营收31.2亿美元
美国会计准则(GAAP)运营利润率18.6%;非美会计准则(Non-GAAP)运营利润率19.9%
美国会计准则(GAAP)每股摊薄收益(EPS)2.23美元;非美会计准则(Non-GAAP)每股摊薄收益2.41美元
运营现金流5.21亿美元,自由现金流4.26亿美元
通过股息和510万普通股回购,向股东返还6.22亿美元
财年运营现金流19亿美元,财年自由现金流14亿美元
中国,北京,2022年1月27日——全球领先的数据存储基础设施解决方案提供商希捷科技公司(NASDAQ:STX)日前发布了于2021年12月31日结束的2022财年第二财季财务报告。
希捷科技首席执行官Dave Mosley博士表示:“回顾2021年,希捷表现卓越。与上一财年相比,营收上涨18%,更是实现了39%的自由现金流增长,我们正将其有效地投入我们长期的资本回报项目中。”
“由于云数据中心对于大容量近线产品的强劲需求,本财季业绩突出,包括实现了6年以来的营收最高位。我们将继续在充满不确定性的商业环境中运营。今年,强劲的需求趋势推动我们营收增长,与我们3%至6%的长期财务增长区间保持一致,除非出现重大宏观性突发情况,希捷将以2021年所取得的业绩为基础,继续再接再厉 。”
季度财务报告
|
|
美国会计准则 GAAP |
|
非美会计准则 Non-GAAP |
||||||||||||
|
|
FQ2 2022 |
|
FQ2 2021 |
|
FQ2 2022 |
|
FQ2 2021 |
||||||||
|
营收(百万美元) |
$ |
3,11 |
6 |
|
$ |
2,623 |
|
|
$ |
3,116 |
|
|
$ |
2,623 |
|
|
毛利率 |
30.4 |
% |
|
26.5 |
% |
|
30.7 |
% |
|
26.8 |
% |
||||
|
18.6 |
% |
|
13.3 |
% |
|
19.9 |
% |
|
14.7 |
% |
|||||
|
净利润(百万美元) |
$ |
501 |
|
|
$ |
280 |
|
|
$ |
543 |
|
|
$ |
323 |
|
|
每股摊薄收益 |
$ |
2.23 |
|
|
$ |
1.12 |
|
|
$ |
2.41 |
|
|
$ |
1.29 |
|
2022财年第二财季,公司营运现金流为5.21亿美元,自由现金流为4.26亿美元。希捷资产负债表健康。在第二财季中,公司支付现金股息1.51亿美元,并以4.71亿美元回购510万股普通股。现金和现金等价物总额为15亿美元。截至本财季末,已发行和未发行普通股2.19亿股。
希捷科技公司还公布了补充财报信息,详情点击希捷官网投资者关系页面(investors.seagate.com)。
季度现金股息
董事会批准的季度现金股息为每股0.70美元,并将于2022年4月6日支付给2021年3月22日交易收盘时登记的所有股东。未来的季度股息支付将由公司董事会根据希捷的财务状况、运营业绩、可用现金、现金流、资本需求以及其它董事会认定的相关因素决定。
业绩展望
我们对2022财年第三财季的展望基于我们目前的假设和预期;实际结果可能因为包括下面前瞻性陈述的警示性说明中列举的重要因素在内的各种因素而有所不同。
公司预计2022财年第三财季业绩如下:
非美会计准则(Non-GAAP)每股摊薄收益的预测不包含已知的用于购买无形资产的摊销费用以及股权激励支出,两项分别为每股0.02美元以及每股0.17美元。
公司尚未将2022财年第三季度的非美会计准则(Non-GAAP)每股摊薄收益与最直接关联的美国会计准则(GAAP)相关指标进行对比,因为可能影响这些指标的重大事项不在我们的可控范围内和/或无法合理预测,这些项目包括但不限于加速折旧、资产减值、以及节约成本带来的费用、部门重组费用、战略投资损失或带来的减值、这些项目造成的所得税调整、以及其他可能产生的费用和收益。这些项目的数量目前暂时未知,但是可能对未来的财务结果产生巨大影响。很难将2022财年第三季度的非美会计准则(Non-GAAP)每股摊薄收益与美国会计准则(GAAP)相关数据进行对比。以上新闻稿中包含了我们已经实现的非美会计准则(Non-GAAP)与最相关的美国会计准则(GAAP)有关指标的对比。
好文章,需要你的鼓励
在2025年KubeCon/CloudNativeCon北美大会上,云原生开发社区正努力超越AI炒作,理性应对人工智能带来的风险与机遇。随着开发者和运营人员广泛使用AI工具构建AI驱动的应用功能,平台工程迎来复兴。CNCF推出Kubernetes AI认证合规程序,为AI工作负载在Kubernetes上的部署设定开放标准。会议展示了网络基础设施层优化、AI辅助开发安全性提升以及AI SRE改善可观测性工作流等创新成果。
维吉尼亚理工学院研究团队对58个大语言模型在单细胞生物学领域的应用进行了全面调查,将模型分为基础、文本桥接、空间多模态、表观遗传和智能代理五大类,涵盖细胞注释、轨迹预测、药物反应等八项核心任务。研究基于40多个公开数据集,建立了包含生物学理解、可解释性等十个维度的评估体系,为这个快速发展的交叉领域提供了首个系统性分析框架。
DeepL作为欧洲AI领域的代表企业,正将业务拓展至翻译之外,推出面向企业的AI代理DeepL Agent。CEO库蒂洛夫斯基认为,虽然在日常翻译场景面临更多竞争,但在关键业务级别的企业翻译需求中,DeepL凭借高精度、质量控制和合规性仍具优势。他对欧盟AI法案表示担忧,认为过度监管可能阻碍创新,使欧洲在全球AI竞争中落后。
西湖大学王欢教授团队联合国际研究机构,针对AI推理模型内存消耗过大的问题,开发了RLKV技术框架。该技术通过强化学习识别推理模型中的关键"推理头",实现20-50%的内存缩减同时保持推理性能。研究发现推理头与检索头功能不同,前者负责维持逻辑连贯性。实验验证了技术在多个数学推理和编程任务中的有效性,为推理模型的大规模应用提供了现实可行的解决方案。