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
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。