失去了一位富有活力的CEO,并没有放缓VMware的发展势头,至少目前还没有。
正如之前每个季度一样,第四季度VMware财报业绩再次超出华尔街预期,其中订阅和软件即服务收入增长尤为强劲,这说明VMware从许可费模式转型为更可预测的经常性收入模式是一条成功的路径。
该季度VMware的每股收益为2.21美元,比市场平均预期高出17美分,季度销售额为32.9亿美元,比去年同期增长7%,轻松超过了华尔街32.2亿美元的预期。
软件订阅和许可收入增长了8%,达到17亿美元,订阅和SaaS元素增长了27%,达到7.07亿美元,金融分析师密切关注这一数字的增长,因为这表明了VMware向新经营方式转变是否成功。
从2021整个财年来看,VMware的收入为118亿美元,同比增长9%,订阅销售额跃升38%。
尽管业绩强劲,但在华尔街整体表现惨淡的一天之后,VMware的股价在盘后交易中下跌了近2.5%,其中技术含量较高的纳斯达克指数下跌了3.5%多。
VMware高管们打消了投资者的紧张情绪。VMware首席财务官、临时首席执行官Zane Rowe说:“我们对订阅和SaaS产品组合很满意。续订率持续高涨,交易金额超过1000万美元的企业客户显著增长。”该季度VMware完成了35个这样的大型交易,去年同期为28个。
Forrester Research副总裁兼研究总监Glenn O’Donnell称:“又是一个表现出色的季度,他们继续保持执行力,这是我所期望看到的。”
VMware高管们表示,戴尔公司对于剥离VMware正在“取得进展”,但拒绝透露更多细节。Rowe说:“”们认为,这可能会提高VMware及其股东的价值。”
VMware凭借云合作伙伴关系和在核心市场的良好表现,将战略重点放在了新的Tanzu产品组合上,该产品组合用于构建和管理使用软件容器的环境——其中封装了可在多种计算机上运行应用的技术。O’Donnell称,Tanzu对于VMware在围绕Kubernetes容器协调器这个快速发展的市场中巩固这地位至关重要。
他说:“对于VMware来说,把自己和与Kubernete相关的一切关联起来是至关重要的,如果你使用Kubernetes,你就必须选择VMware。”
VMware产品和云服务首席运营官Raghu Raghuram称Tanzu带来了“面向转型中客户的一个重要而庞大的市场”,Tanzu的成功将推动VMware其他基础设施产品的销售。他说:“我们在产品组合的广度和多云方面都是独一无二的。”
Rowe表示,疫情推动了市场对打包应用的需求,也就是将VMware基础设施、最终用户计算和安全产品等要素结合在一起的应用包。
他说:“客户们开始意识到员工还将长期在家办公,而现有支持这种办公模式的方法还是临时性的,并没有完全成型。”VMware将端点管理、安全性和软件定义的广域网产品相结合,“我们认为将吸引重要客户的关注,和新客户的增长。”
O’Donnell认为,目前从VMware的业绩结果并未看到任何危险信号。最大的问题是谁将接替Gelsinger。VMware董事会还没有任何迹象表明它是倾向于内部还是外部候选人。
他说:“任何继任者都必须是富有活力的,精通技术的,还必须是一位好的CEO,而能同时满足这三点并非易事,而且这是一个竞争相当激烈的世界。”同时,他补充说,在解决继任者问题之前,VMware稳固的管理团队应确保一切进展顺利。
好文章,需要你的鼓励
本文评测了六款控制台平铺终端复用器工具。GNU Screen作为老牌工具功能强大但操作复杂,Tmux更现代化但学习曲线陡峭,Byobu为前两者提供友好界面,Zellij用Rust编写界面简洁易用,DVTM追求极简主义,Twin提供类似TurboVision的文本界面环境。每款工具都有各自特点和适用场景。
韩国汉阳大学联合高通AI研究院开发出InfiniPot-V框架,解决了移动设备处理长视频时的内存限制问题。该技术通过时间冗余消除和语义重要性保留两种策略,将存储需求压缩至原来的12%,同时保持高准确性,让手机和AR眼镜也能实时理解超长视频内容。
网络安全公司Snyk宣布收购瑞士人工智能安全研究公司Invariant Labs,收购金额未公开。Invariant Labs从苏黎世联邦理工学院分拆成立,专注于帮助开发者构建安全可靠的AI代理工具和框架。该公司提供Explorer运行时观察仪表板、Gateway轻量级代理、Guardrails策略引擎等产品,并在工具中毒和模型上下文协议漏洞等新兴AI威胁防护方面处于领先地位。此次收购将推进Snyk保护下一代AI原生应用的使命。
纽约大学研究团队通过INT-ACT测试套件全面评估了当前先进的视觉-语言-动作机器人模型,发现了一个普遍存在的"意图-行动差距"问题:机器人能够正确理解任务和识别物体,但在实际动作执行时频频失败。研究还揭示了端到端训练会损害原有语言理解能力,以及多模态挑战下的推理脆弱性,为未来机器人技术发展提供了重要指导。