数据存储厂商NetApp公布第一季度财报结果超出了自己的收益和收入预期,但这仅仅是因为NetApp刚刚在两周前调低了原先的预期。
NetApp主要面向混合云IT环境销售混合数据存储硬件和软件。NetApp该季度在股票补偿等特定成本之前的利润为每股65美分,收入为12.4亿美元,低于一年前的14.7亿美元。
此前华尔街预期利润为每股58美分,收入为12.3亿美元。
NetApp最初预测第一季度每股盈利78至86美分,收入在13.1亿美元至14.6亿美元之间。但两周前,NetApp令人意外地大幅调低预期,利润调整为每股55至60美分,并表示收入可能在12.2亿美元至12.4亿美元之间。
NetApp收入下滑的一个原因是丢掉了来自此前企业软件许可协议的9000万美元销售额,因为客户没有再续订这些许可协议了。
NetApp首席执行官George Kurian表示,他对这一结果感到失望,但对公司的战略和商业模式仍然充满信心。
“我们对毛利率和成本结构所做的改善为自由现金流提供了支持,让我们能够应对持续的宏观经济逆势,同时制定能够让我们恢复增长的战略措施,”他说。
他在电话会议中补充说,他收到了客户和合作伙伴关于其Data Fabric战略的积极反馈。这就需要NetApp向那些想要采用“软件定义”方法管理数据的客户销售它的混合存储硬件和软件服务。Data Fabric还可以帮助客户连接不同的存储资源并简化内部部署环境与云环境之间的信息管理,从而可以根据需要快速将数据移入和移出云端。
然而,这一战略是否有助于NetApp获得新客户仍有待观察。两周前,Moor Insights&Strategy分析师Steve McDowell曾表示,NetApp正在努力在现有传统客户群之上扩大市场,而现有的客户群似乎也正在萎缩。但他表示,对于NetApp而言,Data Fabric战略仍然是一个不错的选择,因为目前在混合云和多云市场中并没有明确的主导者。所以机会仍然是有的。
McDowell表示:“NetApp没有从市场中消失的危险,但仍然处境艰难,而Kurian做出了他能够做出的唯一举措。”
Kurian的乐观态度似乎至少让投资者们感到放心。两周前市值缩水20%多之后,NetApp股价有所回升,盘后交易中上涨了3%。NetApp还通过股票回购和现金股息的方式向股东返还3.65亿美元。
展望下一季度,NetApp预计收入在13.25亿美元至14.75亿美元之间,其中间点要高于分析师预期的13.7亿美元收入。
另一方面在中国市场,联想与NetApp组成的合资公司正在默默的耕耘。双方有很美好的愿景,NetApp具备多年的存储技术和基于闪存的创新能力,以及在存储市场的影响力。联想具备全球的覆盖渠道以及在中国市场强有力的本地化服务的能力。新的公司的高层也多次强调要基于Data Fabric这个发展理念来为用户提供智能数据管理。
目前新的公司已经陆续推出多个解决方案,特别是基于智慧化的解决方案。在中国一个更显著的特征是从上到下对于智能的支持,“人工智能”“智能+”多次被政府工作报告提到。而人工智能发展的基础是数据,是庞大的数据,目前联想凌拓除了推动NetApp Data ONTAP统一存储解决方案、NetApp FlexPod,也在通过基于全闪存来推动智能化应用落地。
联想凌拓已经在包括医院、政府、教育等领域加速IT升级,积极推动数据向着智能化应用发展。
好文章,需要你的鼓励
联想在CES展会上发布了AI助手Qira,该系统可跨联想和摩托罗拉设备生态运行,包括智能手机、可穿戴设备、PC和平板等。Qira不仅是聊天机器人,还能执行实际任务,如设备间文件传输。该系统具备情境感知能力,通过融合知识库创建个性化体验。联想强调隐私保护,优先本地处理数据。Qira将于2026年第一季度首先在联想设备上推出。摩托罗拉还展示了搭载Qira的AI可穿戴设备Project Maxwell概念产品。
剑桥大学研究团队首次系统探索AI在多轮对话中的信心判断问题。研究发现当前AI系统在评估自己答案可靠性方面存在严重缺陷,容易被对话长度而非信息质量误导。团队提出P(SUFFICIENT)等新方法,但整体问题仍待解决。该研究为AI在医疗、法律等关键领域的安全应用提供重要指导,强调了开发更可信AI系统的紧迫性。
在CES 2026主题演讲中,麦肯锡全球管理合伙人鲍勃·斯特恩费尔斯和通用催化剂CEO赫曼特·塔内贾表示,AI正以前所未有的速度重塑技术领域。塔内贾指出,Anthropic估值在一年内从600亿美元飙升至数千亿美元,预计将出现新一波万亿美元公司。然而,非技术企业对AI全面采用仍持观望态度。两位高管强调,人们必须认识到技能培训和再培训将是终身事业,传统的22年学习40年工作模式已被打破。
威斯康星大学研究团队开发出Prithvi-CAFE洪水监测系统,通过"双视觉协作"机制解决了AI地理基础模型在洪水识别上的局限性。该系统巧妙融合全局理解和局部细节能力,在国际标准数据集上创造最佳成绩,参数效率提升93%,为全球洪水预警和防灾减灾提供了更准确可靠的技术方案。