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
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。