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
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。