第三季度,NetApp在如股票补偿等某些特定成本之前利润为每股1.20美元,此前华尔街分析师预期的是每股1.15美元。
但是NetApp未能达到收入预期。该季度NetApp的销售额为15.6亿美元,低于预期的16亿美元。此外,接下来的第四季度指引也不尽如人意,NetApp预计未来三个月的收入将在15.9亿美元至16.9亿美元之间,低于华尔街预期的17亿美元。
NetApp股票在盘后交易时段迅速下挫6%多。
Moor Insights&Strategy分析师Steve McDowell表示,NetApp投资者们主要担心的是,在上一季度整体增长超过19%的存储市场中,NetApp似乎正朝着错误的方向发展。
“该季度NetApp的产品收入增幅同比下降至9%左右,指引下滑至5%,”McDowell表示。“NetApp的增长速度低于市场整体水平。”
NetApp的问题与其技术无关,McDowell表示,NetApp的技术“非常令人印象深刻。”但是,NetApp正在被关注范围更广的竞争对手所超越,其中包括Dell Technologies、HPE和IBM。
McDowell说:“Dell EMC、HPE甚至是IBM都在利用其整体解决方案销售来达成交易,这对他们来说效果很好。NetApp没有服务器业务,这一点限制了它的影响力。”
NetApp试图通过与联想合作来解决这一问题。联想是最大的服务器制造商之一,尤其是在中国市场。但McDowell说,双方的关系仍处于萌芽期,因此未来几个季度可能不会看到多少成果。
NetApp首席执行官George Kurian在电话会议上表示,令人失望的收入增长是“宏观经济不确定性”的结果,部分归咎于上个月美国联邦政府的停摆。
他说:“我们看到,我们最大的客户在1月减少了采购量。我们看到了经济的不确定性。但我们对各种变化因素的控制执行得很好。”
NetApp一直在努力从依赖硬件销售,到更新的、软件定义的网络和存储产品。例如,NetApp Data Fabric产品旨在简化和集成云和本地环境中的数据管理。
Kurian表示,至少在这方面NetApp表现得不错。在电话会议期间,他强调了NetApp混合存储和云存储软件产品以及全闪存阵列的强劲业绩。他表示,NetApp决定将其存储软件扩展到公有云——特别是谷歌和微软——对于客户来说是一个关键卖点。
Constellation Research分析师Holger Mueller表示,NetApp的软件定义存储产品组合让他感到鼓舞,但同时表示,NetApp需要重振这些产品,并展示出比目前更高的增长率。“NetApp能够做到这一点,因为它的产品很强大,但也要看在进入市场方面的执行力。”
对于NetApp来说,这并不是它面临的唯一挑战。NetApp还需要加强全闪存产品的销售,这不是一件容易的事。
McDowell说:“我怀疑目前NetApp在全闪存阵列市场的大部分增长仅仅是面向现有客户的销售,他们早就应该升级更新了。”
McDowell不是唯一一个对NetApp前景表示担忧的分析师。Enderle Group的Rob Enderle表示,他个人很悲观,因为整个存储都变成了亏本销售,Dell、HPE和IBM都设法将NetApp排除在外。他还表示,VMware vSAN超融合软件定义存储产品由于承诺彻底消除存储管理员,所以也对存储系统的需求产生了负面影响。
他说:“NetApp无法改变这种情况,我担心,这会让它的处境更加艰难。NetApp体量不够大或者不够强大,而且我认为他们也没有完全意识到这一风险,以走出困境。
好文章,需要你的鼓励
周一AWS美东数据中心DNS故障导致数百万用户和上千家企业断网,Reddit、Snapchat、银行和游戏平台均受影响。专家认为这凸显了冗余备份的重要性,CIO需要根据业务关键性进行风险评估,优先保护核心系统。单一供应商策略仍可行,但需通过多区域部署分散风险,建立故障转移计划。金融、医疗等高风险行业需更高冗余级别。
上海AI实验室等机构联合提出FrameThinker框架,革命性地改变了AI处理长视频的方式。该系统采用"侦探式"多轮推理,先快速扫描全视频获得概览,再有针对性地深入分析关键片段。通过两阶段训练和认知一致性验证,FrameThinker在多个视频理解基准测试中准确率平均提升10.4%,计算效率提高20倍以上,为AI视频理解领域带来突破性进展。
英国政府发布新的反勒索软件指导文件,旨在解决供应链安全薄弱环节。该指南与新加坡当局联合制定,帮助组织识别供应链问题并采取实际措施检查供应商安全性。英国国家网络安全中心过去一年处理了204起"国家重大"网络安全事件。指南强调选择安全可靠的供应商、加强合同网络安全条款、进行独立审计等措施,以提升供应链韧性和防范网络攻击。
复旦大学团队创建MedQ-Bench基准,首次系统评估AI模型医学影像质量评估能力。研究覆盖五大成像模式,设计感知-推理双层评估体系,意外发现医学专用AI表现不如通用AI。结果显示最佳AI模型准确率仅68.97%,远低于人类专家82.50%,揭示了AI在医学影像质控应用中的现实挑战和改进方向。