数据中心软件和服务厂商Nutanix今天发布第一季度财报,结果超出了预期水平,且给出了强有力的下一季度指引,这也使得Nutanix股价在盘后交易中有所上涨。
该季度,Nutanix在不计入诸如股票薪酬等特定成本的情况下每股亏损44美分,收入为3.128亿美元,此前华尔街预期的每股亏损为57美分,收入为2.9934亿美元。
Nutanix还称,该季度的订阅计费为2.94亿美元,订阅收入为2.78亿美元,订阅收入可能是比产品销售更为稳定一些的。
Nutanix表示,年度合同价值账单(ACV)费用达到了1.378亿美元,比去年同期增长10%,这项计费也是Nutanix最近越来越重视的一项关键指标,主要是指“合同的年度总价值,不包括与专业服务和硬件有关的金额”。
Nutanix预计第二季度ACV收入将在1.45亿美元至1.48亿美元之间,远远超出华尔街预期的1.344亿美元。
投资者对这一结果很满意,Nutanix股价在盘后交易中上涨了7%多。
“我们对第一季度的财报表现感到满意,这标志着2021财年有一个非常强劲的开端,这个季度新产品不断普及,我们核心的超融合基础设施软件持续增长,”Nutanix联合创始人、首席执行官Dheeraj Pandey在声明中这样表示。
Nutanix首席财务官Duston Williams称,Nutanix以ACV为先的战略以及扎实的上市执行力,有助于Nutanix在所有关键财务指标上取得超乎预期的成绩。
他说:“展望未来,我们将继续谨慎地管理运营费用,继续执行业务模式转型,我们有信心Nutanix可以实现长期增长,让所有利益相关者从中受益。”
该季度Nutanix在产品方面有一些重要的进展。最早Nutanix的定位是虚拟桌面基础设施厂商,近年来更加专注于扩展自己的软件定义超融合基础设施堆栈,这种堆栈集成了计算、存储和网络等组件。今年9月,Nutanix宣布与微软达成重要的合作伙伴关系,有些类似于8月和AWS的合作,是在微软Azure上开发Nutanix的超融合基础设施系统。
Pandey说:“我们在8月发布了在AWS云上的解决方案之后,宣布与微软建立重要合作伙伴关系,在Azure上开发我们的产品组合,从而使Nutanix超融合基础设施系统拥有显着的竞争优势,帮助客户构建混合云和多云环境。”
Moor Insights&Strategy分析师Steve McDowell表示,Nutanix表现强劲的第一季度说明Nutanix向基于订阅的业务模式的转型,终于获得了回报。
McDowell说:“Nutanix在执行订阅驱动的策略方面可以说几乎是完美的,再加上他们有不错的产品组合,和AWS及微软Azure的合作也开始看到回报,我们可以看到的几乎所有指标都在朝着正确的方向发展着。”
他认为,今年的疫情也让Nutanix在一定程度上有所受益。他强调,采用超融合基础设施和软件定义技术的企业组织似乎比其他企业组织能够更好地应对疫情带来的挑战,这主要因为这种系统可以支持快速重新配置和远程管理。
他说:“Nutanix的软件定义方法与订阅模型相结合,在未来12到18个月内持续经济不确定性的情况下是非常有意义的,Nutanix为企业提供了运营灵活性和预算控制力。”
Constellation Research分析师Holger Mueller补充说,Nutanix在削减销售和营销费用方面也做得很好。
他说:“这是运营改进的关键来源。现在Nutanix需要继续保持下去,努力实现增长,确保在更多平台上构建创新的产品,特别是从与微软Azure新建立的合作伙伴关系开始。”
Pandey三个月前宣布,计划找到继任者后就退休,但是目前Nutanix没有提供任何最新的消息。
好文章,需要你的鼓励
OpenAI CEO描绘了AI温和变革人类生活的愿景,但现实可能更复杂。AI发展将带来真正收益,但也会造成社会错位。随着AI系统日益影响知识获取和信念形成,共同认知基础面临分裂风险。个性化算法加剧信息茧房,民主对话变得困难。我们需要学会在认知群岛化的新地形中智慧生存,建立基于共同责任而非意识形态纯洁性的社区。
杜克大学等机构研究团队通过三种互补方法分析了大语言模型推理过程,发现存在"思维锚点"现象——某些关键句子对整个推理过程具有决定性影响。研究表明,计划生成和错误检查等高层次句子比具体计算步骤更重要,推理模型还进化出专门的注意力机制来跟踪这些关键节点。该发现为AI可解释性和安全性研究提供了新工具和视角。
传统数据中心基础设施虽然对企业至关重要,但也是预算和房地产的重大负担。模块化数据中心正成为强有力的替代方案,解决企业面临的运营、财务和环境复杂性问题。这种模块化方法在印度日益流行,有助于解决环境问题、满足人工智能的电力需求、降低成本并支持新一代分布式应用。相比传统建设需要数年时间,工厂预制的模块化数据中心基础设施可在数周内部署完成。
法国索邦大学团队开发出智能医学文献管理系统Biomed-Enriched,通过AI自动从PubMed数据库中识别和提取高质量临床案例及教育内容。该系统采用两步注释策略,先用大型AI模型评估40万段落质量,再训练小型模型处理全库1.33亿段落。实验显示该方法仅用三分之一训练数据即可达到传统方法效果,为医学AI发展提供了高效可持续的解决方案。