷歌地图将集成Gemini人工智能技术,旨在将其升级为一个"全知型副驾驶"助手。这一整合将大幅提升地图服务的智能化水平,为用户提供更加个性化和全面的导航体验。通过AI技术的加持,谷歌地图有望在路线规划、地点推荐和实时信息服务等方面实现重大突破。
这项由圣母大学和IBM研究院联合开展的研究,开发出了名为DeepEvolve的AI科学助手系统,能够像人类科学家一样进行深度文献研究并将创新想法转化为可执行的算法程序。该系统突破了传统AI要么只能改进算法但缺乏创新、要么只能提出想法但无法实现的局限,在化学、生物学、数学等九个科学领域的测试中都实现了显著的算法性能提升,为AI辅助科学发现开辟了新的道路。
微软研究人员发布新的仿真环境来测试AI智能体,研究显示当前智能体模型容易受到操纵。该名为"Magentic Marketplace"的合成平台让客户智能体与商家智能体进行交互实验。测试包括GPT-4o、GPT-5和Gemini-2.5-Flash等模型,发现智能体在面临过多选择时效率下降,且在协作方面表现不佳。研究揭示了AI智能体在无监督环境下的性能问题。
卡内基梅隆大学研究团队通过3331次大规模实验,系统揭示了代码训练如何提升AI推理能力。研究发现,代码的结构特性比语义内容更重要,适当的抽象形式(如伪代码)可以达到与原始代码相同的效果。不同编程语言产生差异化影响:低抽象语言有利于数学推理,Python更适合自然语言任务。这些发现为AI训练数据的科学化设计提供了重要指导。