HPE公布第三季度财报,超出了此前自己和分析师的预期。净收入同比增长4%,达到78亿美元,但按汇率调整后仅上涨1%。然而,HPE的净利润增长了一倍多,达到4.51亿美元,每股收益44美分远高于此前预测的35美分至39美分预测范围的高点。
HPE利润增长得益于货币汇率的有利形势,但HPE表示,该因素在未来盈利结果中将不会那么重要。HPE将今年的利润预测上调至每股1.50美元至1.55美元,高于先前预测的1.40美元至1.50美元。
这一结果标志着HPE在经过由于资产剥离导致连续5年萎缩之后开始连续第三个季度实现增长。Moor Insights&Strategy首席分析师Patrick Moorhead表示:“这一点很重要,特别是此前经历了长时间的下滑。”
投资者对此作出温和回应,HPE股价在盘后交易中上涨近1.5%,在常规交易中收涨1.8%,至每股16.74美元。
在分析师电话会上,HPE高管们表达了将开始收获HPE Next成果的信心。从去年开始执行的这一计划,旨在通过简化运营、降低管理费用和削减各种产品配置,在2018年削减了约7.5亿美元的成本。
这在销售成本方面的影响尤为突出,销售成本上涨不到1.5%,管理费也有同比下降。“HPE Next将推动在2019财年实现一些不错的进展,”即将卸任的首席财务官Tim Stonesifer表示,他将于10月底离开公司,原因不明。继任者Tarek Robbiati曾担任Sprint公司的首席财务官。
Pund-IT公司总裁兼首席分析师Charles King表示:“看起来HPE确实为企业客户提供了更好的产品和服务组合,这让公司股东感到安慰,之前几个季度他们还有些忧心忡忡。”今年HPE的股价上涨了13%,不过仍低于3月初的高点。
转型完成
过去三年HPE一直在转型过渡中,摆脱了服务业务和大部分软件组合,这一转型帮助HPE实现运营利润率提高的目标,从去年同期的6.9%大幅增长到9.6%。“我们专注于提高计算业务利润率,不再面临来自商品成本的重大阻力,”Stonesifer说。
一些客户将工作负载从云迁移回本地计算环境,这也让HPE从中受益实现了一定程度的复兴。King表示:“企业似乎正在忙于将他们曾经迁移到云中的数据和工作服在迁移会企业内部。HPE有能力顺应这一趋势。”
HPE增长快速的超融合和Synergy产品线收入增长了三位数。Synergy是一种所谓的“可组合式基础设施”,让客户能够以类似云的付费即用模式对内部容量进行配置和计费。HPE在第一季度财报中称,Synergy销售额的增幅要明显高于第一季度报告的40%。
HPE首席执行官Antonio Neri,已经有超过1600家客户签署购买了HPE的可组合产品之一。另外HPE的“智能边缘”产品(主要由Aruba Networks设备和服务组成)收入在货币调整的基础上增长了8%,服务组件增长了14%。
然而,并非所有业务都是增长的。存储收入仅增长1%,但HPE将业绩疲软归因于季节性因素和销售周期。Neri表示,“对我们提高存储收入的能力非常有信心”。美洲地区的销售额占HPE净收入的40%,下降了3%,主要原因是面向最大的“超大规模”云提供商的销售有所下降。
HPE最近宣布,将在未来四年内投入40亿美元用于边缘计算,寻求利用IT基础设施中这个有着巨大增长潜力的领域。King说:“如果边缘解决方案销售前景看好的话,HPE应该也会做得很好。”
好文章,需要你的鼓励
Docker公司通过增强的compose框架和新基础设施工具,将自己定位为AI智能体开发的核心编排平台。该平台在compose规范中新增"models"元素,允许开发者在同一YAML文件中定义AI智能体、大语言模型和工具。支持LangGraph、CrewAI等多个AI框架,提供Docker Offload服务访问NVIDIA L4 GPU,并与谷歌云、微软Azure建立合作。通过MCP网关提供企业级安全隔离,解决了企业AI项目从概念验证到生产部署的断层问题。
中科院联合字节跳动开发全新AI评测基准TreeBench,揭示当前最先进模型在复杂视觉推理上的重大缺陷。即使OpenAI o3也仅获得54.87%分数。研究团队同时提出TreeVGR训练方法,通过要求AI同时给出答案和精确定位,实现真正可追溯的视觉推理,为构建更透明可信的AI系统开辟新路径。
马斯克的AI女友"Ani"引爆全球,腾讯RLVER框架突破情感理解边界:AI下半场竞争核心已转向对人性的精准把握。当技术学会共情,虚拟陪伴不再停留于脚本应答,而是通过"心与心的循环"真正理解人类孤独——这背后是强化学习算法与思考模式的化学反应,让AI从解决问题转向拥抱情感。
PyVision是上海AI实验室开发的革命性视觉推理框架,让AI系统能够根据具体问题动态创造Python工具,而非依赖预设工具集。通过多轮交互机制,PyVision在多项基准测试中实现显著性能提升,其中在符号视觉任务上提升达31.1%。该框架展现了从"工具使用者"到"工具创造者"的AI能力跃迁,为通用人工智能的发展开辟了新路径。