超融合基础设施厂商Nutanix今天公布第四季度财报,收入、利润以及下个季度指引均超出预期水平,使其股价有所上涨。
该季度Nutanix在不计入股票补偿等成本下每股亏损26美分,收入为3.907亿美元,比去年同期增长19%,高于分析师预期的每股亏损42美分,收入3.63亿美元。
Nutanix公司首席执行官Rajiv Ramaswami表示,由于Nutanix在财务和战略目标方面的一贯执行和稳健进展,因此在这个“表现出色的财年”有了一个强劲的收官。
“我们以良好的发展势头和稳健的增长计划进入2022财年,我们不仅执行了在分析师日上制定的模式,也实现了我们让云端隐形的愿景。”
Nutanix主要销售软件定义超融合基础设施(HCI),这种堆栈将计算、存储和网络组件集成到单个设备或者云服务中。此前Nutanix一直在尝试过渡到基于订阅的商业模式,该模式能够提供比产品销售更稳定的收入流。
Nutanix的这一转型进展顺利,该季度年度经常性收入为8.787亿美元,同比增长83%。
Moor Insights & Strategy分析师Steve McDowell表示:“Nutanix的季度表现非常出色,这些指标正是我们希望看到的。Nutanix的业务同比增长了近20%,每个重要的业务类别都有所增长。”
他指出,Nutanix总收入中有91%来自订阅业务,证明Nutanix从一家硬件公司向软件订阅模式的转型已经取得了成效。
去年Nutanix一度陷入困境,因为许多企业对新冠疫情大爆发的走向持观望态度。但是,一旦意识到远程工作模式将持久存在,企业就开始采取行动在基础设施上进行投入,以支持远程办公相关的工作负载。
Ramaswami在接受采访时表示:“随着企业迁移到云端并开始混合办公模式,他们的支出也开始有所回升。例如,企业正在做的一件事是就是启用虚拟桌面,这是我们一直非常擅长的领域,占到我们业务的20%到25%。”
Nutanix表示,年度合同账单价值(ACV)账单增长了26%,达到1.763亿美元,高于华尔街预期的1.719亿美元。ACV是Nutanix使用的一个重要指标,通过对一年内的价值进行平均和标准化来显示典型持续客户合同的价值。
Ramaswami解释了为什么ACV账单是企业最关注的指标之一,他说,对于订阅业务来说,重点不应该是与客户签订的长期合同。
他说:“你希望让他们年支出最大化。如果乐意的话,他们会继续购买下去。如果他们对产品感到满意,续订就是自然而然的。这就是我们专注于ACV的原因。我卖给你一份为期一年的合同,如果你满意,你会继续购买。如果你有ACV并专注于客户留存,你就将获得长期成功。”
Nutanix取得成功的很大一部分原因在于,它已经从超融合基础设施扩展到一系列存储和网络技术。McDowell表示,该季度Nutanix有超过半数的新客户交易都是来自这些新的平台,说明Nutanix与现有客户群建立了高度信任。
另一个关键因素是Nutanix与HPE等厂商的合作伙伴关系,例如HPE已经将Nutanix纳入自己的GreenLake即服务产品中,还有最近与Red Hat之间的合作。Ramaswami表示,与Red Hat的合作可能会在未来一两个季度开始看到回报。
他说:“重要的是,我们的虚拟机管理程序现在已经完全通过Red Hat认证,这简化了Nutanix客户群对Red Hat产品的采用。其二,对于那些想要运行现代云原生堆栈的客户来说,两者的结合提供了一整套解决方案。而且,我们的合作才刚刚开始。”
展望第一季度,Nutanix预计年合同价值在1.72亿美元至1.77亿美元之间,高于分析师普遍预期的1.693亿美元。
好文章,需要你的鼓励
大多数用户只使用计算机预装的操作系统直到报废,很少尝试更换系统。即使使用较老版本的Windows或macOS,用户仍可通过开源软件获益。本文建议通过重新安装系统来提升性能,Mac用户可从苹果官方下载各版本系统安装包,PC用户则建议使用纯净版Windows 10 LTSC以获得更长支持周期。文章强调备份数据的重要性,并推荐升级内存和固态硬盘。对于老旧系统,应替换需要联网的内置应用以降低安全风险,定期进行系统维护清理。
新加坡南洋理工大学研究团队提出"棱镜假设",认为图像可像光谱一样分解为不同频率成分,低频承载语义信息,高频包含视觉细节。基于此开发的统一自编码系统UAE,通过频率域分解成功统一了图像理解和生成能力,在多项基准测试中超越现有方法,为构建真正统一的视觉AI系统提供了新思路,有望推动计算机视觉技术向更智能统一的方向发展。
微软杰出工程师Galen Hunt在LinkedIn上宣布,目标是到2030年消除微软所有C和C++代码。公司正结合AI和算法重写最大的代码库,目标是"1名工程师、1个月、100万行代码"。微软已构建强大的代码处理基础设施,利用AI代理和算法指导进行大规模代码修改。该项目旨在将微软最大的C和C++系统翻译为内存安全的Rust语言,以提高软件安全性并消除技术债务。
芝加哥伊利诺伊大学团队提出QuCo-RAG技术,通过检查AI训练数据统计信息而非内部信号来检测AI回答可靠性。该方法采用两阶段验证:预检查问题实体频率,运行时验证事实关联。实验显示准确率提升5-14个百分点,在多个模型上表现稳定,为AI可靠性检测提供了客观可验证的新方案。