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
微软近年来频繁出现技术故障和服务中断,从Windows更新删除用户文件到Azure云服务因配置错误而崩溃,质量控制问题愈发突出。2014年公司大幅裁减测试团队后,采用敏捷开发模式替代传统测试方法,但结果并不理想。虽然Windows生态系统庞大复杂,某些问题在所难免,但Azure作为微软核心云服务,反复因配置变更导致客户服务中断,已不仅仅是质量控制问题,更是对公司技术能力的质疑。
延世大学研究团队通过分析AI推理过程中的信息密度模式,发现成功的AI推理遵循特定规律:局部信息分布平稳但全局可以不均匀。这一发现颠覆了传统的均匀信息密度假说在AI领域的应用,为构建更可靠的AI推理系统提供了新思路,在数学竞赛等高难度任务中显著提升了AI的推理准确率。
当团队准备部署大语言模型时,面临开源与闭源的选择。专家讨论显示,美国在开源AI领域相对落后,而中国有更多开源模型。开源系统建立在信任基础上,需要开放数据、模型架构和参数。然而,即使是被称为"开源"的DeepSeek也并非完全开源。企业客户往往倾向于闭源系统,但开源权重模型仍能提供基础设施选择自由。AI主权成为国家安全考量,各国希望控制本地化AI发展命运。
蒙特利尔大学团队发现让AI"分段思考"的革命性方法Delethink,通过模仿人类推理模式将长篇思考分解为固定长度块,仅保留关键信息摘要。1.5B小模型击败传统大模型,训练成本降至四分之一,计算复杂度从平方级降为线性级,能处理十万词汇超长推理,为高效AI推理开辟新道路。