思科错过了从刀片到机架服务器的过渡,销售增长表现不尽如人意,没有很好地面向云提供商售卖,市场份额较小。思科是应该投资以实现增长,还是完全退出服务器业务?
思科在2017财年第三季度的结果令人失望,收入同比减少1%至119亿美元。数据中心部分(主要是UCS服务器)收入为7.67亿美元,减少5%,只占到思科总收入的6%。
上个季度思科的数据中心收入为7.9亿美元,同比减少4%,上个季度为8.34亿美元,同比减少3%,进入下滑模式。
Stifel分析师和MD Aaron Raker绘制了下面的表格,表格显示了思科的数据中心收入和同比变化:
这个表格显示了实际数字以及9个季度的评估。
UCS服务器首次推出的时候是一颗耀眼的明星,接下来呢。
根据Gartner和IDC的数据显示,服务器整体销售下滑,戴尔和HPE领跑市场,其次是IBM、联想和华为。
根据IDC的数据,2016年第四季度思科的市场份额为6.3%,HPE为23.6%,戴尔为17.6%,IBM为12.3%,联想为6.5%。原始设备制造商(ODM)提供商占到了7.9%,思科为什么落后了?
Rakers根据架构种类绘制了过去几年的季度服务器销售情况:
机架优化的服务器销售是最大赢家,刀片服务器销售位列第二,与第一差距较大,增长停滞。密度优化的服务器销售持平,塔式服务器下滑,大型系统份额最小,不过有小幅增长。
Rakers还以刀片和机架划分了思科的UCS服务器销售,显示收入和收入比例:
思科UCS的收入主要来自于刀片服务器(下滑到第二位的架构)而不是机架服务器(主流且还在增长)。结论是不可避免的,思科误导了服务器市场,收入增长放缓,然后从2015财年第一季度开始停滞。
Rakers表示:“思科继续面临着从刀片到机架服务器的混合组合,思科有大约30%的刀片份额,不到4%的机架服务器份额。”
思科把自己的服务器售卖给企业,而不是查大规模数据中心或者云服务提供商,还有像超微这样的ODM,或者浪潮这样的中国服务器提供商。
思科一直在推动自己的HyperFlex超融合基础设施一体机(HCIA),使用OEM自Springpath的软件。3月思科表示,在经过9个月的销售之后,HyperFlex累积获得1100家客户。Nutanix有大约5400家客户,Dell EMC预计很快也会进入这个区间。
在第三季度的财报公告中,思科并没有更新1100家客户这个数字。一份Stifel对思科VAR/经销商的调研发现,有16%的受访者认为HyperFlex在HCIA市场中处于最佳位置,而40%的受访者则认为Nutanix是领导者。有66%的受访者把HyperFlex售卖给现有的思科客户,而不是卖给新客户。
Rakers表示,有20%的服务器收入来自于面向公有云的售卖,在这方面思科并没有涉及,ODM和白盒服务器有大约40%的份额。
小结
总而言之,思科服务器在其整体收入中占比6%,这部分收入连续四个季度下滑。思科在整体市场中占比6.3%,但是在更大、增长中的机架服务器市场占比不足5%。思科在HCIA市场取得的进展是一个很好的开端,但是还远远落后于Nutanix和Dell。HPE通过收购SimpliVity正在成长为一个实力强大的竞争对手。
在我们看来,为了在服务器方面取得进展,思科需要全力进入机架服务器市场。但是有一个根本问题:目标是什么?是想成为领先的服务器提供商,赶超Dell和HPE?还是满足于不到10%的市场份额,向自己的客户群进行售卖,面对着来自Dell、HPE、各种中国厂商和ODM提供商的攻击?
如果思科想要成为领导者,那就需要在工程开发方面投入大量资金。这在总体收入下滑的情况下是一件困难的事情,况且服务器只占其业务收入的6%,而且还在裁员。
思科思科应该后退一步,深呼吸,决定退出服务器市场,也许把UCS服务器卖给联想。也许另一方面,思科可以尝试一些极端的做法,例如收购超微。
我们认为思科进入到服务器这个核心网络市场相邻的市场总是感觉不太对,然后进入存储这个服务器相邻市场,失败了。我们认为思科认为服务器市场前景受限,不足以进行所需的投资使其成为前四或者前五的服务器提供商。
展望未来,我们认为思科可能会调整产品线,重新承诺和下决心,但实际情况几乎不会改变。就思科的总收入来看,服务器既不是足够大的业务能随便丢掉,也不是一个很小的业务值得重金投资,也还没有到需要彻底修复的程度。他们现在陷入了一个困境,很可能会困在其中。
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。