营收31.2亿美元
美国会计准则(GAAP)运营利润率18.6%;非美会计准则(Non-GAAP)运营利润率19.9%
美国会计准则(GAAP)每股摊薄收益(EPS)2.23美元;非美会计准则(Non-GAAP)每股摊薄收益2.41美元
运营现金流5.21亿美元,自由现金流4.26亿美元
通过股息和510万普通股回购,向股东返还6.22亿美元
财年运营现金流19亿美元,财年自由现金流14亿美元
中国,北京,2022年1月27日——全球领先的数据存储基础设施解决方案提供商希捷科技公司(NASDAQ:STX)日前发布了于2021年12月31日结束的2022财年第二财季财务报告。
希捷科技首席执行官Dave Mosley博士表示:“回顾2021年,希捷表现卓越。与上一财年相比,营收上涨18%,更是实现了39%的自由现金流增长,我们正将其有效地投入我们长期的资本回报项目中。”
“由于云数据中心对于大容量近线产品的强劲需求,本财季业绩突出,包括实现了6年以来的营收最高位。我们将继续在充满不确定性的商业环境中运营。今年,强劲的需求趋势推动我们营收增长,与我们3%至6%的长期财务增长区间保持一致,除非出现重大宏观性突发情况,希捷将以2021年所取得的业绩为基础,继续再接再厉 。”
季度财务报告
|
美国会计准则 GAAP |
|
非美会计准则 Non-GAAP |
||||||||||||
|
FQ2 2022 |
|
FQ2 2021 |
|
FQ2 2022 |
|
FQ2 2021 |
||||||||
营收(百万美元) |
$ |
3,11 |
6 |
|
$ |
2,623 |
|
|
$ |
3,116 |
|
|
$ |
2,623 |
|
毛利率 |
30.4 |
% |
|
26.5 |
% |
|
30.7 |
% |
|
26.8 |
% |
||||
18.6 |
% |
|
13.3 |
% |
|
19.9 |
% |
|
14.7 |
% |
|||||
净利润(百万美元) |
$ |
501 |
|
|
$ |
280 |
|
|
$ |
543 |
|
|
$ |
323 |
|
每股摊薄收益 |
$ |
2.23 |
|
|
$ |
1.12 |
|
|
$ |
2.41 |
|
|
$ |
1.29 |
|
2022财年第二财季,公司营运现金流为5.21亿美元,自由现金流为4.26亿美元。希捷资产负债表健康。在第二财季中,公司支付现金股息1.51亿美元,并以4.71亿美元回购510万股普通股。现金和现金等价物总额为15亿美元。截至本财季末,已发行和未发行普通股2.19亿股。
希捷科技公司还公布了补充财报信息,详情点击希捷官网投资者关系页面(investors.seagate.com)。
季度现金股息
董事会批准的季度现金股息为每股0.70美元,并将于2022年4月6日支付给2021年3月22日交易收盘时登记的所有股东。未来的季度股息支付将由公司董事会根据希捷的财务状况、运营业绩、可用现金、现金流、资本需求以及其它董事会认定的相关因素决定。
业绩展望
我们对2022财年第三财季的展望基于我们目前的假设和预期;实际结果可能因为包括下面前瞻性陈述的警示性说明中列举的重要因素在内的各种因素而有所不同。
公司预计2022财年第三财季业绩如下:
非美会计准则(Non-GAAP)每股摊薄收益的预测不包含已知的用于购买无形资产的摊销费用以及股权激励支出,两项分别为每股0.02美元以及每股0.17美元。
公司尚未将2022财年第三季度的非美会计准则(Non-GAAP)每股摊薄收益与最直接关联的美国会计准则(GAAP)相关指标进行对比,因为可能影响这些指标的重大事项不在我们的可控范围内和/或无法合理预测,这些项目包括但不限于加速折旧、资产减值、以及节约成本带来的费用、部门重组费用、战略投资损失或带来的减值、这些项目造成的所得税调整、以及其他可能产生的费用和收益。这些项目的数量目前暂时未知,但是可能对未来的财务结果产生巨大影响。很难将2022财年第三季度的非美会计准则(Non-GAAP)每股摊薄收益与美国会计准则(GAAP)相关数据进行对比。以上新闻稿中包含了我们已经实现的非美会计准则(Non-GAAP)与最相关的美国会计准则(GAAP)有关指标的对比。
好文章,需要你的鼓励
CoreWeave发布AI对象存储服务,采用本地对象传输加速器(LOTA)技术,可在全球范围内高速传输对象数据,无出口费用或请求交易分层费用。该技术通过智能代理在每个GPU节点上加速数据传输,提供高达每GPU 7 GBps的吞吐量,可扩展至数十万个GPU。服务采用三层自动定价模式,为客户的AI工作负载降低超过75%的存储成本。
IDEA研究院等机构联合开发了ToG-3智能推理系统,通过多智能体协作和双重进化机制,让AI能像人类专家团队一样动态思考和学习。该系统在复杂推理任务上表现优异,能用较小模型达到卓越性能,为AI技术的普及应用开辟了新路径,在教育、医疗、商业决策等领域具有广阔应用前景。
谷歌DeepMind与核聚变初创公司CFS合作,运用先进AI模型帮助管理和改进即将发布的Sparc反应堆。DeepMind开发了名为Torax的专用软件来模拟等离子体,结合强化学习等AI技术寻找最佳核聚变控制方式。核聚变被视为清洁能源的圣杯,可提供几乎无限的零碳排放能源。谷歌已投资CFS并承诺购买其200兆瓦电力。
上海人工智能实验室提出SPARK框架,创新性地让AI模型在学习推理的同时学会自我评判,通过回收训练数据建立策略与奖励的协同进化机制。实验显示,该方法在数学推理、奖励评判和通用能力上分别提升9.7%、12.1%和1.5%,且训练成本仅为传统方法的一半,展现出强大的泛化能力和自我反思能力。