云服务提供商在 2024 年第四季度采购了更多大容量硬盘,推动 Seagate 营收增长近 50%。
Seagate 在 2025 财年第二季度(截至 12 月 27 日)的营收从去年同期的 15.5 亿美元增长至 23.3 亿美元。公司实现 GAAP 利润 3.36 亿美元,相比去年同期亏损 1900 万美元实现显著转折。然而,投资者对其下一季度的预期表现不太满意。据路透社报道,硬盘制造商预计第三季度营收约为 21 亿美元,低于分析师平均预期的 21.9 亿美元。
CEO Dave Mosley 表示:"Seagate 以强劲势头结束了 2024 年,全年各季度的营收、毛利率和非 GAAP 每股收益均实现连续增长。我们的业绩展示了业务结构的改善,以及在需求改善环境下注重价值获取的成果,12 月季度末的毛利率创下十年新高。"
"我们的业绩得益于几乎所有市场需求的增长,其中云计算领域增长最为显著。来自全球云客户的广泛需求使得 12 月季度的近线产品收入同比增长近一倍,全年近线收入增长接近 60%。"
"总的来说,Seagate 在需求增长的环境下,在竞争和技术方面都处于优势地位。"
公司的 24TB CMR 和 28TB SMR 硬盘产量快速增长,这两款产品代表了 Seagate 收入和容量最高的生产平台。
财务摘要: - 毛利率:34.9%,去年同期为 23.3% - 经营现金流:2.21 亿美元 - 自由现金流:1.5 亿美元,上季度为 2700 万美元 - 稀释每股收益:2.03 美元,去年同期为 0.12 美元 - 股息:每股 0.72 美元 - 现金及现金等价物:12.3 亿美元,去年同期为 7.87 亿美元
然而,公司遇到了影响非 HAMR 硬盘的生产问题,目前已经解决。这导致了即将到来的 3 月季度供应受限。CFO Gianluca Romano 在财报电话会议上表示:"由于我们没有及时补充必要的生产设备,在某个时期没有启动足够的材料生产。因此,我们没有足够的供应来满足 2025 财年第三季度的需求。"
随着其他市场领域低迷,大容量近线硬盘的占比继续上升。
Mosley 强调了 AI 驱动的未来:"我们预计生成式 AI 将推动未来大容量存储的增长。这一点在生成式 AI 模型创建的数据丰富的图像和视频内容方面尤为明显,预计从 2024 年到 2028 年将增长近 170 倍。"
硬盘之所以必要,是因为"在 AI 模型训练数据集不被 GPU 主动处理时,HDD 在存储这些海量数据集方面发挥着关键作用。这些大规模存储数据湖通过存储 AI 模型数据集的检查点或快照,确保数据能够保留并用于未来持续的模型改进,从而形成可信 AI 的基础。"
"随着 AI 计算和推理向数据生成源靠近,我们预计企业将在边缘本地复制和存储更多数据。视频监控和工业应用 (VIA) 是边缘计算的另一个充满机遇的市场。一段时间以来,我们一直在谈论 VIA 市场中 AI 分析的增加应用,这有助于从智慧城市和智能工厂等应用的数据中形成可行的洞察。"
HAMR 技术硬盘认证工作正在推进,Mosley 表示:"现在在每个大容量终端市场都有多个客户通过了该平台的认证。目前,我们正在为主要云服务提供商客户增加产量,同时推进其他云和超大规模客户的认证。这些认证将为 2025 年下半年开始的下一阶段 Mosaic 量产奠定基础。"
Seagate 计划依靠 HAMR 技术的面密度提升来增加容量,而无需在其十盘片产品中增加额外的盘片。竞争对手西部数据现在已有 11 盘片硬盘。
SSD 和 HDD 将共存。"数据中心架构师将继续采用硬盘存储和 NAND 闪存等面向计算的内存技术来支持其各种工作负载。NAND 最适合高吞吐量、低延迟任务,而硬盘仍是云中大规模数据存储的首选解决方案。"
Mosley 断言:"HDD 为客户提供的每 TB 存储成本至少低 6 倍。它们具有显著更小的内含碳足迹,并提供高度资本效率的制造规模。"
下一季度的展望预计环比收入下降至 21 亿美元(上下浮动 1.5 亿美元),以中点计算同比增长 26.9%。
好文章,需要你的鼓励
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。