全闪存阵列目前占NetApp销售总额的14%,高于去年的10%。该公司乐观地预计,NAND价格的下跌将推动这一数字持续上涨。
Net App公司的闪存阵列业务成为其新财年第一季度(截至2018年7月28日)14.7亿美元营收的最大贡献支柱,亦成功推动季度营收较上年同期增长11%。
NetApp公司负责人George Kurian在财报电话会议上表示,“随着磁盘相对成本的上涨,我们发现磁盘/闪存混合系统的混合比例开始发生转变。全闪存阵列也在这波趋势当中实现初步逆转。”
然而,他向投资者们保证称,“但客户并不会削减投资额度,他们只会继续保持预算金额并购买更多闪存——而非磁盘——以消化这笔既定开支。”
在说完了3D NAND闪存价格持续走低这一暖场议题之后,他补充称“随着3D NAND价格的改善,我们开始清楚地意识到,高性能磁盘驱动器,或者说万转磁盘驱动器将全面被全闪存阵列击败。”
该公司本季度净收入为2.83亿美元,较上年同期增长116%。
产品营收为8.75亿美元,较上年同期增长20%; 软件维护收入为2.29亿美元(同比增长3%); 此外,硬件维护与其它服务带来3.7亿美元,与上年同期相比基本持平。
Kurian在财报会议上回答了分析师提出的“产品收入的增长速度……仍然远高于服务营收”,并沮丧地表示“没错,产品的毛利率确实低于服务,对吧?”
该公司还受益于对公有云情有独钟的客户,他表示“企业在长期投资当中全面采用NetApp数据结构,这表明客户对NetApp的产品充满信心。”
根据IDC方面今年6月公布的数据,SolidFire阵列营收为4600万美元。而据Wells Fargo高级分析师Aaron Rakers称,SolidFire的全闪存EF系列与ONTAP阵列总计带来4.334亿美元。目前,我们还不确定超融合型基础设施产品的营收数字。
Rakers在此次电话会议上就此事与NetApp的超融合型基础设施产品开发进度提问,Kurian则回应称“关于我们如何巩固超融合型基础设施领域,我们将在确定时提供明确的答复。”
他同时补充称,“就目前而言,超融合型基础设施已经成为我们产品营收的组成部分。我们发现有更多竞争对手参与进来,而我们正在赢得市场份额……我们占据着很好的竞争地位。……我们在NetApp Insight大会上发布了一系列令人非常兴奋的产品公告,您将看到我们如何将NetApp超融合型基础设施引入到我们引人注目的Data Fabric体系当中。”
NetApp Insight大会将于今年10月22日至24日在拉斯维加斯举行,其中还将包含与对象存储StorageGRID产品相关的最新消息。
在此之后,Kurian又谈到了CEO们最感兴趣的其它竞争供应商:
我认为,传统竞争对手仍然面临着非常严峻的挑战。大家可能已经发现,像EMC或者惠普这样的大型企业仍然在努力对其领先的闪存产品组合进行合理化调整,因为他们的产品至今仍然不够完整。
如果大家观察像IBM、Hitachi、富士通以及甲骨文等企业,就会发现他们基本上都承认很难拓展新的部署空间。他们基本上都是在勉力捍卫自己的原有客户群体。在这方面,初创企业同样面临着挑战。
他们虽然在产品创新方面表现迅速,但却无法成功扩展市场范围。因此,我认为未来的市场上将出现一系列兼并事件,而我们则有望凭借着自身良好的市场定位从中受益。
一位华尔街分析师询问了NetApp公司对可组合基础设施及超融合型基础设施的看法,Kurian给出的回答是,“我们的解决方案当中包含大量可组合元素。”
相信今年10月的大会将就上述问题给出更多线索。
好文章,需要你的鼓励
本文探讨如何使用生成式AI和大语言模型作为倾听者,帮助用户表达内心想法。许多主流AI如ChatGPT、Claude等被设计成用户的"最佳伙伴",或试图提供心理健康建议,但有时用户只想要一个尊重的倾听者。文章提供了有效的提示词技巧,指导AI保持中性、尊重的态度,专注于倾听和理解,而非给出建议或判断。同时提醒用户注意隐私保护和AI的局限性。
北京大学团队开发出WoW世界模型,这是首个真正理解物理规律的AI系统。通过200万机器人互动数据训练,WoW不仅能生成逼真视频,更能理解重力、碰撞等物理定律。其创新的SOPHIA框架让AI具备自我纠错能力,在物理理解测试中达到80.16%准确率。该技术将推动智能机器人、视频制作等领域发展,为通用人工智能奠定重要基础。
人工通用智能和超级人工智能的出现,可能会创造出一种全新的外星智能形态。传统AI基于人类智能模式构建,但AGI和ASI一旦存在,可能会选择创造完全不同于人类认知方式的新型智能。这种外星人工智能既可能带来突破性进展,如找到癌症治愈方法,也可能存在未知风险。目前尚不确定这种新智能形态是否会超越人类智能,以及我们是否应该追求这一可能改变人类命运的技术突破。
香港大学和蚂蚁集团联合推出PromptCoT 2.0,这是一种让AI自动生成高质量训练题目的创新方法。通过"概念-思路-题目"的三步策略,AI能像老师备课一样先构思解题思路再出题,大幅提升了题目质量和训练效果。实验显示该方法在数学竞赛和编程任务上都取得了显著提升,为解决AI训练数据稀缺问题提供了新思路。