戴尔科技(Dell Technologies)今天上午公布了第二季度表现强劲的收入和盈利增长,并提高了整个财年的预期,平息了外界对EMC整合导致戴尔无暇顾及核心业务的担忧。
所有关键业务部门都实现了两位数的增长,超融合基础设施业务收入实现三位数增长,这表明戴尔在经历了几个季度存储销售放缓之后仍在全力以赴。该季度的总收入同比增长了16%,达到231亿美元;净收入增长了21%,达到13.5亿美元。
该季度戴尔的营业收入为21亿美元,现金流为26亿美元,而且似乎已经准备好继续偿还2016年收购EMC欠下的590亿美元债务。
戴尔首席财务官Tom Sweet表示:“我们对目前业务的发展速度感到满意。我们在大多数细分领域实现的增长都是高于业界水平的,这帮助实现了强劲的现金流表现,并使我们能够在偿还债务方面取得更多进展。”
该季度戴尔偿还了26亿美元的贷款,使总债务为503亿美元。目前戴尔的资产负债表上持有215亿美元的现金和投资额。
存储业务复苏
戴尔的基础设施解决方案集团(包括销售面向数据中心的产品)业绩令人印象深刻,该业务创收92亿美元,同比增长24%。在遭遇了2017年收入和市场份额双下滑之后,今年这项存储业务强劲反弹,销售额增长13%,达到42亿美元。
“我们正在赢得市场份额、投资产能、提高产品组合的竞争力,而且各项指标看起来都不错,很好,”产品和运营副总裁Jeff Clarke表示,今年他对该部门进行了重组以提振存储销售额。
在收购EMC之后,戴尔首次在IDC市场报告中赢得存储市场份额。“我们完全相信,当IDC发布第二季度份额数据时,戴尔将在[服务器和外部存储系统]中获得份额,” IDC高级副总裁Matt Eastwood这样表示。
戴尔的服务器和网络设备销售增幅甚至超过了存储,到达34%。Clarke表示,服务器销售额连续第四个季度增长超过25%,出货的系统也采用了速度更快的CPU和更大容量的内存。“这表明我们销售的产品正在更深入地进入数据中心,”他说。
很大程度上“消化”了EMC之后,“相比之前独立的戴尔或者独立的EMC公司来说,现在戴尔的定位更多的是一家战略提供商,”Wikibon首席分析师David Vellante这样表示。
总体而言,戴尔正在受益于支出环境的利好。IDC预测,在可预见的未来企业以大约两倍于国内生产总值增长率的方式投资技术。“我们正处于以技术为主导的全球投资周期的早期阶段,在这个周期内,每家公司都会成为一家科技公司,”戴尔公司首席执行官Michael Dell在声明中这样表示。
Clarke说:“客户希望从一家合作伙伴那里购买到各种不同的解决方案,因此我们是处于一个有利位置的。”Vellante指出,竞争对手HPE决定退出低利润率的服务器业务,也让戴尔有更大的自由度,可以在低成本结构优势的市场中展开竞争。
该季度戴尔的个人电脑业务继续增长,增幅为13%达到111亿美元。戴尔表示,台式机和移动设备出货量创历史新高,同时平均销售价格也有所提高,商用PC销售的市场份额为22.8%,达到历史最高。
戴尔提高了一个月前公布的财年指引,称目前收入预计在905亿美元至920亿美元之间,高于此前预期的875亿美元。“戴尔是一家运营良好的公司,而且一直都是,”Vellante说。“EMC为其带来了真正的企业组合。”
好文章,需要你的鼓励
随着AI模型参数达到数十亿甚至万亿级别,工程团队面临内存约束和计算负担等共同挑战。新兴技术正在帮助解决这些问题:输入和数据压缩技术可将模型压缩50-60%;稀疏性方法通过关注重要区域节省资源;调整上下文窗口减少系统资源消耗;动态模型和强推理系统通过自学习优化性能;扩散模型通过噪声分析生成新结果;边缘计算将数据处理转移到网络端点设备。这些创新方案为构建更高效的AI架构提供了可行路径。
清华大学团队开发了CAMS智能框架,这是首个将城市知识大模型与智能体技术结合的人类移动模拟系统。该系统仅需用户基本信息就能在真实城市中生成逼真的日常轨迹,通过三个核心模块实现了个体行为模式提取、城市空间知识生成和轨迹优化。实验表明CAMS在多项指标上显著优于现有方法,为城市规划、交通管理等领域提供了强大工具。
Meta以143亿美元投资Scale AI,获得49%股份,这是该公司在AI竞赛中最重要的战略举措。该交易解决了Meta在AI发展中面临的核心挑战:获取高质量训练数据。Scale AI创始人王亚历山大将加入Meta领导新的超级智能研究实验室。此次投资使Meta获得了Scale AI在全球的数据标注服务,包括图像、文本和视频处理能力,同时限制了竞争对手的数据获取渠道。
MIT研究团队发现了一个颠覆性的AI训练方法:那些通常被丢弃的模糊、失真的"垃圾"图片,竟然能够训练出比传统方法更优秀的AI模型。他们开发的Ambient Diffusion Omni框架通过智能识别何时使用何种质量的数据,不仅在ImageNet等权威测试中创造新纪录,还为解决AI发展的数据瓶颈问题开辟了全新道路。