由于市场对个人计算机和其他支持远程办公的设备需求强劲,戴尔该季度再次取得超出预期的出色业绩。
今天戴尔公布了第四季度财报,在不计入股票补偿等特定成本下的每股利润为2.70美元,收入为261.1亿美元,比去年同期增长了9%。这一结果超出了此前华尔街预期的每股利润2.14美元,收入249亿美元。
在疫情期间,在家办公和在家学习的人数大增,使得过去这一年中PC和笔记本电脑的销售量大大增加,让戴尔从中受益。
戴尔技术首席运营官Jeff Clarke表示:“过去的一年中,我们致力于为全球客户和合作伙伴提供支持,因为科技在确保社会、经济和生活向前发展中发挥了核心的作用。”
全年来看,戴尔的每股利润为4.22美元,收入为942.2亿美元,较去年同期增长2%,去年共出售5030万台PC和笔记本电脑。
该季度戴尔PC部门的收入为138亿美元,比去年同期增长了17%。商业和消费者收入激增至10亿美元。全年来看,PC业务实现总收入484亿美元,营业收入为34亿美元。
戴尔并不是唯一从这一趋势中受益的PC制造商。惠普今天也发布了业绩强劲的财报,第一季度收益和收入均超出预期。惠普表示,PC销售额同比增长7%,收入突破106亿美元。
Moor Insights&Strategy分析师Patrick Moorhead表示:“戴尔第四季度表现出色,在非常不确定的时期内收入增长了9%。PC部门在个人电脑(+19%)和商用电脑(+16%)的推动下,在收入(+17%)和营业收入(10亿美元)双双领跑。我很高兴看到该季度消费业务也实现了增长,因为上个季度的增长完全是关于商用业务的增长。”
当然,除了PC戴尔还售卖面向企业售卖数据中心基础设施设备,包括服务器、存储和网络,但是该季度基础设施部门的业绩好坏参半。
第四季度该部门的收入与上个季度持平,为88亿美元。戴尔表示,存储收入下降了2%,服务器和网络销售增长了3%。该季度营业收入达到12亿美元,全年来看,基础设施业务的总收入为326亿美元,收入为38亿美元。
分析师Steve McDowell认为,尽管结果好坏参半,但他仍对戴尔基础设施业务的状况持乐观态度,从总收入的角度来看,有强有力的迹象表明存储业务将逐渐恢复正轨。
他说:“尽管戴尔在服务器和存储方面均有同比下降,但也是表现最好的一个季度,环比增长了近13%”,而且“我们看到NetApp和Pure Storage的情况也是类似的。”
McDowell说,他看到了戴尔存储业务有很多亮点,其中,市场对中端PowerStore产品线的需求正在增长,与上一季度相比增长了4倍。他说:“戴尔拥有市场上最具竞争力的存储产品组合之一,我们能在一些领域看到它是具有吸引力的,我并不担心戴尔在2021年的表现。”
市场研究公司Wikibon首席分析师Dave Vellante表示,戴尔表现出色,该季度承诺做的事情都做得很好。他说:“去年9月戴尔说要偿还债务、增加股份等,现在来看执行情况是非常好的,特别是考虑到基础设施业务还处于困境之中。”
由戴尔持有多数股权的数据中心虚拟化软件巨头VMware,进一步巩固了戴尔的业绩。该季度VMware的销售额超出预期,达到33亿美元。不过今年年初VMware首席执行官Pat Gelsinger宣布即将卸任并执掌英特尔,目前VMware还没有提供任何关于下一任CEO的最新信息。
而VMware本身的未来也存在不确定性。去年戴尔表示,正在考虑分拆VMware,但这一计划推迟到2021年9月之后再做出最终决定。
Vellante表示,从短期来看,戴尔现在面临的最大挑战是弄清楚如何利用VMware,而从长期来看,则是在公有云之上构建一个软件即服务的云。
好文章,需要你的鼓励
OpenAI首席执行官Sam Altman表示,鉴于投资者的AI炒作和大量资本支出,我们目前正处于AI泡沫中。他承认投资者对AI过度兴奋,但仍认为AI是长期以来最重要的技术。ChatGPT目前拥有7亿周活跃用户,是全球第五大网站。由于服务器容量不足,OpenAI无法发布已开发的更好模型,计划在不久的将来投资万亿美元建设数据中心。
阿里巴巴团队提出FantasyTalking2,通过创新的多专家协作框架TLPO解决音频驱动人像动画中动作自然度、唇同步和视觉质量的优化冲突问题。该方法构建智能评委Talking-Critic和41万样本数据集,训练三个专业模块分别优化不同维度,再通过时间步-层级自适应融合实现协调。实验显示全面超越现有技术,用户评价提升超12%。
英伟达推出新的小型语言模型Nemotron-Nano-9B-v2,拥有90亿参数,在同类基准测试中表现最佳。该模型采用Mamba-Transformer混合架构,支持多语言处理和代码生成,可在单个A10 GPU上运行。独特的可切换推理功能允许用户通过控制令牌开启或关闭AI推理过程,并可管理推理预算以平衡准确性和延迟。模型基于合成数据集训练,采用企业友好的开源许可协议,支持商业化使用。
UC Berkeley团队提出XQUANT技术,通过存储输入激活X而非传统KV缓存来突破AI推理的内存瓶颈。该方法能将内存使用量减少至1/7.7,升级版XQUANT-CL更可实现12.5倍节省,同时几乎不影响模型性能。研究针对现代AI模型特点进行优化,为在有限硬件资源下运行更强大AI模型提供了新思路。