ZDNet至顶网服务器频道 01月21日编译:IBM在2014财年第四季度的表现令人有些许失望,蓝色巨人的收入和收益与2013年相比都出现了显著的下滑。
本季度的总收入为241亿美元,与去年同期相比下降了12%,没有达到此前分析师的预期。而全年收入下降的程度没有那么严重,只下降了5.7%,达到了928亿美元。
另一方面,IBM的净收入严重地受到了季度和年度的影响。第四季度的净收入为55亿美元,与去年同期相比下降了11.3%。年度净收入下降了27.1%为120亿美元。
不过,该公司的收入确实达到了华尔街的预期,达到了每股5.81美元。
在财务分析电话会议上,IBM的首席财务官Martin Schroeter表示该公司目前的挫败可能部分是由于蓝色巨人将System x服务器业务出售给联想并且将Customer Care业务处理外包给Synnex造成的,美元相对于全球其他货币的强势回归也对此产生了一定程度上的影响。
但是这些成本和调整不能完全解释IBM在这个季度和这个财年中出现的销售下滑,该公司所有的业务板块的收入都出现了下降或者仅仅做到持平。
IBM全球技术服务部门和全球商业服务部门的季度收入与去年同期相比分别下降了7.6%和8.4%,虽然收入类型的组合仍然和2013年第四季度一致。IBM全球技术服务部门(GTS)带来了92亿美元的销售收入,而IBM全球商业服务部门(GBS)则带来了43亿美元的销售收入。
软件的季度收入与去年同期相比下降了7%,下降至76亿美元。只有Rational的销售出现了4%的小幅增长,WebSphere的销售下降了6%,Information Management软件销售下降了9%,Tivoli的销售下降了2%,Workforce Solutions的下降幅度达到了令人担忧的12%。
同样的,IBM Systems & Technology的所有板块在2013年第四季度的季度收入都出现了下滑。集团的总收入是24亿美元,下降幅度达到了恐怖的39%。
服务器业务只是Systems & Tech业务中的一小部分,就算考虑到System x业务出售的影响,这个板块中其余的部分的销售情况也不及2013年。System z大型机的销售状况同比下降了26%,Power服务器销售状况下降了13%,存储的销售状况下降了8%。
但是这样的结果对于IBM的投资者来说已不算是新鲜事了,他们已经看到了苦苦挣扎中的蓝色巨人的几个季度的财报都非常“令人失望”。据估计,最大的新闻可能是蓝色巨人的首席执行官Ginni Rometty会进行大规模重组,将该公司拆分成若干新的部分,强调IBM的核心业务——云计算、数据分析和它的Jeopardy-beating Watson机器学习技术,预计这次重组的细节最快可能会在本周初出现。
与此同时,IBM的股票价格在本周二仍然基本稳定,在盘后交易阶段价格也仅仅波动了2%左右。
好文章,需要你的鼓励
zip2zip是一项创新技术,通过引入动态自适应词汇表,让大语言模型在推理时能够自动组合常用词组,显著提高处理效率。由EPFL等机构研究团队开发的这一方法,基于LZW压缩算法,允许模型即时创建和使用"超级tokens",将输入和输出序列长度减少20-60%,大幅提升推理速度。实验表明,现有模型只需10个GPU小时的微调即可适配此框架,在保持基本性能的同时显著降低计算成本和响应时间,特别适用于专业领域和多语言场景。
这项研究创新性地利用大语言模型(LLM)代替人类标注者,创建了PARADEHATE数据集,用于仇恨言论的无毒化转换。研究团队首先验证LLM在无毒化任务中表现可与人类媲美,随后构建了包含8000多对仇恨/非仇恨文本的平行数据集。评估显示,在PARADEHATE上微调的模型如BART在风格准确性、内容保留和流畅性方面表现优异,证明LLM生成的数据可作为人工标注的高效替代方案,为创建更安全、更具包容性的在线环境提供了新途径。
这项研究由中国科学技术大学的研究团队提出了Pro3D-Editor,一种新型3D编辑框架,通过"渐进式视角"范式解决了现有3D编辑方法中的视角不一致问题。传统方法要么随机选择视角迭代编辑,要么同时编辑多个固定视角,都忽视了不同编辑任务对应不同的"编辑显著性视角"。Pro3D-Editor包含三个核心模块:主视角采样器自动选择最适合编辑的视角,关键视角渲染器通过创新的MoVE-LoRA技术将编辑信息传递到其他视角,全视角精修器修复并优化最终3D模型。实验证明该方法在编辑质量和准确性方面显著优于现有技术。
这项研究提出了ComposeAnything,一个无需重新训练的框架,可显著提升AI图像生成模型处理复杂空间关系的能力。该技术由INRIA、巴黎高师和CNRS的研究团队开发,通过三个创新步骤工作:首先利用大型语言模型创建包含深度信息的2.5D语义布局,然后生成粗略的场景合成图作为先验指导,最后通过物体先验强化和空间控制去噪引导扩散过程。在T2I-CompBench和NSR-1K基准测试中,该方法远超现有技术,特别是在处理复杂空间关系和多物体场景时表现卓越,为AI辅助创意设计开辟新可能。