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
DeepResearchGym是一个创新的开源评估框架,专为深度研究系统设计,旨在解决当前依赖商业搜索API带来的透明度和可重复性挑战。该系统由卡内基梅隆大学研究团队开发,结合了基于ClueWeb22和FineWeb大型网络语料库的可重复搜索API与严格的评估协议。实验表明,使用DeepResearchGym的系统性能与使用商业API相当,且在评估指标间保持一致性。人类评估进一步证实了自动评估协议与人类偏好的一致性,验证了该框架评估深度研究系统的有效性。
这项研究介绍了FinTagging,首个面向大型语言模型的全面财务信息提取与结构化基准测试。不同于传统方法,它将XBRL标记分解为数值识别和概念链接两个子任务,能同时处理文本和表格数据。在零样本测试中,DeepSeek-V3和GPT-4o表现最佳,但在细粒度概念对齐方面仍面临挑战,揭示了当前大语言模型在自动化XBRL标记领域的局限性,为金融AI发展提供了新方向。
这项研究介绍了SweEval,一个新型基准测试,用于评估大型语言模型在企业环境中处理脏话的能力。研究团队从Oracle AI等多家机构的专家创建了一个包含八种语言的测试集,模拟不同语调和上下文的真实场景。实验结果显示,LLM在英语中较少使用脏话,但在印地语等低资源语言中更易受影响。研究还发现较大模型通常表现更好,且多语言模型如Llama系列在处理不当提示方面优于其他模型。这项工作对企业采用AI技术时的安全考量提供了重要参考。
这项研究提出了"VeriFree"——一种不需要验证器的方法,可以增强大型语言模型(LLM)的通用推理能力。传统方法如DeepSeek-R1-Zero需要验证答案正确性,限制了其在数学和编程以外领域的应用。VeriFree巧妙地计算正确答案在模型生成的推理过程后出现的概率,作为评估和训练信号。实验表明,这种方法不仅能匹配甚至超越基于验证器的方法,还大幅降低了计算资源需求,同时消除了"奖励黑客"问题。这一突破将有助于开发出在化学、医疗、法律等广泛领域具有更强推理能力的AI系统。