数据存储厂商NetApp近日发布了第三季度财报,收益超出预期,收入与预期相符,但预计下一个季度收益可能低于分析师的预期目标,导致其股价在延长交易中下跌了9%。
该季度在不计入股票补偿等成本之后的每股收益为1.44美元,收入为16.1亿美元,高于去年同期的14.7亿美元,净收入为2.52亿美元,此前华尔街预期的每股收益仅为1.07美元。
NetApp公司首席执行官George Kurian表示,该季度的良好业绩得益于自身差异化技术组合满足了客户在云和数字化转型上的优先需求。
他说:“我们集中执行和有效管理暂时性的供应链问题,这让我们能够抓住不断扩大的机会,同时在实现持续增长和提供运营杠杆上投入。”
NetApp以提供高端企业存储系统而著称,但是近几年它一直试图把自己重塑成为混合云数据服务和数据管理厂商,事实上NetApp目前大部分销售额都归属于云计算。
NetApp也一直保持着与AWS、谷歌云以及微软Azure等公有云基础设施厂商的密切合作,此外还将NetApp Ontap文件存储软件作为云上的托管服务进行销售。
NetApp表示,该季度混合云业务部门的收入为15亿美元,高于去年同期的14.2亿美元。与此同时,公有云业务部门销售额增长至1.1亿美元,高于去年同期的5500万美元。
NetApp的传统业务也有所增长,产品收入同比增长9%,达到8.46亿美元。
NetApp还为投资者带来了更多好消息。NetApp称,目前公有云年化收入同比增长98%,达到4.69亿美元,全闪存阵列ARR达到32亿美元,创历史新高。ARR是指企业根据已签订合同估算通过为客户提供服务可获得的收入。
Moor Insights & Strategy分析师Steve McDowell认为,该季度NetApp取得了可观的业绩,这得益于他们在云业务方面令人印象深刻的执行力。
他说:“几年前,NetApp把云和云原生作为战略核心的时候,有很多人持怀疑态度,但是NetApp在这项战略上执行得非常好,如今他们的公有云业务同比增长了98%,达到4.69亿美元,公有云的毛利率达到71%,非常高。”
他还强调了NetApp云收入的留存率达到了169%,这一点Kurian也在电话会议上有所强调。他说,这表明NetApp的云客户不仅继续选择与NetApp合作,而且普遍增加了他们的支出。
至于NetApp的传统存储硬件业务,则表现比较温和,与整个行业面临供应难题和高需求的情况下继续挣扎的情况是保持一致的。
此外,NetApp称该季度的账单金额为17.6亿美元,同比增长10%。账单金额是指向客户收取的发票金额,是衡量未来收入的另一个指标。
展望未来,NetApp预计第四季度收入在16.35亿美元至17.35亿美元之间,每股收益在1.21美元至1.31美元之间,此前华尔街预期的收入为16.7亿美元,每股收益为1.35美元。
McDowell表示,尽管市场做出了反应,但鉴于目前闪存市场的紧缩,NetApp的谨慎预测并非完全出乎意料。事实上,他相信大多数其他存储厂商在发布财报时都会重申这一点。
“NetApp的表现符合我们大多数人的预期,他们给出的指引看起来似乎也会和未来几周其他厂商陆续发布的结果相一致。”
好文章,需要你的鼓励
在Meta Connect大会上,Meta展示了新一代Ray-Ban智能眼镜的硬件实力,配备神经腕带支持手势控制,电池续航翻倍,摄像头性能提升。然而AI演示却频频失败,包括Live AI烹饪指导、WhatsApp通话和实时翻译功能都出现问题。尽管Meta在智能眼镜硬件方面表现出色,但AI软件仍远未达到扎克伯格提出的"超级智能"目标。文章建议Meta考虑开放AI生态,允许用户选择其他AI服务商,这可能帮助Meta在AI硬件市场获得优势。
人民大学团队开发了Search-o1框架,让AI在推理时能像侦探一样边查资料边思考。系统通过检测不确定性词汇自动触发搜索,并用知识精炼模块从海量资料中提取关键信息无缝融入推理过程。在博士级科学问题测试中,该系统整体准确率达63.6%,在物理和生物领域甚至超越人类专家水平,为AI推理能力带来突破性提升。
英伟达同意以50亿美元收购英特尔股份,双方将合作开发多代数据中心和PC产品。英伟达将以每股23.28美元的价格收购约4%的英特尔股份,成为其最大股东之一。两家公司将通过NVLink接口整合各自架构,实现CPU和GPU间的高速数据传输。英特尔将为英伟达AI平台定制x86处理器,并开发集成RTX GPU的x86系统级芯片,用于消费级PC市场。
Anthropic研究团队开发的REINFORCE++算法通过采用全局优势标准化解决了AI训练中的"过度拟合"问题。该算法摒弃了传统PPO方法中昂贵的价值网络组件,用统一评价标准替代针对单个问题的局部基准,有效避免了"奖励破解"现象。实验显示,REINFORCE++在处理新问题时表现更稳定,特别是在长文本推理和工具集成场景中展现出优异的泛化能力,为开发更实用可靠的AI系统提供了新思路。