ZD至顶网服务器频道 02月24日 新闻消息(文/刘新萍): HPE公司2017财年第一季度的表现已经出炉,结果看起来并不乐观。利润与上年同期基本持平,而服务器、存储与网络部门的营收则全线出现两位数的同比下滑。
HPE公司的整体营收较上年同期下降10%,且多个关键性业务部门遭受严重损失。虽然数据中仍有几项亮点,但这些并没能给股市留下深刻印象--财报发布后,HPE的股票价格旋即下跌。
"我认为HPE目前仍处于正确的轨道之上,"公司CEO Meg Whitman在一份声明中指出。"我们目前采取的措施在于强化自身产品组合、精简组织结构并建立正确的领导团队,从而帮助企业在长远的未来道路上取得成功。"
在一次分析师电话会议上,Whiman坦言本季度的周报结果比较复杂,一部分外部因素抑制了该公司的业绩增长。其中最主要的是与美元相比,欧元的表现不够坚挺,不过Whitman同时对紧张的NAND供应能力与不断提升的DRAM价格加以谴责。她同时表示,就目前来看DRAM价格恐怕将继续膨胀。
以下为截至2017年1月31日的三个月之内HPE公司的全部业绩表现。各项数字皆为GAAP统计结果,因为非GAAP数据一般只作为安然财会分析的素材:
• 总体营收: HPE公司上季度报告总销售额为114亿美元,较上年同期降低10%。Whitman指出,某家不适合公布名称的大型客户削减了其采购规模,这给营收水平造成了巨大影响。
• 净利润: 在利润方面,HPE公司共收得2.67亿美元,与上年同期基本持平。尽管整体营收遭遇下滑,但1.1%的利润比例增长让HPE继续保持着盈利能力。
• 每股收益: HPE公司宣布其每股收益为0.16美元,较上年同期增长7%。
• 股利与回购: 本季度,HPE公司斥资7.5亿美元进行股票回购并为投资者支付回报。HPE公司的股价在本季度增长了约2美元。
• 企业业务部门: 作为HPE旗下的关键性业务部门,企业业务部门本季度营收下降至63亿美元,较上年同期缩水12%。服务器营收降低12%,存储下滑13%,网络业务降低33%,而技术服务业务的营收则同比减少2%。
• 企业服务部门: 部门营收较上年同期下滑11%,本季度收得40亿美元。应用与业务服务营收同比缩水17%,而基础设施技术外包营收则同比降低8%。
• 软件业务部门: 软件即服务成为该部门最为抢眼的明星,其营收较上年同期增长4%。除此之外,其它业务方向则基本全线下滑--许可与支持营收皆同比缩水9%,专业服务营收亦减少7%。该部门的整体营收较上年下滑8%,收得7.21亿美元。
• 金融服务部门: 此部门的营收同比增长6%,收得8.23亿美元,不过融资量下滑10%,同比投资资产组合增长2%。
不过其中也存在一些亮点,Whitman表示。高性能计算营收同比增长30%,而该公司也已经解决了部分"管理层问题"。值得注意的是,HPE公司现在还任命了多位区域经理,用以提振其市场表现。
另外,公司的运营成本亦在削减。HPE公司报告称,目前已有超过半数的员工来自海外低成本劳力国家,其目标是接下来将这一比例提升至60%。另外,Whitman表示企业未来的养老金支出也已经得到削减。
HPE公司本季度的营收较分析师的预期低6.7亿美元,不过其每股收益则与预期持平。财报发布后,其股票价格下跌了6.12%,目前报收为每股23.15美元。
好文章,需要你的鼓励
韩国科学技术院研究团队提出"分叉-合并解码"方法,无需额外训练即可改善音视频大语言模型的多模态理解能力。通过先独立处理音频和视频(分叉阶段),再融合结果(合并阶段),该方法有效缓解了模型过度依赖单一模态的问题,在AVQA、MUSIC-AVQA和AVHBench三个基准测试中均取得显著性能提升,特别是在需要平衡音视频理解的任务上表现突出。
这项研究利用大语言模型解决科学新颖性检测难题,南洋理工大学团队创新性地构建了闭合领域数据集并提出知识蒸馏框架,训练轻量级检索器捕捉想法层面相似性而非表面文本相似性。实验表明,该方法在市场营销和NLP领域显著优于现有技术,为加速科学创新提供了有力工具。
un?CLIP是一项创新研究,通过巧妙反转unCLIP生成模型来增强CLIP的视觉细节捕捉能力。中国科学院研究团队发现,虽然CLIP在全局图像理解方面表现出色,但在捕捉细节时存在不足。他们的方法利用unCLIP生成模型的视觉细节表示能力,同时保持与CLIP原始文本编码器的语义对齐。实验结果表明,un?CLIP在MMVP-VLM基准、开放词汇语义分割和视觉中心的多模态任务上显著优于原始CLIP和现有改进方法,为视觉-语言模型的发展提供了新思路。
这项研究介绍了RPEval,一个专为评估大语言模型角色扮演能力而设计的新基准。研究团队从法国里尔大学开发的这一工具专注于四个关键维度:情感理解、决策制定、道德对齐和角色一致性,通过单轮交互实现全自动评估。研究结果显示Gemini-1.5-Pro在总体表现上领先,而GPT-4o虽在决策方面表现出色,但在角色一致性上存在明显不足。这一基准为研究人员提供了一个可靠、可重复的方法来评估和改进大语言模型的角色扮演能力。