近日Pure Storage公布了表现抢眼的第二季度销售业绩,同时透露公司首席执行官Scott Dietzen将会卸任,担任董事会主席。
Former Pure Storage CEO Scott Dietzen
Dietzen的替代者Charles Giancarlo曾经在1993年到2007年期间在思科担任EVP、首席技术官和首席开发官。然后在2007年到2015年他成为Accenture、Avaya、Arista、Attivo Networks以及Imperva等公司的董事会成员,以及在Silver Lake Partners相继担任管理总监、价值创建负责人,以及高级咨询顾问。
但是Giancarlo此前并没有在像Pure Storage这样的公司内担任首席执行官,除了在2008年到2009年期间曾经短暂担任过Avaya的临时总裁及首席执行官。
Dietzen在准备好的声明中表示,搜寻继任者已经有一段时间了。“董事会和我计划进行有序的领导层过渡,并寻求合适的CEO实现和执行Pure Storage下一阶段愿景,我们几个月前开始在全球范围内搜寻以确定最佳候选人。”
“我们已经找到了Charlie作为领导者,我们期望他以创新精神、合作伙伴和客户所以来的高品质继续推动增长和确保市场领先地位。最重要的是,我们相信Charlie是壮大Pure Storage使其成为规模数十亿美元数据基础设施和解决方案全球领先公司的最佳人选。”
Giancarlo表示:“Dietzen在让公司取得长期成功方面做了大量工作……Pure Storage将在三个增长领域继续赢得市场份额:面向云的数据平台、加速以数据为驱动的应用例如人工智能和物联网,以及帮助那些希望从数据中心获取更多价值的企业。”
Pure Storage在截止于7月31日的第二季度收入同比增长37.6%达到2.245亿美元。净亏损6170万美元,与去年同期的5960万美元和上个季度的6240万美元大致相同。
Pure Storage 2018财年第二季度收入和GAAP净收益
Pure Storage公司首席财务官Tim Ritters总结说:“我们第二季度财报结果突显了业务的稳步增长、经营杠杆持续改善。我们将专注于执行在今年实现年收入突破10亿美元的计划,并在短期未来稳步实现盈利。”
Pure Storage在该季度赢得350多个新客户,客户总数突破3700家。
Giancarlo财报电话会议上显身谈到业绩。Dietzen介绍他说:“他拥有经营数百亿美元产品业务的经验,拥有CTO的经验,他具有初创公司的企业家精神,以及在思科管理高速增长的经验。”
云是主要的细分市场,其次是针对分析、人工智能、机器学习和深度学习的数据存储,第三个的传统本地部署的企业IT。FlashBlade产品在第二个细分市场尤为关键,总裁David Hatfield表示,这部分的收入“持续的增速是FlashArray的2倍”。
他补充说:“Pure Storage现在服务于跨软件即服务、基础设施即服务和消费者互联网的超过600家云公司。云仍然是我们实力最强的细分市场,占超过25%的收入份额,我们认为这部分将会赢得更多份额。”
Dietzen并不认为HCI产品适合于云领域、人工智能或者物联网领域,“在这方面超融合是无关的,因为并不允许你以恰当的比率混合配置GPU和CPU,以发挥数据的洞察力。”
在企业级领域HCI对Pure Storage的影响并不大,因为“从大规模来看,我们能够提供一些融合基础设施的东西,同样易于使用,但是有更高的性能、更低的成本且密度更高。”
当被问及CEO过渡的时候,Dietzen表示:“我已经在Pure Storage工作了7年时间,我们做到了一些了不起的事情,收入增长到10亿美元,全球员工从20人增加到2000人。对于Pure Storage的未来,我觉得我们需要一种不同的规模经营。”
Dietzen在2010年9月加入Pure Storage担任CEO。该公司创建于2009年。他此前是Zimbra的首席技术官、总裁,再之前是BEA Systems的CTO。
Pure Storage预计下个季度的收入在2.68亿美元到2.75亿美元——取中间点2.71亿美元的话,相当于同比增长37.6%。Giancarlo接手了一个高速增长的业务,需要保持正常运转,然后使其达到盈利。
好文章,需要你的鼓励
在我们的日常生活中,睡眠的重要性不言而喻。一个晚上没睡好,第二天的工作效率就会大打折扣,而充足的睡眠不仅能让我们恢复精力,还能帮助大脑整理和巩固当天学到的知识。有趣的是,AI模型竟然也表现出了类似的“睡眠需求”。
DeepSeek-AI团队通过创新的软硬件协同设计,仅用2048张GPU训练出性能卓越的DeepSeek-V3大语言模型,挑战了AI训练需要海量资源的传统观念。该研究采用多头潜在注意力、专家混合架构、FP8低精度训练等技术,大幅提升内存效率和计算性能,为AI技术的民主化和可持续发展提供了新思路。
尽管模型上下文协议(MCP)自11月推出以来用户数量快速增长,但金融机构等监管行业仍保持谨慎态度。银行等金融服务公司虽然在机器学习和算法方面是先驱,但对于MCP和Agent2Agent(A2A)系统的采用较为保守。监管企业通常只使用内部代理,因为其API集成需要经过多年审查以确保合规性和安全性。专家指出,MCP缺乏基本构建块,特别是在互操作性、通信标准、身份验证和审计跟踪方面。金融机构需要确保代理能够进行"了解您的客户"验证,并具备可验证的身份识别能力。
加拿大女王大学研究团队首次系统评估了大型视频语言模型的因果推理能力,发现即使最先进的AI在理解视频中事件因果关系方面表现极差,大多数模型准确率甚至低于随机猜测。研究创建了全球首个视频因果推理基准VCRBench,并提出了识别-推理分解法(RRD),通过任务分解显著提升了AI性能,最高改善幅度达25.2%。