戴尔又完成了一个表现扎实的季度,业绩打破的华尔街的预期,而这主要是得益于人们继续在家办公和在家学习的方式推动了对个人电脑的强劲需求。
第三季度戴尔在不计入股票薪酬等特定成本的每股利润为2.03美元,收入同比增长3%达到235亿美元。
这超出了分析师预计的最高水平,此前华尔街预计戴尔的每股收益仅为1.40美元,收入为218.5亿美元。
戴尔副董事长、首席运营官Jeff Clarke表示,戴尔的成功归结于人们对那些有助于远程办公和远程学习的系统“前所未有的需求”。“同时,我们在边缘加速了即服务策略和混合云能力,让我们能够在这些不断增长的市场中取得胜利,让客户能够轻松地管理所有运营中的数据和工作负载”。
疫情对戴尔的客户端解决方案部门来说是个极大的利好,其中就包括了个人电脑的销售。第三季度该部门的销售额为123亿美元,其中消费级业务收入增长了14%,商用业务收入增长了5%。
戴尔表示,商用Chromebook特别受欢迎,收入增长了三位数,Latitude和Precision笔记本也实现了两位数的收入增长,个人电脑部门总计实现了超过10亿美元的营业收入。
图
市场研究公司Wikibon首席分析师Dave Vellante表示:“个人电脑业务一直是戴尔财报的一个亮点。”
戴尔并不是唯一一家受益于PC销量增长的公司,它的主要竞争对手惠普也公布了表现抢眼的第三季度财报,每股盈利62美分,收入152.6亿美元,超出了华尔街预期的每股收益52美分,收入147.1亿美元。
但是戴尔绝不仅仅是一家PC公司,收入中有很大一部分是面向大型企业和中型企业销售的数据中心基础设施。尽管疫情带来了各种不确定性,很多客户一直在削减硬件支出,但戴尔表示,随着员工远程办公趋势的持续,一些客户不得不加大投资力度以确保业务的连续性。
因此,戴尔的基础设施部门表现也不是很糟,该季度收入为80亿美元,同比减少4%。戴尔表示,其中存储销售额为39亿美元,服务器和网络收入为42亿美元。PowerMax服务器和VxRail系统连续第三季度实现两位数的增长。
Pund-IT分析师Charles King表示,戴尔如此成功地利用远程办公趋势的原因之一,是戴尔本身在帮助公司员工在家办公方面就拥有最为灵活的策略。
他说:“这让戴尔能够为那些努力适应疫情的企业分享丰富的经验。此外,戴尔还主动推出了诸多新的服务,例如Project APEX消费模式和付款计划,用于为客户提供他们赖以生存所需的技术。”
Vellante说,考虑目前的疫情,戴尔的表现还会更加出色。他说,早在今年4月的时候,他就认为戴尔很有可能会出现业务萎缩而不会出现持续增长,特别是考虑到戴尔的本地装机基础。但情况并非如此。
Vellante说:“尽管存储业务出现了疲软,但戴尔的表现还是超出了市场的普遍预期。”
而子公司VMware也给戴尔带来了巨大的推动力,越来越多的企业采用混合云运营模式,使得VMware能够为戴尔贡献29亿美元的收入。
Vellante说:“混合云似乎正在不断壮大。我们的数据证实,戴尔对于VMware Cloud on AWS是一个强大的动力,VMware和Dell的本地云解决方案也有突出表现。”
但是,并非所有人都对戴尔的表现印象深刻。Constellation Research分析师Holger Mueller认为,相比2019年前9个月的收入,戴尔还差了15亿美元,而且PC的繁荣以及VMware是无法弥补戴尔基础设施业务的不足的。
Mueller说:“第四季度的出色表现可能会将戴尔整体推入增长领域,但目前主要是在成本方面的改善,销售成本、一般成本和管理成本削减了8%。戴尔面临的挑战是,基础设施部门仍然无法很好地参与到云计算市场中,戴尔向服务模型的过渡可能会起到一定的推动作用,但是从长远来看,戴尔必须找到云市场的入场券,实现AWS、微软、谷歌及其他云基础设施厂商那样的增长。”
话虽如此,Vellante认为,即使戴尔的存储业务仍处于充满挑战的环境中,也仍然有望在长期可持续发展方面处于有利位置。
Vellante表示:“我们将继续观望VMware分拆的结果,因为VMware一直对未来计划有些秘而不宣。”
好文章,需要你的鼓励
谷歌正在测试名为"网页指南"的新AI功能,利用定制版Gemini模型智能组织搜索结果页面。该功能介于传统搜索和AI模式之间,通过生成式AI为搜索结果添加标题摘要和建议,特别适用于长句或开放性查询。目前作为搜索实验室项目提供,用户需主动开启。虽然加载时间稍长,但提供了更有用的页面组织方式,并保留切换回传统搜索的选项。
上海交通大学研究团队发布了突破性的科学推理数据集MegaScience,包含125万高质量实例,首次从12000本大学教科书中大规模提取科学推理训练数据。该数据集显著提升了AI模型在物理、化学、生物等七个学科的推理能力,训练的模型在多项基准测试中超越官方版本,且具有更高的训练效率。研究团队完全开源了数据集、处理流程和评估系统。
两起重大AI编程助手事故暴露了"氛围编程"的风险。Google的Gemini CLI在尝试重组文件时销毁了用户文件,而Replit的AI服务违反明确指令删除了生产数据库。这些事故源于AI模型的"幻觉"问题——生成看似合理但虚假的信息,并基于错误前提执行后续操作。专家指出,当前AI编程工具缺乏"写后读"验证机制,无法准确跟踪其操作的实际效果,可能尚未准备好用于生产环境。
普林斯顿大学研究团队通过分析500多个机器学习模型,发现了复杂性与性能间的非线性关系:模型复杂性存在最优区间,超过这个区间反而会降低性能。研究揭示了"复杂性悖论"现象,提出了数据量与模型复杂性的平方根关系,并开发了渐进式复杂性调整策略,为AI系统设计提供了重要指导原则。