VMware发布了2020财年第四季度财报,结果收入超出预期,但利润未达预期,使其股价跳水。
这家由戴尔持股多数股的计算虚拟化软件厂商公布,在不计入股票薪酬等特定成本的情况下,第四季度利润为8.68亿美元,合每股2.05美元,较上年同期增长9%。收入增长11%,达到30.7亿美元。
此前分析师普遍预期调整后的每股利润为2.14美元,收入为29.5亿美元。总体来看,净利润为3.21亿美元,合每股76美分,相比去年第四季度的4.96亿美元(合每股1.17美元)大幅下降。
VMware首席执行官Pat Gelsinger在分析师电话会议上说:“收入略有下降。”他将下滑归因于订阅收入和SaaS收入提高,也就意味着短期收入减少。VMware提供的软件用于“虚拟化”计算硬件,并将企业连接到云计算服务。
不过Gelsinger也坦言,一些大交易中确实存在“季度执行挑战”。他说:“在该季度末,我们的执行情况不佳。我们有太多事情要做。就在预定截止前的一个小时,刚刚达成了一笔非常大的交易。”他说,VMware正在努力加快交易的完成流程。
Constellation Research分析师Holger Mueller表示:“VMware无法承担第四季度末完成交易所涉及的执行问题带来的后果,对VMware来说情况可能很快变糟。”
VMware股价在收盘时下跌6%,至每股135.63美元,在盘后交易中,VMware的股价又下跌了6%。
该季度VMware在订阅和软件即服务(以前称为混合云和SaaS收入)方面取得了进展,与去年同期相比增长了52%,达到5.56亿美元。
Mueller说:“VMware在整体市场形势严峻的情况下保持着与市场的同步,越来越多的工作负载转移到公有云上,离开了VMware。对股东而言,好消息是VMware将与基础设施即服务厂商展开合作,实现本地工作负载自动化,从而继续创新并参与下一代计算平台市场。”
但是,这在某种程度上也给财报带来了影响。VMware首席财务官Zane Rowe在财报电话会议上表示,由于SaaS组合增加导致许可收入不足,而且预计订阅和SaaS收入也会超出预期。
VMware交易金额超过1000万美元的企业交易数量创下历史新高,从一年前的23笔增加到31笔,在前10大交易中,订阅和SaaS产品交易金额“显着增长”。Rowe表示,这是去年同期的2倍多。
VMware因为助推母公司戴尔而获得赞誉。Moor Insights&Strategy总裁、首席分析师Patrick Moorhead表示:“我仍然认为VMware是戴尔增长和利润的驱动力。VMware使Unified Workspace和Dell Technologies Cloud之类的解决方案得以发展,这些解决方案不仅利润率更高,而且将成为增长来源。”
Moorhead指出,戴尔在本地混合云计算领域有很多机会,但“ VMware是戴尔增加公有云收入的一个有力工具。”
VMware表示,预计第一财季收入将增长11.4%,达到27.3亿美元,订阅、SaaS和许可收入将增长15.9%,达到12.25亿美元,调整后的每股收益为1.27美元。预计全年收入将增长11.5%,达到120.5亿美元,订阅、SaaS和许可收入将增长15.9%,达到58.6亿美元,调整后每股收益为6.55美元。
Gelsinger表示,新冠病毒给VMware增长的影响是“较小的”,“总体情况没有改变”。
2月中旬曾有报道称,VMware计划在4月解雇200多名员工,其中包括高管和董事级的员工。VMware在一份声明中表示,裁员是“定期员工再平衡”的一部分。
尽管如此,过去一年中VMware一直在疯狂收购。今年1月,VMware以27亿美元收购了企业应用开发平台Pivotal Software,不到一个月的时间内,VMware又收购了网络分析初创公司Nyansa。去年8月,VMware还以21亿美元的价格收购了网络安全公司Carbon Black。
好文章,需要你的鼓励
DeepResearchGym是一个创新的开源评估框架,专为深度研究系统设计,旨在解决当前依赖商业搜索API带来的透明度和可重复性挑战。该系统由卡内基梅隆大学研究团队开发,结合了基于ClueWeb22和FineWeb大型网络语料库的可重复搜索API与严格的评估协议。实验表明,使用DeepResearchGym的系统性能与使用商业API相当,且在评估指标间保持一致性。人类评估进一步证实了自动评估协议与人类偏好的一致性,验证了该框架评估深度研究系统的有效性。
这项研究介绍了FinTagging,首个面向大型语言模型的全面财务信息提取与结构化基准测试。不同于传统方法,它将XBRL标记分解为数值识别和概念链接两个子任务,能同时处理文本和表格数据。在零样本测试中,DeepSeek-V3和GPT-4o表现最佳,但在细粒度概念对齐方面仍面临挑战,揭示了当前大语言模型在自动化XBRL标记领域的局限性,为金融AI发展提供了新方向。
这项研究介绍了SweEval,一个新型基准测试,用于评估大型语言模型在企业环境中处理脏话的能力。研究团队从Oracle AI等多家机构的专家创建了一个包含八种语言的测试集,模拟不同语调和上下文的真实场景。实验结果显示,LLM在英语中较少使用脏话,但在印地语等低资源语言中更易受影响。研究还发现较大模型通常表现更好,且多语言模型如Llama系列在处理不当提示方面优于其他模型。这项工作对企业采用AI技术时的安全考量提供了重要参考。
这项研究提出了"VeriFree"——一种不需要验证器的方法,可以增强大型语言模型(LLM)的通用推理能力。传统方法如DeepSeek-R1-Zero需要验证答案正确性,限制了其在数学和编程以外领域的应用。VeriFree巧妙地计算正确答案在模型生成的推理过程后出现的概率,作为评估和训练信号。实验表明,这种方法不仅能匹配甚至超越基于验证器的方法,还大幅降低了计算资源需求,同时消除了"奖励黑客"问题。这一突破将有助于开发出在化学、医疗、法律等广泛领域具有更强推理能力的AI系统。