今天又有一份抢眼的财报出炉,这份财报显示,VMware正在加速从一家商用数据中心基础设施销售商转型为全面的解决方案提供商。
在第三季度,VMware每股收益为1.56美元,比市场预期高出5美分,同比增长26%;收入增长13.5%,达到22亿美元,超过市场预期的21.7亿美元。
VMware首席执行官Pat Gelsinger所说的技术支出的广泛增长“将在未来许多年内持续下去”,也反映在VMware发布的看涨预期中。VMware将2019财年全年收入指引提高了6000万美元达到88.82亿美元,并将每股收益高点从之前的6.14美元提高到6.22美元。
这振奋了华尔街投资者,VMware股价在盘后交易中上涨近2%。VMware也是少数几家完全从过去一个月的抛售中恢复过来的科技股之一。
VMware高管表示,VMware在云市场中的战略举措——包括与AWS合作以及收购CloudHealth和Kubernetes专业公司Heptio——证明了VMware对混合云的弹性及帮助客户引领多云世界的信心。Gelsinger表示:“大家与我们过去五到6年对混合云持有的观点保持一致。”
他还强调,VMware已经完全从销售基本的计算基础设施转向专注于销售解决方案了。
“我们几乎不再销售计算机了,我们销售的是VMware Cloud Foundation,采用VxRail的全套超融合解决方案、以及安全和计算的产品组合。几乎所有都与混合云、网络安全和数字工作空间保持一致,以提供更高的价值。”
不久前,VMware还被认为很容易受到云计算和软件容器(实际上是微型的虚拟机)的双重威胁。然而,现在VMware已经成功地成为云计算的赋能者,将虚拟化与增值服务捆绑在一起。
Gelsinger特别强调了VMware新推出的vSphere Platinum Edition,该产品将AppDefense端点安全产品与其旗舰产品vSphere虚拟化相集成。他说:“虚拟机内嵌安全功能正在冲击着安全行业,我们要从根本上改变安全状况。”
“到目前为止,一直都还不错。VMware正在适应新的技术和趋势。同时,VMware仍然是企业界最值得信赖的厂商之一,”Pund-IT总裁兼首席分析师Charles King这样表示。
Gelsinger还特别提到了Amazon重磅宣布推出了本地版本的Amazon云,其中就包含了VMware虚拟机,这也证明了VMware不断扩大合作伙伴所取得的成果。VMware新的VMware Cloud Provider Program(包括VMware和第三方云产品的组合)计划现在已经拥有4200个云合作伙伴。Gelsinger表示:“我们看到了这项业务的巨大发展势头。”
VMware没有按产品线划分收入,但首席财务官Zane Rowe透露了一些增长亮点。其中,NSX虚拟化和安全产品组合的许可预订量增长了40%,该季度前10大交易中有9个都包含了NSX;vSAN存储虚拟化层增长了近50%;母公司Dell Technologies的交叉销售也在该季度贡献了7亿美元的收入。
VMware也在区域多元化方面表现出色,国际销售额增长超过19%,现在这部分的占比要大于国内销售额。
King说:“在过去的五年中,人们错误地预言说VMware会消亡,但像Kubernetes这样的变革性技术往往会在企业客户中以相当平缓的速度发展。VMware越是从长期上适应刚刚发展起来的新公司和解决方案,所面临的风险就越小。”
好文章,需要你的鼓励
R语言在Tiobe 12月编程语言流行度指数中重返前十,排名第10位,占比1.96%。作为统计计算专用语言,R语言凭借在统计分析和大规模数据可视化方面的优势重新获得关注。尽管传统软件工程师对其语法和扩展性存在质疑,但R语言在大学和研究驱动行业中仍表现出色,在快速实验、统计建模和探索性数据分析领域具有独特优势。
MBZUAI和法国综合理工学院联合开发的SchED算法能让AI写作速度提升3-4倍。该算法通过监测AI生成文本的置信度,采用进度感知的动态阈值策略,在保持99.8%-100%原始质量的同时显著减少计算时间。实验覆盖多种任务类型,证明了算法的有效性和鲁棒性。
AWS在2025年re:Invent大会上展现出不寻常的防御姿态,面临证明其仍能引领企业AI议程的压力。随着微软和谷歌通过集成AI堆栈加强对CIO的影响力,AWS推出了新芯片、模型和平台增强功能。分析师认为AWS尚未成功构建统一叙述。Nova Forge是AWS最大的尝试,旨在解决其战略弱点:缺乏将数据、分析、AI和代理整合为单一路径的统一框架。但分析师指出,企业采用仍需大量工程投入,AWS仍是需要组装的零件集合。
西安交通大学研究团队发现,AI视觉语言模型容易受到功能词(如"是"、"的"等)的干扰而遭受攻击。他们开发了功能词去注意力(FDA)机制,让AI减少对这些词汇的关注。测试显示,该方法可将攻击成功率降低18%-90%,而正常性能仅下降0.2%-0.6%。FDA无需额外训练即可集成到现有模型中,为AI安全防护提供了简单有效的解决方案。