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
新加坡国立大学研究人员开发出名为AiSee的可穿戴辅助设备,利用Meta的Llama模型帮助视障人士"看见"周围世界。该设备采用耳机形态,配备摄像头作为AI伴侣处理视觉信息。通过集成大语言模型,设备从简单物体识别升级为对话助手,用户可进行追问。设备运行代理AI框架,使用量化技术将Llama模型压缩至10-30亿参数在安卓设备上高效运行,支持离线处理敏感文档,保护用户隐私。
阿里达摩院联合浙江大学推出VideoRefer套件,这是首个能够精确理解视频中特定物体的AI系统。该系统不仅能识别整体场景,更能针对用户指定的任何物体进行详细分析和跨时间追踪。研究团队构建了包含70万样本的高质量数据集VideoRefer-700K,并设计了全面的评估体系VideoRefer-Bench。实验显示该技术在专业视频理解任务中显著超越现有方法,在安防监控、自动驾驶、视频编辑等领域具有广阔应用前景。
OpenAI推出新AI模型GPT-5-Codex,能够在无用户协助下完成数小时的编程任务。该模型是GPT-5的改进版本,使用额外编码数据训练。测试显示,GPT-5-Codex可独立工作超过7小时,能自动发现并修复编码错误。在重构基准测试中得分51.3%,比GPT高出17%以上。模型可根据任务难度调整处理时间,简单请求处理速度显著提升。目前已在ChatGPT付费计划中提供。
Sa2VA是由UC默塞德等高校联合开发的突破性AI系统,首次实现图像视频的统一理解与精确分割。通过巧妙融合SAM-2视频分割技术和LLaVA多模态对话能力,Sa2VA能够同时进行自然对话和像素级物体标注。研究团队还构建了包含7万多个复杂视频表达式的Ref-SAV数据集,显著提升了AI在长文本描述和复杂场景下的表现。实验显示,Sa2VA在多个基准测试中达到业界领先水平,为视频编辑、医疗诊断、智能监控等领域带来新的应用可能性。