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
三星与AI搜索引擎Perplexity合作,将其应用引入智能电视。2025年三星电视用户可立即使用,2024和2023年款设备将通过系统更新获得支持。用户可通过打字或语音提问,Perplexity还为用户提供12个月免费Pro订阅。尽管面临版权争议,这一合作仍引发关注。
浙江大学团队提出动态专家搜索方法,让AI能根据不同问题灵活调整内部专家配置。该方法在数学、编程等任务上显著提升推理准确率,且不增加计算成本。研究发现不同类型问题偏爱不同专家配置,为AI推理优化开辟新路径。
苹果M5 MacBook Pro评测显示这是一次相对较小的升级。最大变化是M5芯片,CPU性能比M4提升约9%,多核性能比M4 MacBook Air快19%,GPU性能提升37%。功耗可能有所增加但电池续航保持24小时。评测者认为该产品不适合M4用户升级,但对使用older型号用户仍是强有力选择。
清华大学研究团队提出SIRI方法,通过"压缩-扩张"交替训练策略,成功解决了大型推理模型"话多且准确率低"的问题。实验显示,该方法在数学竞赛题上将模型准确率提升43.2%的同时,输出长度减少46.9%,真正实现了效率与性能的双重优化,为AI模型训练提供了新思路。