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
法国人工智能公司Mistral AI宣布完成17亿欧元(约20亿美元)C轮融资,由荷兰半导体设备制造商ASML领投。此轮融资使Mistral估值从去年的60亿美元翻倍至137亿美元。英伟达、DST Global等知名投资机构参投。作为欧洲领先的AI开发商,Mistral凭借先进的多语言大模型与OpenAI等美国公司竞争,其聊天机器人Le Chat具备语音模式等功能。
腾讯ARC实验室推出AudioStory系统,首次实现AI根据复杂指令创作完整长篇音频故事。该系统结合大语言模型的叙事推理能力与音频生成技术,通过交错式推理生成、解耦桥接机制和渐进式训练,能够将复杂指令分解为连续音频场景并保持整体连贯性。在AudioStory-10K基准测试中表现优异,为AI音频创作开辟新方向。
VAST Data收购了成立仅数月的初创公司Red Stapler,该公司由NetApp资深团队创立。Red Stapler创始人兼CEO Jonsi Stefansson将担任VAST云解决方案总经理,负责超大规模云战略。Red Stapler拥有6名开发人员,开发了跨SaaS交付、API集成、监控等功能的云控制平面和服务交付平台,将加速VAST AI OS在超大规模和多云环境中的部署,深化与全球领先超大规模云服务商的合作关系。
Meta与特拉维夫大学联合研发的VideoJAM技术,通过让AI同时学习外观和运动信息,显著解决了当前视频生成模型中动作不连贯、违反物理定律的核心问题。该技术仅需添加两个线性层就能大幅提升运动质量,在多项测试中超越包括Sora在内的商业模型,为AI视频生成的实用化应用奠定了重要基础。