闪存阵列提供商Pure现在正式成为一个规模数十亿美元的厂商,随着来自Dell EMC和HPE的竞争逐渐消退,Pure似乎有望最终实现盈利。
截至2018年1月31日止的第四季度,Pure收入同比增长48%至3.383亿美元,较上季度增加34%。产品销售额增长48%,达到2.7740亿美元,服务销售额达到6090万美元。
销售额的大约76%来自美国,剩余的来自全球其他地区。
该季度净亏损1190万美元,明显好于去年同期亏损4290万美元和上一季度亏损4166万美元。这是Pure自上市以来最小的亏损,如图所示:
由于最近一个季度亏损大幅减少,我们可能会看到Pure在未来几个季度首次实现盈利。
从全年来看,收入增长41%至10.2亿美元,净亏损1.776亿美元,对比去年来看:
首席执行官Charlie Giancarlo声称,“独立的IT企业达到这个收入规模一般需要20年,而我们成立8年以来,我们已经实现了10亿美元的里程碑。”
总裁David Hatfield指出,“我们所有竞争对手的胜率都在提高”。
竞争力较弱
该季度Pure新增了500个客户,总数超过4500个。Wells Fargo高级分析师Aaron Rakers表示:“IDC估计,2017年第四季度Dell EMC全闪存收入同比减少13%。”
“我们预计全闪存VMAX收入同比减少16%(XtremIO -36%),市场份额在第四季度为29%,而一年前为38%。”
我们也知道HPE全闪存阵列的销售额在最近一个季度增长了16%。
Rakers表示:“HPE的全闪存阵列市场份额为12.5%,低于一年前的14.4%——主要动力来自Nimble(第四季度同比增长112%/年),抵消了全闪存阵列3PAR的疲软(同比减少3%)。”
以下是Rakers准备的关于全闪存阵列厂商的收入对比表:
图表显示有三个增长明显的产品:NetApp的全闪存FAS、Pure的FlashArray和IBM的FlashSystem。
Dell EMC的XtremIO虽然在过去几个季度略有回升,但降幅最大。HPE Nimble的全闪存阵列现在处于相同的收入区间,而且也在不断上升,而NetApp的SolidFire则在不断增长。他在此图表上没有标出HPE 3PAR。
说回Pure
Rakers还提到:
- 基于NVMe的FlashArray // x系列采用率抢眼,占收入的20%,估计为距离最近的竞争对手的10倍
- FlashBlade在面向下一代工作负载(AI、机器学习等)方面保持发展势头
- Pure报告市场对快速备份/恢复的需求有所增加
- 思科/FlashStack产品在未来12-18个月内可能出现来自超大规模数据中心的商机
哈特菲尔德在财报中提到FlashStack:“FlashStack的发展势头依然强劲,目前已经覆盖30多个国家,与思科的这种联合解决方案的增长速度已经大大超过了整体融合基础设施和集成系统市场。
他称赞了FlashBlade的大规模并行架构及其快速恢复能力,但没有发布任何数字:“FlashBlade这一年表现非常好的一年,以出色的Q4为这一年画上句号。”
Pure目前的员工规模超过2100人,这一年中增加了约400人。
Pure预测下一季度的收入为2.46亿美元至2.45亿美元,2019年全年为13.1亿美元至13.60亿美元。
好文章,需要你的鼓励
邻里社交应用Nextdoor推出重新设计版本,新增本地新闻、实时警报和名为"Faves"的AI功能,用于发现本地商户和地点。该应用与3500家本地出版商合作提供新闻内容,通过Samdesk和Weather.com提供天气、交通、停电等实时警报。Faves功能利用15年邻里对话数据训练的大语言模型,为用户提供本地化AI推荐服务,帮助用户找到最佳餐厅、徒步地点等本地信息。
Skywork AI推出的第二代多模态推理模型R1V2,通过创新的混合强化学习方法,成功解决了AI"慢思考"策略在视觉推理中的挑战。该模型在保持强大推理能力的同时有效控制视觉幻觉,在多项权威测试中超越同类开源模型,某些指标甚至媲美商业产品,为开源AI发展树立了新标杆。
英国生物银行完成了世界上最大规模的全身成像项目,收集了10万名志愿者的超过10亿次扫描数据,用于研究人体衰老和疾病过程。该项目历时11年,每次扫描耗时5小时,投资6200万英镑。目前已有8万人的成像数据供全球研究人员使用,剩余数据将于年底前发布。项目已开发出能预测38种常见疾病的AI工具,并在心脏病、痴呆症和癌症诊断方面取得突破。
这项由北京大学等多所高校联合完成的研究,首次对OpenAI GPT-4o的图像生成能力进行了全面评估。研究团队设计了名为GPT-ImgEval的综合测试体系,从文本转图像、图像编辑和知识驱动创作三个维度评估GPT-4o,发现其在所有测试中都显著超越现有方法。研究还通过技术分析推断GPT-4o采用了自回归与扩散相结合的混合架构,并发现其生成图像仍可被现有检测工具有效识别,为AI图像生成领域提供了重要的评估基准和技术洞察。