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
这项研究由浙江大学、复旦大学等机构联合完成,提出了ReVisual-R1模型,通过创新的三阶段训练方法显著提升了多模态大语言模型的推理能力。研究发现优化的纯文本冷启动训练、解决强化学习中的梯度停滞问题、以及分阶段训练策略是关键因素。ReVisual-R1在各类推理基准测试中超越了现有开源模型,甚至在某些任务上超过了商业模型,为多模态推理研究开辟了新途径。
这项研究提出了一种名为"批评式微调"的创新方法,证明仅使用一个问题的批评数据就能显著提升大语言模型的推理能力。研究团队对Qwen和Llama系列模型进行实验,发现这种方法在数学和逻辑推理任务上都取得了显著提升,平均提高15-16个百分点,而且只需要强化学习方法1/20的计算资源。这种简单高效的方法为释放预训练模型的潜在推理能力提供了新途径。
新加坡国立大学研究团队开发了名为IEAP的图像编辑框架,它通过将复杂编辑指令分解为简单原子操作序列解决了当前AI图像编辑的核心难题。研究发现当前模型在处理不改变图像布局的简单编辑时表现出色,但在需要改变图像结构时效果差。IEAP框架定义了五种基本操作,并利用思维链推理技术智能分解用户指令,实验证明其性能显著超越现有方法,尤其在处理复杂多步骤编辑时。
Character AI的研究者开发出TalkingMachines系统,通过自回归扩散模型实现实时音频驱动视频生成。研究将预训练视频模型转变为能进行FaceTime风格对话的虚拟形象系统。核心创新包括:将18B参数的图像到视频DiT模型改造为音频驱动系统、通过蒸馏实现无错误累积的无限长视频生成、优化工程设计降低延迟。系统可让多种风格的虚拟角色与人进行自然对话,嘴型与语音同步,为实时数字人交互技术开辟了新可能。