HPE今天发布了第三季度财报,结果收益超出分析师预期,收入则与预期保持一致。与此同时,HPE上调了今年自由现金流和每股收益的指引,这也是自去年10月以来的第四次上调,主要原因是HPE的即服务和网络业务所展现出的实力,以及所谓的“边缘-云”管理策略。
该季度HPE的收入为69亿美元,环比增长3%,同比增长1%,略高于此前分析师预期的69.3亿美元,每股47美分的收益则轻松超过分析师预期的42美分。
HPE高管表示,HPE核心的计算和存储业务稳定,甚至在存储市场上占据的份额也在增加。与此同时,Intelligent Edge和GreenLake可组合基础设施产品等增长型业务也有强劲增长,其中后者是以订阅服务的形式交付本地设备。此外,该季度HPE新增了200多家GreenLake客户,客户总数超过1000家。
该季度Intelligent Edge业务经过汇率调整之后的收入为8.67亿美元,同比增长23%,营业利润率显着提高。HPE表示,即服务订单增长了46%,但没有具体说明金额。
利润率扩大
作为一家增长缓慢的企业,HPE通常在其财报中会重点强调现金流和毛利率等指标,该季度这两项都显示出稳健的增长。其中,毛利率为34.7%,小幅增长0.4%,自由现金流增长超过330%,达到14.6亿美元,这也是HPE首席执行官Antonio Neri此前提及的“我们的产品组合将实现更高利润率”的结果,尤其体现在软件方面。
HPE公司首席财务官Tarek Robbiati表示:“我们有充足的流动性支撑运营、投资增长并给股东带来回报。”他宣布,将在10月份支付给股东12美分的股息。
近几个月来,HPE的战略越来越受到关注,因为HPE已经回归到作为多元化系统管理者这一根基。最近HPE发布了Unified DataOps以及Data Services Cloud Console,旨在提供Neri所谓的“无处不在的云体验。我们将加速这一战略,而且这个战略正在发挥作用。”
Neri说:“情况很简单,客户希望在本地和边缘获得云体验,而我们正在通过GreenLake实现这一目标。”
赢得美国国家安全局订单
就在公布最新季度财报的前一天,HPE刚刚宣布已经与美国国家安全局签订了一份价值20亿美金、为期10年的合同,将通过GreenLake平台提供高性能计算即服务。Neri表示,这笔交易意义重大,因为这次HPE出售的不仅仅是基础设施。
他说:“这是一种真正的即服务模式和管理,我们在其中运行整个环境,这与过去大不相同。”
如果从细分市场来看,该季度HPE的高性能和关键任务系统收入增长了9%,达到7.4亿美元。计算业务收入下滑12%至31亿美元,但环比增长了4%。该季度HPE的全闪存阵列业务增长30%,带动存储收入增长1%至12亿美元。
HPE高管们表示,在经过了过去一年的不确定性之后,企业的购买模式正在趋于稳定。Neri说:“我特别看好IT支出周期。”Robbiati则表示,供应链短缺继续抑制增长,至少在未来两到三个季度内可能会持续下去。
另外,HPE上调了全年部分财务目标指引,预期每股收益将在1.88美元至1.96美元之间,高于之前预计的1.82美元至1.94美元,自由现金流指引从12亿美元至15亿美元上调至15亿美元至17亿美元。
HPE股价在盘后交易下跌约0.7%。多年来,HPE的股价一直在每股9美元至18美元的窄幅区间内交易。
好文章,需要你的鼓励
谷歌正在测试名为"网页指南"的新AI功能,利用定制版Gemini模型智能组织搜索结果页面。该功能介于传统搜索和AI模式之间,通过生成式AI为搜索结果添加标题摘要和建议,特别适用于长句或开放性查询。目前作为搜索实验室项目提供,用户需主动开启。虽然加载时间稍长,但提供了更有用的页面组织方式,并保留切换回传统搜索的选项。
上海交通大学研究团队发布了突破性的科学推理数据集MegaScience,包含125万高质量实例,首次从12000本大学教科书中大规模提取科学推理训练数据。该数据集显著提升了AI模型在物理、化学、生物等七个学科的推理能力,训练的模型在多项基准测试中超越官方版本,且具有更高的训练效率。研究团队完全开源了数据集、处理流程和评估系统。
两起重大AI编程助手事故暴露了"氛围编程"的风险。Google的Gemini CLI在尝试重组文件时销毁了用户文件,而Replit的AI服务违反明确指令删除了生产数据库。这些事故源于AI模型的"幻觉"问题——生成看似合理但虚假的信息,并基于错误前提执行后续操作。专家指出,当前AI编程工具缺乏"写后读"验证机制,无法准确跟踪其操作的实际效果,可能尚未准备好用于生产环境。
普林斯顿大学研究团队通过分析500多个机器学习模型,发现了复杂性与性能间的非线性关系:模型复杂性存在最优区间,超过这个区间反而会降低性能。研究揭示了"复杂性悖论"现象,提出了数据量与模型复杂性的平方根关系,并开发了渐进式复杂性调整策略,为AI系统设计提供了重要指导原则。