在这个对于基础设施厂商来说喜忧参半的季度收益季中,VMware很好地证明了自己已经成功实现从服务器专家到战略IT合作伙伴的转变。
VMware今天公布了第四财季收入和利润,结果均轻松超过此前分析师的预期,这要归功于更大规模的交易和产品组合在高增长领域的突出表现。
该季度VMware的收入同比增长了16%,达到25.9亿美元,远高于分析师此前预期的24.9亿美元。每股1.98美元的调整后利润也好于预期。VMware股价在盘后交易中上涨约2.5%。
2019财年的收入相比2018财年增长了14%,达到89.7亿美元。许可收入增长了18%,达到37.9亿美元。VMware表示,有望在2020财年收入首次突破100亿美元,增幅达到11.8%。
VMware首席执行官Pat Gelsinger表示:“第四季度为表现抢眼的2019财年划上了一个完美的句号,这主要是受到我们多元化产品组合以及所有三个地区(尤其是亚太地区)的强劲推动。”该季度VMware完成了创纪录的23笔规模达1000万美元或更高的交易,并拿下了首个规模2000万美元的订单,有超过一半的预定是来自于企业客户。
这证明了VMware在将虚拟化产品系列从计算多元化扩展到存储及网络方面所取得的成功。在该季度完成的10大交易中,8个包含了用于超融合基础设施的vSAN软件,9个包含了NSX网络虚拟化层,所有10个交易都包括核心服务器虚拟化和管理。该季度NSX的销售额超过5亿美元,全年销售额超过13亿美元,而vSAN许可预订量也增长了60%。
市场研究公司Forrester副总裁兼研究总监Glenn O'Donnell表示:“随着服务器虚拟化的扩展,VMware的业务已经远远不止是服务器虚拟化;NSX只是VMware扩张的一个主要催化剂。”他指出,VMware的超融合产品也有令人印象深刻的表现。“它在很短的时间内成为了市场领导者。”
Pund-IT总裁兼首席分析师Charles King表示,VMware凭借NSX将目光瞄准了市场领导者思科,并且显然已经达到了目标。本周早些时候,VMware宣布对NSX进行最重要的升级,增强功能首次将扩展到VMware虚拟机管理程序之外。
“通过投资NSX,VMware推动了网络虚拟化的进一步发展,并且比其他方式更加快速。随着网络虚拟化成为VMware运营中一个越来越重要的因素,这让企业客户有充分的理由继续保持与VMware的合作,”King这样表示。
Gelsinger表示,交易规模越来越大,表明客户“正在从计算转向完整的解决方案。这些交易规模更大,更具战略性,因为客户现在从我们这里购买的是完整的数据中心。“
Gelsinger表示,市场也认可了VMware作为混合云和多云厂商的新定位。混合云和软件即服务订阅占该季度VMware总收入的10%,同比增长35%。
Gelsinger表示,客户越来越多地将VMware作为他们转型为混合云的战略合作伙伴。VMware的Cloud Foundation平台提供了一个可以在本地部署或从云端作为服务运行的通用基础架构,“这将超越所有目标,”他说。Gelsinger在没有提供具体细节的情况下表示,VMware最近进入安全市场的进展良好。“我们在安全市场中处于独特的地位,我们可以看到整个操作——数据流、网络和应用,”他说。与AWS长达两年半的合作关系“进展非常顺利”。
Forrester的O'Donnell表示,随着客户转向多云战略,VMware占据有利位置。“客户希望选择将云和一些资产留在他们自己的数据中心。现在新兴的边缘计算市场正在快速扩张, VMware处于横跨所有这些领域的有利位置。”
根据最近的报道,在宣布与Amazon合作取得成果之后,VMware可能会与长期竞争对手微软也就类似的合作伙伴关系达成协议。Pund-IT的King表示,VMware对客户选择VMware来管理他们的混合云战略越来越有信心。“与AWS和微软合作是VMware在客户引领方面要做的方向。”
好文章,需要你的鼓励
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。