昆腾公司CEO Jon Gacek与另一位高管Brad Cohen
昆腾公司本季度交上了令其难以置信的好运,营收数字远高于预期。
早在去年10月,昆腾就在经历了漫长的缩水甚至亏损问题后,于2017财年第二季度实现了营收与利润双重增长。具体来讲,多层、单命名空间的向外扩展文件管理软件StorNext帮助昆腾公司成功抵消了由磁带营收下滑造成的压力。在此之后,StorNext营收继续迅猛提升,这主要利益于其在数据保护领域的良好表现以及超越磁带的自动化功能。
当时,昆腾公司预计其2017财年第三季度的营收应该在1.25亿美元到1.3亿美元之间,取中位数为1.275亿美元,较上年同期下滑50万美元。然而如今事实证明,2017财年第三季度的营收高达1.33亿美元,而净利润则为650万美元。
营收总额较上年同期增长4%,且较比上个季度缩水1.3%,亦成为昆腾公司有史以来表现最为强劲的第三财季。
600万美元的利润(净收入)好于上年同期的300万美元亏损,亦优于上个季度的380万美元利润水平。
昆腾公司营收/净收入趋势图表,截止于2017财年第三季度
昆腾公司最近刚刚将其StorNext升级为5.4版本,该产品线被称为向外扩展分层存储,本季度为其带来4000万美元收入; 这一数字高于上年同期的3750万美元。昆腾的这一业务迎来12%的同比营收增幅,且已经连续22个季度实现同比增长。
在另一方面,昆腾公司的总体数据保护营收——包括Scalar磁带与DXI重复数据删除方案——亦实现200万美元同比提升,本季度达到8300万美元。
情况看起来确实有所好转,而且由于拥有自己的商业模式与发展战略,因此昆腾公司很可能开始进一步扩展其业务规模。现在我们基本可以肯定,昆腾公司已经逐渐摆脱了以往业务表现不力的阴影,并更加自信地走向光明未来。
好文章,需要你的鼓励
TAE Technologies在最新一轮投资中获1.5亿美元,累计融资约18亿美元。公司利用 AI 技术优化融合反应堆设计,目标于 2030 年代商业化发电,谷歌等巨头均参与合作。
这项来自KU Leuven、中科大和上海Memory Tensor公司的研究探索了如何利用拼图游戏训练多模态大型语言模型的视觉推理能力。研究发现,现有模型在未经训练时表现近似随机猜测,但通过强化学习能达到近乎完美的准确率并泛化到更复杂的拼图配置。有趣的是,模型能否有效学习与是否包含明确推理过程无关,且复杂推理模式是预先存在而非突然出现的。此外,研究证明强化学习在泛化能力上优于监督微调,挑战了传统的模型训练范式。这些发现不仅揭示了AI视觉理解的机制,还为未来多模态模型研发提供了重要参考。
Nvidia 正在全球数据中心推广 AI 芯片,其最新 Blackwell 架构在 MLPerf 基准测试中获得最高性能,大幅加速下一代 AI 应用的训练与部署。
这项研究提出了LoHoVLA,一种用于长时序实体任务的统一视觉-语言-动作模型,融合了高层任务规划和低层动作控制功能。与传统方法不同,它利用单一预训练视觉语言模型同时生成语言子任务和机器人动作,并采用分层闭环控制机制增强鲁棒性。研究团队构建了包含20个长时序任务的LoHoSet数据集,实验结果显示LoHoVLA在Ravens模拟器中显著优于现有方法,展现出统一架构在实现可泛化实体智能方面的潜力。