近日HPE和NetApp让华尔街分析师倍感意外,发布的财报结果均超出此前预测期,尽管数据中心硬件市场仍在持续下滑。
HPE还计划将公司总部从美国加州圣何塞迁至德克萨斯州休斯敦,这一消息引起了人们的关注。
HPE第四季度在不计如股票薪酬等特定成本下的每股利润为37美分,收入为72亿美元,高于华尔街预期的每股利润34美分和收入68.8亿美元。
HPE:关键增长领域加速成长
HPE首席执行官Antonio Neri称HPE“强劲”,并补充说由于“关键增长领域的加速发展”,总收入出现了“明显反弹”。
他所说的这些增长领域包括HPE的高性能计算和关键任务系统产品,收入同比增长25%,达到9.75亿美元。同时,智能边缘业务(包括有线和无线网络设备)收入增长6%,达到7.86亿美元。
不过,HPE的传统业务却表现不佳,计算业务(包括服务器)收入下滑了5%,至32亿美元,存储业务收入下滑了3%,至12亿美元。此外,专业服务收入和金融服务收入也分别下滑了9%和3%。
但是,HPE的存储业务收入环比增长了7%,这让Moor Insights&Strategy分析师Steve McDowell感到意外。
“我没想到环比是增长的,HPE的存储业务环比增长了7%,而同期Dell的存储业务同比下滑了7%。看到这两家公司在存储领域的表现有如此大的差异,实属罕见。”
Neri在与分析师召开的电话会议中表示,环比增长说明COVID-19大流行正在给HPE带来更多的业务机会。
Neri说:“全球新冠病毒大流行迫使企业重新思考一切,从远程办公和协作,到业务连续性和数据洞察。过去几个月中,客户越来越多地采用HPE产品,因为我们具备从边缘到云的独特能力,可以帮助客户为员工提供保障,部署有弹性的新IT解决方案,并从关键数据中提取洞察,同时更灵活地以服务的方式使用这些解决方案。”
谈到总部搬迁到休斯顿时,Neri称这是因为休斯敦是HPE美国员工最多的区域。
他说:“休斯敦的HPE员工最多,也是一个吸引和留住未来多样化人才的一个诱人市场,这里将成为HPE正在建设中的、最先进的新型园区。”他说,HPE将保留湾区办事处作为创新战略中心,而且不会进行裁员。
McDowell认为,HPE将总部搬迁到休斯敦是很有意义的,特别是眼下有越来越多的科技公司开始意识到,他们不必为了提高竞争力而留在湾区。一方面,HPE在休斯顿地区已经拥有非常庞大的员工群体,而且HPE在2008年收购的Compaq,最早的总部就是在休斯敦。
McDowell说:“HPE已经有相当一部分员工已经驻扎在这里,而且消费水平要比湾区便宜得多。而且,Antonio Neri本人就在HPE休斯敦办公点度过了他大部分的职业生涯,直到2015年才来到湾区。他对于在休斯敦工作会感到很舒服。”
对于目前所在的2021财年第一季度,HPE预计该季度每股收益在40至44美分之前,高于华尔街普遍预期的每股收益35美分。此外HPE还将全年业绩预期上调至每股1.60至1.70美元,高于华尔街预期的每股1.53美元。
盘后交易中,HPE的股价下跌了约1.4%。
NetApp:软件和云销售强劲增长
NetApp的表现更好,第二季度每股利润为1.05美元,销售额为14.2亿美元,同比增长3.3%,此前华尔街预期的每股利润仅为73美分,收入为13.2亿美元。
NetApp股价在盘后交易中上涨了近5%。
NetApp首席执行官George Kurian也庆祝了这一“强劲”业绩,称NetApp第二季度的业绩证明公司已经成功执行了扩展云业务的计划,而且他说,NetApp是客户数字化转型的“主要受益者”。
该季度NetApp的软件收入同比增长了14%,至4.17亿美元,占到总销售额的近三分之一,抵消了硬件收入下滑18%所带来的影响。
NetApp的公有云收入年运营率达到2.16亿美元,比去年增长近75%。
Kurian说:“我对我们能够推动长期增长、扩展混合云领导地位、以及为客户、合作伙伴和股东创造价值充满信心。”
NetApp预计第三财季每股收益在94美分至1.02美元之间,收入在13.4亿美元至14.9亿美元之间,此前华尔街预期的每股收益为91美分,收入为13.7亿美元。
McDowell认为,NetApp和HPE的强劲表现说明企业基础设施市场正在恢复强大表现。
他说:“如今,NetApp和HPE都印证了我们通过Nvidia、Dell和Pure Storage发现的趋势,对于基础设施厂商总体来说,这是一个不错的季度。”
好文章,需要你的鼓励
谷歌地图将集成Gemini人工智能技术,旨在将其升级为一个"全知型副驾驶"助手。这一整合将大幅提升地图服务的智能化水平,为用户提供更加个性化和全面的导航体验。通过AI技术的加持,谷歌地图有望在路线规划、地点推荐和实时信息服务等方面实现重大突破。
Feedzai团队首次系统评估了AI模型理解散点图的能力,创建了包含18,000张图表的大规模数据集。测试十个先进AI模型发现,在简单计数任务中部分模型准确率超90%,但精确定位任务表现不佳,准确率多在50%以下。研究还发现图表设计对AI性能有轻微影响,为AI辅助数据分析提供了重要参考。
微软研究人员发布新的仿真环境来测试AI智能体,研究显示当前智能体模型容易受到操纵。该名为"Magentic Marketplace"的合成平台让客户智能体与商家智能体进行交互实验。测试包括GPT-4o、GPT-5和Gemini-2.5-Flash等模型,发现智能体在面临过多选择时效率下降,且在协作方面表现不佳。研究揭示了AI智能体在无监督环境下的性能问题。
KAIST研究团队开发出MG-Select系统,首次让视觉语言机器人具备"货比三家"的决策能力。该系统通过生成多个行动候选方案并利用内部评估机制选择最优解,无需额外外部验证系统。在真实世界测试中,机器人精确操作成功率提升28%-35%,某些任务改进达168%,为机器人在医疗、制造等高精度应用领域的发展奠定重要基础。