尽管数据中心厂商Nutanix公布的第二季度财报业绩好于华尔街预期,但股价仍然在今天有所下跌。
Nutanix主要提供集成了计算、存储和网络的超融合IT基础设施。根据财报显示,该季度不计入股票薪酬等特定成本的情况下每股亏损60美分,收入为3.468亿美元,高于去年同期的3.354亿美元。 。
华尔街此前预期的是每股亏损69美分,收入为3.4109亿美元。
这么来看Nutanix的表现不错,但是在发布下一个季度指引的时候,任何乐观情绪很快就被冲淡了。Nutanix表示,预计下个季度每股亏损89美分,远高于华尔街分析师预期的74美分。
这也让Nutanix的股东不寒而栗,股票在盘后交易中迅速下跌了16%。
Nutanix首席执行官Dheeraj Pandey在接受采访时提到了,Nutanix在订阅业务执行速度(这意味着短期内收入减少)的问题,以及新冠病毒对亚太地区和日本区带来的潜在影响。他说,调低预期中大约有三分之二是由于服务业务向订阅转型的速度快于预期。
就在两年前,Nutanix还被视为一家硬件公司,主要面向企业数据中心售卖融合的服务器和存储平台。但如今,硬件仅占Nutanix销售额很小一部分,因为Nutanix现在更多的是一家软件公司,售卖用于混合云和多云部署的虚拟化平台。
至少Nutanix的转型过渡是很顺利的。Nutanix该季度的订阅费用为3.99亿美元,比去年同期增长45%。Nutanix表示,订阅费用该季度总收入的79%。此外,订阅收入增长了69%,达到2.67亿美元,占总收入的77%。
Pandey表示,这证明Nutanix向外界传递有关转移许可的信息正在带来成效。他预测未来三年Nutanix全部业务都将采用订阅模式。
他说:“我们的堆栈可以运行在任何地方,包括公有云上。我们可以实现很多升级,为任何位置运行的应用提供便捷性和可靠性。”
Moor Insights&Strategy分析师Steve McDowell表示,大多数关键指标表明,Nutanix的转型进展顺利。
他说:“上一季度订阅增长了69%,占收入的75%多。合同续签率上升了近20%,这突显了Nutanix实现令人难以置信的97%的客户保留率。”
应对转型过渡是一回事,但赚钱却是另一回事,投资者仍然对Nutanix最终的盈利能力感到担忧。
针对这些担忧,Pandey坚持认为,Nutanix的情况并不像看起来那样糟糕,Nutanix的资产负债表上还有许多递延收入,这些收入将在今后显现出来。
Pandey说:“向软件模式转移将让我们获得更大的杠杆作用,纵向扩展的成本更低,在使用现金方面我们一直很谨慎。”
谈到新冠病毒带来的影响,Pandey说这一点很难预测,但已经在日本(Nutanix的主要市场)以及亚洲其他地区看到了一些影响。苹果等其他科技企业也表示,新冠病毒在中国爆炸并在其他地方传播,可能让业务发展有所放缓。
Pandey表示:“这是我们第一次真正面对一个非常黑暗的环境。但生意还必须做下去。在某个时候,生产会恢复,运输会恢复。”
McDowell认为,Nutanix面临的最大问题不是新冠病毒,而是向企业推销订阅产品时,企业固有的、时间更长的销售周期。
他说:“这与售卖超融合基础设施设备是完全不一样的。这是一个模型,所需的技能与Nutanix此前的完全不同,正是这种不匹配,导致了令人失望的指引。”
他仍然认为,没有理由怀疑Nutanix的长期前景。他说,超融合基础设施市场仍在增长,除了VMware的产品之外,Nutanix仍然是唯一真正的选择。 他还指出,Nutanix的“狂热忠实”客户群是他持乐观态度的另一个原因。
McDowell认为:“危险是在中期。如果Nutanix的股票继续下跌,那么就会变成一个诱人的收购目标。现在,Nutanix的市值刚刚突破60亿美元,这对于超融合基础设施领域的收购来说成本是极高的。如果降低几个点的话,对于HPE这样的厂商应该是负担得起的。”
好文章,需要你的鼓励
OpenAI发布了音视频生成模型Sora 2,同时推出配套社交应用Sora,用户可生成包含自己的视频并在类似TikTok的信息流中分享。Sora 2在物理定律遵循方面有显著改进,视频更加真实。应用提供"客串"功能,允许用户将自己植入生成场景中,并可与朋友分享形象使用权限。该iOS应用目前在美加地区采用邀请制,ChatGPT Pro用户可直接体验。
Queen's大学研究团队提出结构化智能体软件工程框架SASE,重新定义人机协作模式。该框架将程序员角色从代码编写者转变为AI团队指挥者,建立双向咨询机制和标准化文档系统,解决AI编程中的质量控制难题,为软件工程向智能化协作时代转型提供系统性解决方案。
大语言模型和生成式AI自诞生以来问题频发,从推理模型表现不佳到AI幻觉现象,再到版权诉讼,这些都表明当前技术路径可能并非通往真正智能的正确道路。专家认为,仅靠增加数据和算力的扩展模式已显现边际效应递减,无法实现通用人工智能。研究者提出智能应包含统计、结构、推理和目标四个层次的协调,并强调时间因果性的重要性。面对LLM技术局限,业界开始探索神经符号AI等替代方案。
西北工业大学与中山大学合作开发了首个超声专用AI视觉语言模型EchoVLM,通过收集15家医院20万病例和147万超声图像,采用专家混合架构,实现了比通用AI模型准确率提升10分以上的突破。该系统能自动生成超声报告、进行诊断分析和回答专业问题,为医生提供智能辅助,推动医疗AI向专业化发展。