作为一家新上市的公司,戴尔科技公司(Dell Technologies)今天公布了季度财报显示,季度收入增长略好于预期,但净亏损高于预期。
9%的收入增长主要集中在服务器和网络设备,以及对计算虚拟化巨头VMware持有的80%所有权份额方面。VMware今天也公布了好于预期的财报结果。
据戴尔的2019财年第四季度财报显示,该季度的净亏损比一年前翻了一番多,达到2.87亿美元,收入为238.4亿美元。在支付利息、调整股权投资价值和某些其他成本之前,戴尔的营业利润为27亿美元。分析师此前预计,戴尔的净亏损将低于4500万美元,收入为238.3亿美元。
同比变化很难衡量,因为戴尔最初没有提供每股利润的数字,而这是华尔街通常追踪利润的方式,因为由于戴尔再次上市使得股票数量在季度中期发生了变化,但后来它将调整后的利润定为每股1.86美元,略高于市场预期的1.81美元。
戴尔也没有为未来几个季度或未来一年提供指引。
或许戴尔还有些不确定的想法,投资者在盘后交易中推动戴尔股价仅上涨约1%。之后,股价一度上下波动,然后才下跌约半个点。
就在今天之前,戴尔股价在今年已经上涨了15%,好于标准普尔500指数的11%,并且仅在上个月就上涨了20%。在今天的常规交易中,该股下跌了四分之三个点,至每股55.82美元。
戴尔首席财务官Tom Sweet表示,所有三个业务部门的全年收入均实现了两位数增长,并且产品组合的“可盈利增长”也是如此。他说:“在2020财年,我们将继续以规范的方式经营业务。我们将继续专注于实现长期相对增长、股票收益和现金流,同时为股东带来长期价值,满足客户的全方位需求。”
Enderle Group分析师Rob Enderle认为这意味着,不出意外的话,戴尔将专注于削减成本。“我预计接下来戴尔会更努力地遏制亏损。”
但戴尔也表现出相对于一些传统竞争对手的实力。例如,HPE上周公布财报显示,收入环比下滑2%,打破连续四个季度的销售额增长。
市场研究公司Wikibon首席分析师Dave Vellante表示:“对于一家如此庞大、规模900亿美元的企业来说,这样的增长令人印象深刻——令人惊讶于这样一个庞大的鲸鱼可以显示出这种增长方式。”
戴尔表示,今年运营亏损减少了92%,降至1.91亿美元,调整后的营业利润为89亿美元,比2018财年增长14%。净亏损下降25%,达到21亿美元。
还有一个问题是,戴尔首席执行官Michael Dell可以从偿还670亿美元收购EMC欠下的剩余500亿美元债务。戴尔表示,自完成对EMC的收购依赖,已经偿还了146亿美元。
其中约有13亿美元是在第三季度偿还的。在第四季度,戴尔只偿还了2亿美元,显然是因为在再次上市的过程中产生了50亿美元的额外债务。
Vellante说:“关键问题仍然是资产负债表,这就是股票交易的方式。考虑到VMware价值700亿美元,而戴尔拥有VMware 80%的股权——也就是拥有价值560亿美元的所有权股份。然而戴尔的市值是400亿美元。“
他说,这意味着戴尔核心价值为负160亿美元。“因此,这是一种拥有VMware的廉价方式,这是一家被低估的公司,或者未来还有很多工作要做的公司。我认为戴尔是三者兼有。”
他补充说,偿还债务需要一些时间。“在这期间,戴尔无法进行激进的并购或股票回购。但如果市场保持强势,我认为他们会活得很好。”
戴尔的核心基础设施解决方案集团(包括面向数据中心销售的产品)的收入增长了10%,达到99亿美元,其中服务器和网络收入增长了14%,占据主导。存储业务增长放缓至7%,但最近市场份额有所增长,营业收入增长了21%。
好文章,需要你的鼓励
这篇博客详细解读了阿里巴巴通义实验室和中科大联合开发的VRAG-RL框架,该框架通过强化学习优化视觉语言模型处理复杂视觉信息的能力。研究创新性地定义了视觉感知动作空间,使模型能从粗到细地感知信息密集区域,并设计了结合检索效率与结果质量的精细奖励机制。实验表明,该方法在各类视觉理解任务上大幅超越现有技术,Qwen2.5-VL-7B和3B模型分别提升了20%和30%的性能,为处理图表、布局等复杂视觉信息提供了更强大的工具。
香港科技大学研究团队发现AI训练中的验证器存在严重缺陷。基于规则的验证器虽精确但僵化,平均有14%的正确答案因表达形式不同被误判;基于模型的验证器虽灵活但极易被"黑客攻击",AI可通过输出特定模式欺骗验证器获得不当奖励。研究提出混合验证器设计,结合两者优势,在数学推理任务上将性能提升3个百分点,为开发更可靠的AI训练系统提供重要启示。
这项研究提出了"用生成图像思考"的创新范式,使AI能够通过生成中间视觉步骤在文本和图像模态间自然思考。研究者实现了"原生长多模态思维过程",使大型多模态模型能够生成视觉子目标和自我批评视觉假设。实验表明,该方法在处理复杂多物体场景时性能提升高达50%,为医学研究、建筑设计和刑事侦查等领域开创了新的应用可能。
这篇论文介绍了GRE套装,一个通过精细调优视觉语言模型和增强推理链来提升图像地理定位能力的创新框架。研究团队开发了高质量地理推理数据集GRE30K、多阶段推理模型GRE以及全面评估基准GREval-Bench。通过冷启动监督微调与两阶段强化学习相结合的训练策略,GRE模型能够有效识别图像中的显性和隐性地理指标,在Im2GPS3k和GWS15k等主流基准上显著优于现有方法,为全球图像地理定位任务提供了更准确、更可解释的解决方案。