今天戴尔发布第二季度财报,个人电脑销售额的强劲增长帮助戴尔实现了创纪录的季度业绩。
该季度戴尔在不计入股票补偿等特定成本下的每股利润为2.24美元,收入为261.2亿美元,同比增长15%,此前华尔街的预期每股利润仅为2.03美元,收入为255.3亿美元。
戴尔公司副董事长、联席首席运营官Jeff Clarke表示,戴尔以独特的调整能力和把握增长机会的能力而见长,该季度的业绩证明了这一点。他说:“我们正在进行创新并帮助客户成长,专注于多云解决方案、以传统方式和即服务的方式交付现代基础设施。”
情况可能是这样,但不可否认的是,戴尔的客户端解决方案部门(包括个人电脑业务)为该季度的业绩提供了助力。新冠疫情席卷全球迫使人们不得不在家办公,对个人电脑、笔记本电脑和其他能够支持远程办公的设备的持续需求,推动戴尔的业务一直蓬勃发展。
该季度戴尔客户端解决方案集团的营业收入为9.95亿美元,销售额为143亿美元,同比增长27%,其中商用PC收入增长35%至106亿美元,消费级PC销售额增长17%至37亿美元。
戴尔表示,Latitude和Precision系统的增长尤为强劲,该季度美国市场的销售额随着笔记本电脑的快速普及增长了17%。
Pund-IT分析师Charles King认为,戴尔是提供当今客户所需商品、同时也为未来机遇和挑战做好准备的企业典范。
“戴尔客户端产品持续的突出表现,尤其是以工作场所为中心的解决方案,突显了戴尔专注于帮助企业客户保持生产力和效率,尽管过去一年半中企业经历了各种考验和磨难。”
Clarke在与分析师的电话会议中解释说,戴尔正受益于一种“能在任何地方做任何事情”的新经济模式,这种模式推动很多行业和各种规模企业客户加大了对IT技术的支出。“我们希望在强劲的IT支出中占据一席之地。”
强劲的IT支出很大一部分也用于基础设施,这一点也让戴尔从中受益。戴尔的另一项主营业务,基础设施解决方案集团的收入在该季度(通常是增长比较慢的一个季度)增长了3%达到84亿美元,营业利润达到9.7亿美元。
戴尔表示,市场对多云设备需求强劲,这促使戴尔的服务器和网络收入提高了6%。然而,存储硬件销售额下降了1%,不过分析师也看到了基础设施业务的一些亮点。
King表示:“戴尔最新的VXrail超融合基础设施解决方案订单增长了34%,这一点是企业对于戴尔能够不断交付创新产品、增强产品的能力做出的回应。”
Moor Insights & Strategy分析师Steve McDowell表示,尽管销售额下降,但戴尔的存储业务仍然是健康的。他提到戴尔的中端存储业务增长了17%,高于市场竞争对手NetApp和Pure Storage,再加上PowerStore服务器增长势头良好,有近四分之一的客户是新客户。
“对戴尔存储业务的拖累似乎主要来自于高端业务,这比中端业务更具周期性,而且复苏速度也比其他市场慢。”
也许这个季度戴尔基础设施部门真正的亮点,是戴尔推出了新的APEX即服务产品组合,被寄予厚望推动未来的增长。
目前戴尔正在追随HPE、思科和IBM等已经承诺转向订阅定价和交付模式的行业竞争对手,这种模式有时也被称为可组合式基础设施。
在这种模式下,提供商负责安装和维护计算机、存储和网络设备,并根据使用情况进行收费。基础设施提供商负责响应客户需求,通过从可变资本支出模型转变为把技术也视为一项运营支出的模型,从而平衡支出。
King表示,戴尔这个季度表现强劲,反映了公司创始人将戴尔发展成为端到端业务IT解决方案厂商的明智之举。“戴尔新的APEX服务和产品也预示着未来的发展方向。”
该季度,戴尔聘请了一名重要的高管,管理咨询公司贝恩公司的合伙人Chuck Whitten,担任新的联席首席运营官。Whitten将与Clarke一起直接汇报给Michael Dell,有分析师表示,此举可能暗示了戴尔未来的继任计划。
Wikibon首席分析师Dave Vellante认为:“在我看来,这是和长期继任计划有关系的。Dell本人对整个公司的继任计划和业务弹性考虑得非常细致,不仅仅是在高层——这就是供应链思维。”
戴尔也受到VMware的大力推动,该季度VMware贡献了31亿美元的销售额,同比增长8%。
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。