VMware公布的第一季度财报显示,收入和收益均超出了华尔街的预期,但并未让投资者感到满意,VMware股价在盘后交易中下跌超过3%。
但是没有任何迹象表明VMware从虚拟机管理程序或虚拟机制造商向多云和混合云战略赋能者的转型有什么不妥。
该季度VMware的收入同比增长12.8%达到22.7亿美元,略低于市场预期的22.5亿美元,增幅略低于上个季度的13.5%。
每股1.32美元的调整后收益比市场预期高出了4美分,但略低于VMware过去四个季度6%的平均收益。许可收入增长了12%,达到8.69亿美元。
Moor Insights&Strategy分析师Patrick Moorhead称VMware的收入增幅“令人印象深刻”,当前VMware核心的虚拟机管理程序业务增长平平,因此VMware调整战略将重点放在了多云和混合云赋能上。“很多业内人士认为VMware是一家老公司,但现在它正在成为一家本地云计算公司。”
Forrester分析师Glenn O’Donnell对此表示认同。他认为,VMware首席执行官Patrick Gelsinger和他的团队“继续执行的计划试图让那些说VMware鼎盛期已经过去的批评者们闭上嘴。客户从VMware那里不断购买产品,而且购买大量的产品”。
Gelsinger表示,VMware通过与微软合作完成了几笔交易,并且在最近推出了VMware Cloud on Dell EMC。他说:“我们正在持续扩展面向混合云和多云环境的平台,这些平台变得越来越重要且更具战略意义,”这里他提到了VMware已经与三大公有云巨头中的前两个达成了联盟。
有分析师提出VMware未能实现23%的收入增长,并问及许可收入增长是否开始下滑。Gelsinger解释说,这一变化是由于面向混合云和多云合同的软件即服务产品销售增长加快所导致的,这部分合同增加了35%。
“许可预订转化为收入的速度要快于SaaS预定。你会看到有越来越多的SaaS预订,然后收入不断增加。”
VMware没有按产品线公布财报结果,但VMware高管们表示,公司的多元化战略正在取得成效。NSX网络虚拟化软件许可证预订量增加了40%,该季度十大交易都涉及了NSX。vSAN存储虚拟化软件销售额增长了50%,客户数已经超过20000家。该季度的十大交易中有9个涉及最终用户计算产品,该类别下超过半数的预定都是即服务的形式售出的。
Forrester的O'Donnell表示:“增长来自云合作伙伴关系、软件定义网络和vSAN,其中vSAN已经成为快速扩张的超融合基础设施市场的一个主要力量。技术的未来是基础设施和应用的无缝融合,这同样重要。”
vRealize混合云套件以及CloudHealth Technologies(VMware在去年夏天收购)的多云运营平台推动VMware云管理软件销售实现强劲的两位数增长。Gelsinger表示,VMware让客户更易于更易于采用多云的战略正在取得成效。
他表示,即便是容器——曾经被视对VMware虚拟化业务构成重大挑战的便携式软件环境——也带来了新的机会。容器“带来了奇妙的情况,它对业务的影响很小,但是势头却很猛,就像是未来二十年的Java”。他说,VMware现在是Cloud Native Computing Foundation基金会Kubernetes容器编排项目的第二大贡献者。
总体来看,VMware继续在基础设施这个近期出现了增长放缓迹象的市场中继续逆风而行,那么VMware该做些什么来保持这种势头?
Pund-IT首席分析师Charles King表示:“或多或少还是要继续提供自Gelsinger担任CEO以来的所有产品。VMware已经成为一个在发展过程中了解并发挥其优势的企业的典范,这对于VMware及其股东来说很可能仍将是取胜的一条路径。”
好文章,需要你的鼓励
OpenAI首席执行官Sam Altman表示,鉴于投资者的AI炒作和大量资本支出,我们目前正处于AI泡沫中。他承认投资者对AI过度兴奋,但仍认为AI是长期以来最重要的技术。ChatGPT目前拥有7亿周活跃用户,是全球第五大网站。由于服务器容量不足,OpenAI无法发布已开发的更好模型,计划在不久的将来投资万亿美元建设数据中心。
阿里巴巴团队提出FantasyTalking2,通过创新的多专家协作框架TLPO解决音频驱动人像动画中动作自然度、唇同步和视觉质量的优化冲突问题。该方法构建智能评委Talking-Critic和41万样本数据集,训练三个专业模块分别优化不同维度,再通过时间步-层级自适应融合实现协调。实验显示全面超越现有技术,用户评价提升超12%。
英伟达推出新的小型语言模型Nemotron-Nano-9B-v2,拥有90亿参数,在同类基准测试中表现最佳。该模型采用Mamba-Transformer混合架构,支持多语言处理和代码生成,可在单个A10 GPU上运行。独特的可切换推理功能允许用户通过控制令牌开启或关闭AI推理过程,并可管理推理预算以平衡准确性和延迟。模型基于合成数据集训练,采用企业友好的开源许可协议,支持商业化使用。
UC Berkeley团队提出XQUANT技术,通过存储输入激活X而非传统KV缓存来突破AI推理的内存瓶颈。该方法能将内存使用量减少至1/7.7,升级版XQUANT-CL更可实现12.5倍节省,同时几乎不影响模型性能。研究针对现代AI模型特点进行优化,为在有限硬件资源下运行更强大AI模型提供了新思路。