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
zip2zip是一项创新技术,通过引入动态自适应词汇表,让大语言模型在推理时能够自动组合常用词组,显著提高处理效率。由EPFL等机构研究团队开发的这一方法,基于LZW压缩算法,允许模型即时创建和使用"超级tokens",将输入和输出序列长度减少20-60%,大幅提升推理速度。实验表明,现有模型只需10个GPU小时的微调即可适配此框架,在保持基本性能的同时显著降低计算成本和响应时间,特别适用于专业领域和多语言场景。
这项研究创新性地利用大语言模型(LLM)代替人类标注者,创建了PARADEHATE数据集,用于仇恨言论的无毒化转换。研究团队首先验证LLM在无毒化任务中表现可与人类媲美,随后构建了包含8000多对仇恨/非仇恨文本的平行数据集。评估显示,在PARADEHATE上微调的模型如BART在风格准确性、内容保留和流畅性方面表现优异,证明LLM生成的数据可作为人工标注的高效替代方案,为创建更安全、更具包容性的在线环境提供了新途径。
这项研究由中国科学技术大学的研究团队提出了Pro3D-Editor,一种新型3D编辑框架,通过"渐进式视角"范式解决了现有3D编辑方法中的视角不一致问题。传统方法要么随机选择视角迭代编辑,要么同时编辑多个固定视角,都忽视了不同编辑任务对应不同的"编辑显著性视角"。Pro3D-Editor包含三个核心模块:主视角采样器自动选择最适合编辑的视角,关键视角渲染器通过创新的MoVE-LoRA技术将编辑信息传递到其他视角,全视角精修器修复并优化最终3D模型。实验证明该方法在编辑质量和准确性方面显著优于现有技术。
这项研究提出了ComposeAnything,一个无需重新训练的框架,可显著提升AI图像生成模型处理复杂空间关系的能力。该技术由INRIA、巴黎高师和CNRS的研究团队开发,通过三个创新步骤工作:首先利用大型语言模型创建包含深度信息的2.5D语义布局,然后生成粗略的场景合成图作为先验指导,最后通过物体先验强化和空间控制去噪引导扩散过程。在T2I-CompBench和NSR-1K基准测试中,该方法远超现有技术,特别是在处理复杂空间关系和多物体场景时表现卓越,为AI辅助创意设计开辟新可能。