今天,VMware宣布从内部选择了一位资深高管来领导公司的重大产品线改造以及即将与母公司Dell Technologies剥离等事宜。

现年58岁的Raghu Raghuram目前是VMware执行副总裁、产品和云服务首席运营官。前任首席执行官Pat Gelsinger在今年1月离任,加入英特尔公司担任CEO,而Raghuram将从6月1日起正式担任VMware CEO一职。根据雅虎金融频道的报道,在Raghuram被任命之前,有多位外部候选人被拒。
Raghuram已经在VMware工作了18年时间,在VMware成立之初就帮助公司扩展了核心的虚拟化业务,领导了软件定义数据中心战略,设计架构了云计算业务,此外还在多个成功的大型收购中发挥了重要作用。尽管如此,仍有观察人士把Raghuram视为一匹黑马。
CCS Insight软件开发研究总监Bola Rotibi说:“此前市场可能一直考虑的人选是[现任首席运营官]Sanjay [Poonen],因为他很有活力。但是不止如此,他拥有对市场的洞察力和认知力,知道公司需要怎么发展。”
“VMware一直是一家以工程设计为主导的公司;Raghuram显然很适合这种模式,他还曾经领导了公司一些战略上最重要的业务,或者担任高管层,”Pund-IT分析师Charles King说。“他是一个不错的选择,我期望他取得成功。”
在Raghuram的领导下,VMware与主要的云基础设施厂商建立了一系列合作伙伴关系,其中包括与AWS达成具有里程碑意义的协议,使其在帮助大型企业迁移到云端方面占据了举足轻重的地位。VMware凭借在数据中心内虚拟化领域的主导地位,将自身定位为公有云的通用入口。
Rotibi说:“Pat推动这一战略的同时,Raghu始终参与其中。他了解VMware。他是否有胆量带领VMware一直保持增长?我认为他能够做得到。”
King认为,VMware选择内部候选人的举动说明该公司对其战略和产品组合充满信心。“你通常不希望局外人接管一支获胜的球队。选择像Raghuram这样经验丰富的高管,意味着VMware将保持稳定的发展。”
最近,Raghuram领导了VMware的Tanzu计划,该计划将许多内部开发和外购的产品捆绑到一个软件包中,面向那些希望围绕云原生策略实现应用现代化的客户。”
Raghuram在声明中表示:“VMware凭借横跨不同云、数据中心和边缘的端到端软件平台,以独特能力引领多云时代,帮助加速我们客户的数字化转型之旅。”
Nucleus Research首席执行官Ian Campbell认为:“把他作为VMware成功的贡献者之一是很公平的。随着分拆迫在眉睫,重要的是要有一位了解VMware核心能力和防御性利基市场的高管,确保VMware不会从哪些已经开始初见成效的项目中分散出更多的注意力。”
其他人员方面,目前担任高级副总裁、首席客户官的Sumit Dhawan将出任VMware总裁,负责监督全球销售、合作伙伴关系、客户体验、市场营销和沟通。曾在董事会寻找继任者期间担任临时首席执行官的Zane Rowe,将重返首席财务官一职。
在VMware工作了7年时间的Poonen即将离开。此前他被视为首席执行官的主要竞争者,他在一份声明中向Raghuram表示了“热烈的祝贺”,并补充说“他将把公司提升到一个新的高度”。
King分析师称Poonen的离职是“一个损失。他一直是VMware领导团队的重要组成部分,但是他在寻找新职位时应该会有很多选择。”
VMware还5月27日正式发布财报之前,于今天早上发布了初步收益估计。VMware预计,基于强劲的订阅和许可收入表现,第一财季的收入和利润将有望超出预期。
VMware预计第一季度收入将达到29.9亿美元,同比增长9.5%。订阅、软件即服务和许可总收入预计增长12.5%,达到13.9亿美元。净收入预计为每股摊薄收益1.76美元。分析师此前预计的每股收益是1.51美元,营收约29.1亿美元。
投资者对Raghuram的任命反应不大,到午盘时,VMware股票下跌了约2.5%,这与纳斯达克当天大盘抛售的趋势是一致的。
好文章,需要你的鼓励
英特尔携手戴尔以及零克云,通过打造“工作站-AI PC-云端”的协同生态,大幅缩短AI部署流程,助力企业快速实现从想法验证到规模化落地。
意大利ISTI研究院推出Patch-ioner零样本图像描述框架,突破传统局限实现任意区域精确描述。系统将图像拆分为小块,通过智能组合生成从单块到整图的统一描述,无需区域标注数据。创新引入轨迹描述任务,用户可用鼠标画线获得对应区域描述。在四大评测任务中全面超越现有方法,为人机交互开辟新模式。
阿联酋阿布扎比人工智能大学发布全新PAN世界模型,超越传统大语言模型局限。该模型具备通用性、交互性和长期一致性,能深度理解几何和物理规律,通过"物理推理"学习真实世界材料行为。PAN采用生成潜在预测架构,可模拟数千个因果一致步骤,支持分支操作模拟多种可能未来。预计12月初公开发布,有望为机器人、自动驾驶等领域提供低成本合成数据生成。
MIT研究团队发现,AI系统无需严格配对的多模态数据也能显著提升性能。他们开发的UML框架通过参数共享让AI从图像、文本、音频等不同类型数据中学习,即使这些数据间没有直接对应关系。实验显示这种方法在图像分类、音频识别等任务上都超越了单模态系统,并能自发发展出跨模态理解能力,为未来AI应用开辟了新路径。