VMware公布的第四财季业绩超出了预期,但这一消息并没有缓解今日股价的波动。
这是因为今天早些时候的消息称,戴尔技术公司已向证券交易委员会提交了一份报告,表明它可能会继续与VMware进行反向合并,这将再次使戴尔成为上市公司。
VMware高管拒绝谈论戴尔在1月底提交SEC 13D表格披露的信息,这是第一次公开披露它正在“评估潜在的商机,包括Dell Technologies普通股的潜在公开发行,或Dell Technologie和VMware之间潜在的业务整合。”VMware表示可参考在2月2日发表的声明,其中首席执行官Pat Gelsinger称“我们无法推测戴尔对潜在商业机会的评估结果。”
CNBC报道称,有匿名消息人士称,Michael Dell及其顾问正在考虑进行股权交换,可能以现金形式,通过股票互换合并这些公司。然而,估计至少还有一个月才能决定。
VMware股价在交易日下跌超过6%,几小时后VMware股价再下跌1%。投资者担心拥有VMware 80%股份的戴尔公司,会因其沉重的债务负担而拖累VMware的收益。有消息称,戴尔的跟踪股票上涨近1.5%。
尽管如此,我们没有理由为它的财务表现担忧。VMware公布第四季度每股盈利1.68美元,略高于市场预期。收入同比增长14%,至23.1亿美元,比华尔街预期高出约5000万美元。VMware还重申,2019财年预期收入为87.25亿美元,较刚刚结束的2018财年增长11%。
有VMware高管表示,VMware的多元化战略正在取得成果,因为VMware在数据中心虚拟化方面的重要地位,使其能够在网络虚拟化、安全、最终用户计算和超融合基础设施等领域销售新的产品。Gelsinger表示:“客户认为我们在他们的计算未来中扮演着更为重要的角色。”
亮点之一:在第四季度结束的时候,NSX网络虚拟化和安全平台销售的年运营率为14亿美元,比一年前上涨24%。VSAN超融合软件定义存储平台的新预订量翻倍,达到6亿美元的年运盈率。VMware的收入中有4亿美元来自“与Dell Technologies的协同”,特别是VMware VxRail超融合设备的销售,该设备在第四季度发展势头良好,但是Gelsinger没有透露更多细节。
VMware还表示,与AWS和IBM的联盟正在取得成果,因为客户看到了从本地环境通向云端有更好的桥梁。Gelsinger说:“客户看到他们可以更有战略性地投资VMware,因为这一个通往云端的独特路径。在很多方面,我们让他们获得了体验完整软件定义数据中心的最快方式。”
Moor Insights&Strategy总裁兼首席分析师Patrick Moorhead表示:“VMware正在缓慢但坚定地在多元化和软件定义世界中站稳脚跟。SDS、SDN、与AWS的合作成果开始取得成效。”
正如预期的,VMware传统本地许可业务预订量在该季度下降了4%,全年增幅也是在低个位数。不过,有高管们表示,整体许可销售实际上比总体收入增长速度更快。VMware首席财务官Zane Rowe表示,该季度的营业利润率为37.3%,是VMware历史上最好的。“我们根据收入机会与开支之间的平衡来考虑利润率,现在我们对这种平衡感到非常满意。”
在本季度,VMware还完成了对云自动化软件提供商CloudVelox和软件定义广域网络提供商VeloCloud Networks的收购。从最初努力制定引人注目的公共云战略,到现在VMware已经进入了一个帮助客户在各种目标之间轻松转移工作负载的重要阶段,Gelsinger说。
“我们很高兴看到客户们对我们云战略表现出的热情,我们认为我们正在以独特的方式为客户提供他们在基础设施决策中的自由和控制。”
好文章,需要你的鼓励
OpenAI首席执行官Sam Altman表示,鉴于投资者的AI炒作和大量资本支出,我们目前正处于AI泡沫中。他承认投资者对AI过度兴奋,但仍认为AI是长期以来最重要的技术。ChatGPT目前拥有7亿周活跃用户,是全球第五大网站。由于服务器容量不足,OpenAI无法发布已开发的更好模型,计划在不久的将来投资万亿美元建设数据中心。
阿里巴巴团队提出FantasyTalking2,通过创新的多专家协作框架TLPO解决音频驱动人像动画中动作自然度、唇同步和视觉质量的优化冲突问题。该方法构建智能评委Talking-Critic和41万样本数据集,训练三个专业模块分别优化不同维度,再通过时间步-层级自适应融合实现协调。实验显示全面超越现有技术,用户评价提升超12%。
英伟达推出新的小型语言模型Nemotron-Nano-9B-v2,拥有90亿参数,在同类基准测试中表现最佳。该模型采用Mamba-Transformer混合架构,支持多语言处理和代码生成,可在单个A10 GPU上运行。独特的可切换推理功能允许用户通过控制令牌开启或关闭AI推理过程,并可管理推理预算以平衡准确性和延迟。模型基于合成数据集训练,采用企业友好的开源许可协议,支持商业化使用。
UC Berkeley团队提出XQUANT技术,通过存储输入激活X而非传统KV缓存来突破AI推理的内存瓶颈。该方法能将内存使用量减少至1/7.7,升级版XQUANT-CL更可实现12.5倍节省,同时几乎不影响模型性能。研究针对现代AI模型特点进行优化,为在有限硬件资源下运行更强大AI模型提供了新思路。