虚拟化巨头VMware公布第二季度财报,收益和收入均超出预期水平,同时提高了对第三季度和全年的利润和利润率预期。
该季度VMware的收益为7.39亿美元,即每股收益1.75美元,超出市场普遍预期的11美分,同时收入增长9%至31.4亿美元,略高于预期的31.1亿美元。
度备受关注的订阅和软件即服务收入增长了23%至7.76亿美元,VMware高管层对此表示满意,但是这低于此前投资者普遍预期的7.9亿美元,因此VMware股价在盘后交易中下跌6%多。
该季度VMware的净收入较去年同期下降了3%,但这也在意料之中。营业收入下降了约3%,至9.24亿美元。

尽管结果喜忧参半,但VMware高管们表示,相信公司正走在正确的战略道路上。新任首席执行官Raghu Raghuram表示,VMware正在进入发展的第三阶段。
“第一阶段,是定位为一家虚拟化公司;第二阶段,是扩展到私有云和软件定义数据中心领域;第三阶段,是进入多云领域,我们体现出差异化优势,因为我们得到了客户的信任。”
他还指出,VMware是“唯一一家与所有主要超大规模云提供商建立了战略合作伙伴关系的大型厂商,我们的产品组合比其他任何公司都更全面、更广泛。”
许可业务意外增长
有一个结果甚至让VMware的领导层也感到惊讶,那就是在上一季度数据中心业务增长20%的基础上,许可销售额增长了3%。VMware首席财务官Zane Rowe表示:“该季度客户购买永久许可的份额要略高于预期水平。”
过去几年的传统观点人认为,永久许可销售将全面稳步下降,但Forrester Research研究主管Glenn O'Donnell表示,事后看来,这一增长并不令人意外。
“去年对很多厂商来说,企业的技术支出都停滞了。现在厂商的同比增长都很亮眼,因为‘分母’实在是太糟糕了,反映了新冠疫情爆发导致的技术支出异常。”
O’Doneel说,因为疫情造成了财务状况的异常,因此回顾过去24个月(而不是12个月)的收益情况更有指导意义。他指出,VMware母公司戴尔科技公司(Dell Technologies)两年来的收入分析表明,数据中心业务去年遭受重创,但这部分业务的下滑被个人电脑销售增长所抵消了。“思科和HPE等数据厂商的情况也是类似的。”
看好软件即服务
给VMware订阅组合增长带来最大贡献的,是VMware云提供商计划(Cloud Provider Program)、应用现代化业务、最终用户计算产品线、Carbon Black安全服务和VMware Cloud on Amazon Web Services基础设施,其中基础架构,VMware Cloud on Amazon Web Services基础设施产品线同比增长了80%,云管理收入增长了30%。
Raghuram表示:“我们非常看好SaaS和订阅收入,这是我的一大重点。”他重申了以订阅方式提供VMware所有许可软件产品的计划,包括vSphere管理程序。
“接下来的一年,预计我们的订阅业务和SaaS业务将加速发展。”同时他补充说,那些转向订阅模式的客户,更容易交叉销售和追加销售,因为这样他们就不必再承担安装的重任。
未来愿景
O'Donnell说,新任CEO上任三个月内尚未阐明“他对VMware肩负什么使命的看法。目前这一点是没有明确的。”
尽管Raghuram在分析师电话会议期间没有提出广阔的愿景,但他确实表示,根据过去90天与近200名客户的对话,他得出的结论是“客户正在考虑如何未来十年如何运行他们的IT,分布式是一个支柱,多云是另一个支柱。我们是行业中立的,拥有大量的云合作伙伴,我们致力于实现这一目标。”
VMware高管们对于公司即将从戴尔分拆的消息只略有提及,称这项交易仍有望在今年完成,并且VMware认为分拆只会带来好处。Rowe表示,这项正在实施中的计划旨在“提高战略和运营的灵活性,同时与戴尔保持牢固的合作伙伴关系”。
好文章,需要你的鼓励
很多人担心被AI取代,陷入无意义感。按照杨元庆的思路,其实无论是模型的打造者,还是模型的使用者,都不该把AI放在人的对立面。
MIT研究团队提出递归语言模型(RLM),通过将长文本存储在外部编程环境中,让AI能够编写代码来探索和分解文本,并递归调用自身处理子任务。该方法成功处理了比传统模型大两个数量级的文本长度,在多项长文本任务上显著优于现有方法,同时保持了相当的成本效率,为AI处理超长文本提供了全新解决方案。
谷歌宣布对Gmail进行重大升级,全面集成Gemini AI功能,将其转变为"个人主动式收件箱助手"。新功能包括AI收件箱视图,可按优先级自动分组邮件;"帮我快速了解"功能提供邮件活动摘要;扩展"帮我写邮件"工具至所有用户;支持复杂问题查询如"我的航班何时降落"。部分功能免费提供,高级功能需付费订阅。谷歌强调用户数据安全,邮件内容不会用于训练公共AI模型。
华为研究团队推出SWE-Lego框架,通过混合数据集、改进监督学习和测试时扩展三大创新,让8B参数AI模型在代码自动修复任务上击败32B对手。该系统在SWE-bench Verified测试中达到42.2%成功率,加上扩展技术后提升至49.6%,证明了精巧方法设计胜过简单规模扩展的技术理念。