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
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。
这项由中国人民大学高瓴人工智能学院研究团队发表的研究解决了大语言模型评判中的自我偏好问题。研究提出了DBG分数,通过比较模型给自身回答的分数与黄金判断的差异来测量偏好度,有效分离了回答质量与自我偏好偏差。实验发现,预训练和后训练模型都存在自我偏好,但大模型比小模型偏好度更低;调整回答风格和使用相同数据训练不同模型可减轻偏好。研究还从注意力分析角度揭示了自我偏好的潜在机制,为提高AI评判客观性提供了重要指导。
这篇研究提出了DenseDPO,一种改进视频生成模型的新方法,通过三大创新解决了传统方法中的"静态偏好"问题:使用结构相似的视频对进行比较,采集细粒度的时序偏好标注,并利用现有视觉语言模型自动标注。实验表明,DenseDPO不仅保留了视频的动态性,还在视觉质量方面与传统方法相当,同时大大提高了数据效率。这项技术有望推动AI生成更加自然、动态的视频内容。