戴尔(Dell Technologies)今天公布财报,结果未能实现收入目标,这主要是在中美两国持续的贸易紧张局势背景下,戴尔的服务器业务在较高的成本和较低的需求中苦苦挣扎。
根据财报显示,第三季度戴尔在股票补偿等特定成本之前的利润为每股1.75美元,收入为228亿美元,比去年同期增长了1%。
这一结果超出了华尔街预期的每股收益1.62美元,但低于230.4亿美元的收入预期,这导致戴尔股票在盘后交易中下跌了近4%,在常规交易中下跌了3%以上。
收入未达预期主要归咎于戴尔的服务器和网络业务,该业务收入较上年同期下降了16.1%至42.4亿美元。
目前,在中国有重要业务部署的美国科技公司正在遭受特朗普与中国展开为期16个月的贸易战所带来的后果,在对经济放缓的普遍担忧使得供应链受到了冲击。
面对这一难题的远不止戴尔一家厂商。本月初,思科公布了季度收益和收入预测,结果低于预期水平,思科也将此归结于贸易的不确定性。就在昨天,HPE也未能达到收入目标,再次将责任归咎于贸易紧张局势。
戴尔曾在8月公布财报的时候警告服务器市场将会发生疲软,称许多客户已经减少了订单。
Pund-IT分析师Charles King认为,戴尔是一个有趣的例子,说明投资者很容易受到系统性挑战的惊吓,这种挑战正在伤及整个技术基础设施领域的厂商。他说,企业讨厌不确定性,通常会选择顺应局势,而不是冒险在这种情况下进行投资。
King补充说:“戴尔对于数据中心支出疲软的解释,与其他厂商所说的是一致的。此外,戴尔超出预期的收益,以及保持在正规的债务偿还战略,凸显了戴尔管理团队的素质。”
服务器和网络业务的糟糕表现遮掩了其他业务取得的好成绩,尤其是戴尔子公司VMware。VMware的季度收入增长了近12%,达到24.6亿美元,超过了华尔街预期的24.1亿美元。
VMware还确认,已经完成了对总部位于马萨诸塞州的网络安全公司Carbon Black和位于加利福尼亚州的Pivotal Software的收购,两笔收购的总价值估计为48亿美元。
戴尔首席财务官Tom Sweet还强调了VMware在云数据存储方面的表现,该季度VMware整体存储收入增长了9%。
Sweet在声明中表示:“我们仍然专注于长期盈利增长、增长速度超过竞争对手和整个行业、营业收入和每股收益增长速度高于收入、并且产生强劲的现金流。”
戴尔客户端解决方案部门(包括个人电脑、笔记本电脑和平板电脑)也有出色表现,收入增长了4.6%至114.1亿美元。
King表示,客户端PC部门的强劲表现对戴尔至关重要。
King表示:“如果做不到这一点,我们可能会考虑完全不同的情况和投资者的反应。这一平衡效应证明了戴尔专注于端到端IT解决方案的潜在价值,这也给HPE和其他竞争对手放弃或者正式将PC开发从数据中心业务中剥离的决定画上了一个问号。”
King的观点得到Moor Insights&Strategy分析师Patrick Moorhead的认同,后者表示,PC部门仍然是戴尔主要的收入驱动力之一。
Moorhead说:“PC业务以9%的增幅领跑,而这主要是受到从Windows 7升级到Windows 10的强劲推动。”
他认为,VMware对于戴尔的未来增长前景仍然至关重要,VMware帮助戴尔成为混合云计算的行业领导者,这一战略让企业可以在私有云和公有云混合环境中运行工作负载。
“展望未来,我认为VMware是戴尔的增长和利润驱动力。VMware让Unified Workspace和Dell Technologies Cloud之类的解决方案得以发展,这些解决方案不仅会带来更高的利润,而且也将推动增长。”
戴尔还更新了对全年的指引,预计全年收入在915亿美元至922亿美元之间,低于华尔街的预测935.4亿美元。
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。