在软件定义存储、软件定义网络和最终用户计算方面的抢眼表现,帮助VMware在第一财季实现了突出的业绩。VMware还预期会在VMware Cloud on AWS方面取得成功。
最近一系列产品方面的新举措使得VMware提高了自己在2018财年全年的预期。
VMware首席执行官Pat Gelsinger在财报电话会议上回答分析师关于公司业绩的问题时表示,整个市场对即将推出的VMware Cloud on AWS是充满信心的。
“我们的测试版本已经得到了超额认购,”Gelsinger表示。
VMware Cloud on AWS服务将在2017年中期提供,Gelsinger说:“当然,到了8月的VMworld,我们将会有更多信息公布。”
Gelsinger说,VMware将会在正式提供VMware Cloud on AWS的时候公布定价信息。不过他说,现在他们已经在与测试客户探讨定价相关的问题。“我们有信心我们能够顺利进入这个市场……这让客户可以获得无缝的云端体验。”
Amazon将提供新的硬件设备来运行VMware的堆栈,VMware则负责管理整个VMware体验,Gelsinger说。这个体验将是动态且可扩展的。“这对客户来说是非常有吸引力的一部分:他们没有失去任何东西。”
他说,更多关于VMware Cloud on AWS的信息将在推出的时候公布。
VMware的vSAN软件定义存储技术正在不断发展,许可订购量同比增长超过150%,VMware首席财务官Zane Rowe这样表示。目前VMware已经有超过8000家客户订购vSAN。
4月推出的vSAN 6.6显著提升了vSAN的抢眼表现,这也是首个把原生超融合基础设施安全性包含在内的版本。
“我们相信我们在超融合市场中拥有最广泛的产品,vSAN已经超越了竞争对手。”他说。
VMware的NSX软件定义网络技术也显示出了突出的实力。Rowe说,NSX许可订购同比增加超过50%,VMware已经有2600家NSX客户。
Gelsinger表示,VMware前十大订单中有9个都包含了NSX,安全是采用NSX的主要动力之一。Gelsinger说:“这将是我们所有产品一个必不可少的组成部分。”
VMware的最终用户计算业务也表现不错,许可订购同比增长20%,其中以移动和桌面软件销售的健康增长尤为突出。
VMware最近在2017年1月调整了自己的财年,因为戴尔收购了VMware母公司EMC。因此,VMware的2018财年第一季度是与2016财年第一季度相对比的,2017财年的“报告期末段”是从1月1日到2月3日。
VMware在截止于5月5日的2018财年第一季度收入17.4亿美元,比2016年同期16.9亿美元高于6%。这其中包括6.1亿美元的许可收购,增长6.6%;9.74亿美元的软件维护收入,增长9.3%;1.52亿美元的专业服务收入,增长20.6%。
VMware有大约一半的收入来自美国。
VMware报告称,GAAP净收益为2.32亿美元,或者每股0.56美元,高于2016年同期的1.61亿美元(或者每股0.38美元)。以非GAAP计算,该季度的净收益为4.12亿美元,或者每股0.99美元,高于2016年同期的3.66亿美元(或者每股0.86美元)。
VMware提高了第二季度和2018财年全年的预期。
2018财年第二季度的收入预计在18.4亿美元到18.9亿美元,相比之下2016年第二季度的收入为16.9亿美元。下个季度的许可收入预计在6.95亿美元到7.25亿美元之间。每股收益、非GAAP预计在1.11美元到1.14美元之间,高于2016年同期的0.97美元。
从2018财年全年来看,收入预计能达到76.1亿美元,高于2016全年的65.7亿美元,这其中包括29.8亿美元的许可收入,高于2016年的27.2亿美元。VMware预计全面(非GAAP)收益为每股4.91美元,高于2016财年的每股4.06美元。
好文章,需要你的鼓励
亚马逊云服务部门与OpenAI签署了一项价值380亿美元的七年协议,为ChatGPT制造商提供数十万块英伟达图形处理单元。这标志着OpenAI从研究实验室向AI行业巨头的转型,该公司已承诺投入1.4万亿美元用于基础设施建设。对于在AI时代竞争中处于劣势的亚马逊而言,这项协议证明了其构建和运营大规模数据中心网络的能力。
Meta FAIR团队发布的CWM是首个将"世界模型"概念引入代码生成的32亿参数开源模型。与传统只学习静态代码的AI不同,CWM通过学习Python执行轨迹和Docker环境交互,真正理解代码运行过程。在SWE-bench等重要测试中表现卓越,为AI编程助手的发展开辟了新方向。
当今最大的AI数据中心耗电量相当于一座小城市。美国数据中心已占全国总电力消费的4%,预计到2028年将升至12%。电力供应已成为数据中心发展的主要制约因素。核能以其清洁、全天候供电特性成为数据中心运营商的新选择。核能项目供应链复杂,需要创新的采购模式、标准化设计、早期参与和数字化工具来确保按时交付。
卡内基梅隆大学研究团队发现AI训练中的"繁荣-崩溃"现象,揭示陈旧数据蕴含丰富信息但被传统方法错误屏蔽。他们提出M2PO方法,通过改进数据筛选策略,使模型即使用256步前的陈旧数据也能达到最新数据的训练效果,准确率最高提升11.2%,为大规模异步AI训练开辟新途径。