尽管在2018财年第二季度表现出色,但是传统磁盘阵列销售的疲软仍然阻碍着Dell Technologies前进的脚步。
该季度Dell Technologies的收入为193亿美元,去年同期为130亿美元,同比增长48.5%,当然当时的财报中是不包括EMC的。GAAP净亏损为9.78亿美元,高于去年同期的2.62亿美元。
在季度末,Dell Technologies的现金和投资额为153亿美元,该季度已经支付了10亿美元的核心债务,自从收购EMC以来已经偿还了95亿美元的核心债务,剩下的核心债务为405亿美元。
Dell Technologies公司首席技术官Tom Sweet表示:“今天我们庆祝Dell与EMC历史性组合的一年……在第二季度,我们产生了强劲的现金流,并在去杠杆方面取得了进展。我们对客户、服务器、超融合和全闪存的增长速度感到高兴。”
细分结果如下:
- 客户解决方案(CSG):收入为99亿美元,同比增长7%,是两年来的最高
- 基础设施解决方案部门(ISG):收入为74亿美元,环比增长7%
- 服务器和网络收入为37亿美元,同比和环比增长16%
- 存储收入为37亿美元,环比增长0.4%,同比也有所下滑,如果以Dell和EMC产品重叠组合的综合存储收入来计算的话可能是15%。VMware收入为19亿美元
CSG表现出色,亮点包含:
- PC出货量增长3.7%,PC出货量连续第18个季度同比增长,也是自2006年以来最高的市场份额
- 笔记本表现突出,所有高端商用笔记本和消费级产品线都有双位数增长
- 是全球排名第一的工作站厂商
- 连续第16个季度是全球排名第一的显示器提供商,收入实现双位数增长
ISG服务器和网络表现还可以,但是存储方面有所下滑。尽管Dell宣称在全闪存阵列和超融合基础设施产品方面占据领先地位,但是这些收入并不足以抵消传统混合阵列的疲软。
Dell EMC总裁David Goulden表示,Dell EMC将“在商用进入市场部门、全球存储专业团队以及我们的渠道团队增加数百名存储专家,以提升我们存储产品进入市场的能力。我们预计这些变动将会在未来几个季度带来效果。”
Dell EMC的高管也对Virtustream公有云感到满意。公司首席财务官Sweet表示,自己“对我们目前在VMware与Dell销售的产品组合交叉销售所取得的成绩感到满意,因为我们利用这个业务家族扩大了我们的客户群”。
William Blair分析师Jadon Ader表示:“Dell在存储方面的表现较为薄弱……这主要是因为传统混合存储阵列表现疲软……我们猜测原因是来自更多现代化解决方案(来自自身产品组合以及来自竞争对手)的竞争、Dell与EMC之间大量产品重叠、以及兼并整合引起的销售执行问题。”
“与传统存储产品形成鲜明对比,市场对Dell EMC的下一代解决方案(例如全闪存阵列、超融合系统)有强劲的需求。总体来看,我们预计Dell EMC整体存储 业务的同比下滑幅度在百分之十几(计算上同期EMC的结果)”。
Ader认为:“对我们而言,Dell EMC存储业务的产品和执行挑战对NetApp和Pure Storage等竞争对手是有利的,并且短期内仍然存在。尽管如此,我们仍然意识到未来Dell EMC弹性捆绑和定价机制的潜力,重新获得失去的市场份额,特别是随着收入尘埃落定。”
“具体来说,我们将密切关注新的存储产品(特别是在全闪存阵列领域),并且加强销售和渠道执行(特别是在商业领域)。”
好文章,需要你的鼓励
本文评测了六款控制台平铺终端复用器工具。GNU Screen作为老牌工具功能强大但操作复杂,Tmux更现代化但学习曲线陡峭,Byobu为前两者提供友好界面,Zellij用Rust编写界面简洁易用,DVTM追求极简主义,Twin提供类似TurboVision的文本界面环境。每款工具都有各自特点和适用场景。
韩国汉阳大学联合高通AI研究院开发出InfiniPot-V框架,解决了移动设备处理长视频时的内存限制问题。该技术通过时间冗余消除和语义重要性保留两种策略,将存储需求压缩至原来的12%,同时保持高准确性,让手机和AR眼镜也能实时理解超长视频内容。
网络安全公司Snyk宣布收购瑞士人工智能安全研究公司Invariant Labs,收购金额未公开。Invariant Labs从苏黎世联邦理工学院分拆成立,专注于帮助开发者构建安全可靠的AI代理工具和框架。该公司提供Explorer运行时观察仪表板、Gateway轻量级代理、Guardrails策略引擎等产品,并在工具中毒和模型上下文协议漏洞等新兴AI威胁防护方面处于领先地位。此次收购将推进Snyk保护下一代AI原生应用的使命。
纽约大学研究团队通过INT-ACT测试套件全面评估了当前先进的视觉-语言-动作机器人模型,发现了一个普遍存在的"意图-行动差距"问题:机器人能够正确理解任务和识别物体,但在实际动作执行时频频失败。研究还揭示了端到端训练会损害原有语言理解能力,以及多模态挑战下的推理脆弱性,为未来机器人技术发展提供了重要指导。