Dell Technologies作为一家上市公司再次成为人们关注的焦点,但也有人不这么想,特别是Dell公布了喜忧参半的财报结果,由于基础设施业务销售额下滑导致收入未达预期。
第一财季Dell在股票报酬等特定成本之前的每股收益为1.45美元,收入为219亿美元,比去年同期增长3%。华尔街预计的每股收益为1.21美元,收入为222.4亿美元。
Dell股票在盘后交易中下跌超过3%,说明投资者希望看到更好的结果。
收入未达预期的主要原因之一,是Dell服务器和存储业务的疲软。据戴尔称,基础设施解决方案集团(包括存储产品)的收入下滑了5%至82亿美元;服务器和网络收入也下降了9%;超融合基础设施业务是个亮点,在刚刚结束的这个季度增长了三位数。
Dell副董事长Jeff Clarke在与分析师的财报电话会议上表示,Dell公司一直在努力应对中国市场中的产品需求放缓,同时也希望能抓住该市场中一些大型企业的商机。他补充说,企业正“处于以技术为主导的投资周期中”。
他还表示他对于上个季度新推出的Dell Technologies Cloud前景感到乐观。这款混合云平台旨在帮助企业更轻松地在内部部署基础设施和公有云之间移动工作负载,据称有不少企业客户对此很感兴趣。
他说:“在这个数据时代没有人能够比我们更好地提供客户增长所需的解决方案。一个例子就是我们与VMware共同设计的Dell Technologies Cloud平台,旨在加快客户迁移到混合云环境的步伐。”
Moor Insights&Strategy分析师Patrick Moorhead表示,Dell服务器和网络业务的收入下滑9%涉及很多因素。
Moorhead说:“我认为市场确实收缩了一点,而且Dell在中国市场并不追求低利润的交易。因此很难将这一结果与2018年进行对比,因为Dell在2018年实现了20%-40%的增长。”
尽管如此,Moorhead表示Dell整体上“第一季度财报仍然是表现强劲的”。
他说:“由于Dell目前处于增长模式,因此强劲的利润数据令人感到惊喜。利润很重要,但推动收入增长是当前Dell的首要任务。”
作为高优先级业务,PC业务(即客户端解决方案集团)在该季度表现相当不错,收入达到109亿美元,同比增长了6%。但是对数据进行更深入的研究后发现情况有些复杂,商用销售额增长了13%,而消费者销售额下滑了10%。
Moorhead将消费者收入下降归因于整体PC需求的放缓,但他表示,某些细分市场表现优于其他细分市场。
“Dell在增长型和高端消费者市场(如游戏和高端笔记本电脑)方面表现良好,但Dell并不追求利润率较低的消费者业务,因为这部分业务的服务和支持剩余价值很小,”Moorhead表示。
Dell拥有80%股权的VMware公司也备受关注,VMware单独公布的财报显示,尽管盈利和收入预期均超出预期,但并没有让投资者感到兴奋。VMware在第一季度的收入为22.7亿美元,同比增长13%,分析师此前预期收入为22.5亿美元,但VMware股票在盘后交易中仍下跌超过3%。
Wikibon分析师Dave Vellante表示,VMware股价下跌最可能的原因是VMware未能提高全年指引,但即使投资者不会认同,此举实际上是“明智的”。
“为什么要让人们过于关注中国经济的不确定性和地缘政治活动?VMware的表现仍然是非常突出的,并将保持一段时间。”
Vellante对Dell的整体表现也持乐观态度,称其在控制费用以确保收益超预期方面做得特别好。
“在我看来,Dell的业务表现如常,但未来还有很多工作要做。”
除了主要业务外,Dell在偿还2016年670亿美元收购EMC欠下的债务方面所取得的进展仍然是投资者所关注的。好消息是Dell表示已经在刚刚过去的这个季度偿还了约4亿美元的债务,并且有望在本财年结束时偿还48亿美元。
好文章,需要你的鼓励
很多人担心被AI取代,陷入无意义感。按照杨元庆的思路,其实无论是模型的打造者,还是模型的使用者,都不该把AI放在人的对立面。
MIT研究团队提出递归语言模型(RLM),通过将长文本存储在外部编程环境中,让AI能够编写代码来探索和分解文本,并递归调用自身处理子任务。该方法成功处理了比传统模型大两个数量级的文本长度,在多项长文本任务上显著优于现有方法,同时保持了相当的成本效率,为AI处理超长文本提供了全新解决方案。
谷歌宣布对Gmail进行重大升级,全面集成Gemini AI功能,将其转变为"个人主动式收件箱助手"。新功能包括AI收件箱视图,可按优先级自动分组邮件;"帮我快速了解"功能提供邮件活动摘要;扩展"帮我写邮件"工具至所有用户;支持复杂问题查询如"我的航班何时降落"。部分功能免费提供,高级功能需付费订阅。谷歌强调用户数据安全,邮件内容不会用于训练公共AI模型。
华为研究团队推出SWE-Lego框架,通过混合数据集、改进监督学习和测试时扩展三大创新,让8B参数AI模型在代码自动修复任务上击败32B对手。该系统在SWE-bench Verified测试中达到42.2%成功率,加上扩展技术后提升至49.6%,证明了精巧方法设计胜过简单规模扩展的技术理念。