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
从浙江安吉的桌椅,到广东佛山的沙发床垫、河南洛阳的钢制家具,再到福建福州的竹藤制品,中国各大高度专业化的家具产业带,都在不约而同地探索各自的数字化出海路径。
哥伦比亚大学研究团队开发了MathBode动态诊断工具,通过让数学题参数按正弦波变化来测试AI的动态推理能力。研究发现传统静态测试掩盖了AI的重要缺陷:几乎所有模型都表现出低通滤波特征和相位滞后现象,即在处理快速变化时会出现失真和延迟。该方法覆盖五个数学家族的测试,为AI模型选择和部署提供了新的评估维度。
研究人员正探索AI能否预测昏迷患者的医疗意愿,帮助医生做出生死决策。华盛顿大学研究员Ahmad正推进首个AI代理人试点项目,通过分析患者医疗数据预测其偏好。虽然准确率可达三分之二,但专家担心AI无法捕捉患者价值观的复杂性和动态变化。医生强调AI只能作为辅助工具,不应替代人类代理人,因为生死决策依赖具体情境且充满伦理挑战。
这项研究首次发现AI推理模型存在"雪球效应"问题——推理过程中的小错误会逐步放大,导致AI要么给出危险回答,要么过度拒绝正常请求。研究团队提出AdvChain方法,通过训练AI学习"错误-纠正"过程来获得自我纠错能力。实验显示该方法显著提升了AI的安全性和实用性,用1000个样本达到了传统方法15000个样本的效果,为AI安全训练开辟了新方向。