伴随着第四季度营收再度走低,EMC全年营收缩水11%。
戴尔科技集团在各大业务领域都交出了一份令人满意的2018年第四季度答卷——当然,存储业务除外。没错,EMC的加入让巨头戴尔的存储业务营收同比缩水达11%。
戴尔科技集团公布本季度整体营收为219.4亿美元,较上年同期增长9%。净亏损为5.33亿美元,情况同样远好上年同期的14亿美元亏损额。
下面来看具体数字:
|
2018年第四季度 |
2017年第季度 |
变化 |
终端客户解决方案集团 |
106亿美元 |
98亿美元 |
+8% |
基础设施解决方案集团 |
88亿美元 |
83.8亿美元 |
+5% |
VMware |
23亿美元 |
19亿美元 |
+20% |
其它 |
4.92亿美元 |
4.777亿美元 |
+3% |
为什么基础设施解决方案业务的增长率仅为5%?
|
2018年第四季度 |
2017年第季度 |
变化 |
存储 |
42.36亿美元 |
47.83亿美元 |
-11% |
服务器与网络 |
45.76亿美元 |
36.12亿美元 |
+27% |
总体 |
88.12亿美元 |
83.95亿美元 |
+5% |
其中存储一项就严重拉低了整体表现,并与服务器及网络业务高达27%的增幅形成鲜明对比。
在服务器方面,戴尔易安信的PowerEdge与Cloud服务器(服务器产品平均售价有所提升)都实现了两位数的增幅,继续保持着良好的增长势头。事实上,服务器与网络营收在本季度首次超越了存储收入。
戴尔科技集团产品与运营副总裁Jeff Clarke作出了以下说明,而我们能够从其言下之意中领会到其它线索:
我们的所有细分领域都取得了增长,特别是在商业客户与服务器及网络领域展现出强大的实力。此外,我们第四季度中在超融合基础设施营收方面迎来三位数增长,全闪存产品也实现两位数增长。我们认为,2019财年亦将成为传统存储业务的重要复苏机遇。
超融合基础设施与全闪存阵列确实发展势头喜人,纵观整个2018财年,全闪存营收已经逼近50亿美元大关。不过这同时意味着,磁盘与混合阵列、软件定义存储以及数据保护产品的表现则不太令人满意。
戴尔科技集团表示,其PC业务部门已经连续第二个季度实现销量同比增长。随着笔记本电脑与工作站产品平均售价的提升,再加上显示器营收的两位数增长,商业客户类营收顺利实现9%的同比涨幅。
移动工作站与Latitude业务在出货量与营收方面双双实现两位数提升。根据IDC发布的统计数据,戴尔公司目前已经成为全球工作站产品的龙头老大。
消费级营收亦凭借着笔记本电脑与XPS产品平均售价的上涨实现了6%的同比营收增长。
2018财年全年营收总额为787亿美元,较上年全年的616.4亿美元增长27.6%。净亏损额为38.6亿美元,略好于上年的37.4亿美元亏损。
然而,戴尔科技集团指出:“上一年的历史财报数据并不包含EMC公司2017财年第一、第二季度全季以及第三季度的部分收入,因此全年统计数据并不确切。EMC的营收贡献仅有2017财年第四季度被完整计入,所以只有第四季度具备比较意义。”
戴尔科技集团指出,自EMC收购交易完成以来,其已经偿付了100亿美元债务,且目前手中掌握着68亿美元运营现金流。
戴尔科技集团CFO Tom Seet表示:“我对2018财年的表现感到满意。我们以良好的收入与盈利势头结束了这一财年,且非GAAP营收同比增长15%。我们的提升速度达到或超越了市场上各业务领域的平均水平,并带来了强劲的运营现金流。”
着眼于2019财年,戴尔科技集团表示其希望能够进一步超越市场发展速度并实现股价上涨,特别是在存储与客户解决方案层面。其希望通过“平衡服务器销售与利润空间的方式提高基础设施解决方案部门的盈利能力,同时加快存储与数据保护业务的增长速度。”
我们也将在2019财年当中持续关注戴尔科技集团如何着力推动其传统存储业务重回增长正轨。
好文章,需要你的鼓励
这项研究提出了"VeriFree"——一种不需要验证器的方法,可以增强大型语言模型(LLM)的通用推理能力。传统方法如DeepSeek-R1-Zero需要验证答案正确性,限制了其在数学和编程以外领域的应用。VeriFree巧妙地计算正确答案在模型生成的推理过程后出现的概率,作为评估和训练信号。实验表明,这种方法不仅能匹配甚至超越基于验证器的方法,还大幅降低了计算资源需求,同时消除了"奖励黑客"问题。这一突破将有助于开发出在化学、医疗、法律等广泛领域具有更强推理能力的AI系统。
这项研究提出了"思想家"(Thinker)任务,一种受人类双重加工理论启发的新型AI训练方法。研究者将问答过程分解为四个阶段:快速思考(严格预算下给出初步答案)、验证(评估初步答案)、慢速思考(深入分析修正错误)和总结(提炼关键步骤)。实验表明,该方法使Qwen2.5-1.5B模型的准确率从24.9%提升至27.9%,DeepSeek-R1-Qwen-1.5B模型从45.9%提升至49.8%。显著的是,仅使用快速思考模式就能达到26.8%的准确率,且消耗更少计算资源,证明了直觉与深度推理作为互补系统的培养价值。
这项由ELLIS研究所和马克斯·普朗克智能系统研究所的科学家进行的研究,揭示了大语言模型安全测试的根本规律:越狱攻击成功率由攻击者与目标模型间的能力差距决定。通过评估500多个攻击者-目标组合,研究团队发现:更强的模型是更好的攻击者;当目标能力超过攻击者时攻击成功率急剧下降;社会科学能力比STEM知识更能预测攻击成功。基于这些发现,研究者建立了预测模型,表明随着AI进步,人类红队测试可能逐渐失效,提示需要发展自动化安全评估方法及更全面地评估模型的说服和操纵能力。
华中科技大学和香港中文大学研究团队提出SATORI-R1,一种通过空间定位和可验证奖励增强多模态推理的新方法。该方法将视觉问答任务分解为图像描述、区域定位和答案预测三个可验证阶段,解决了自由形式推理中注意力分散和训练收敛慢的问题。实验证明,SATORI-R1在七个视觉问答基准上一致提升性能,最高达15.7%,并展示出更聚焦的视觉注意力和更低的训练方差。