由于对企业技术硬件支出的担忧日益增加,HPE公布第二季度财报显示,收益和收入均呈现持平状态。
该季度HPE的净利润为2.5亿美元,略低于去年同期的2.59亿美元,不计入股票补偿等特定成本之后的收益为每股44美分,收入为67.1亿美元,与去年同期的67亿美元基本持平。
这一结果略低于此前华尔街预期的收益每股45美分和收入68亿美元。财报发布之后,HPE的股价在延长交易中下跌了6%多,抵消了当天早些时候的小幅增长。
HPE解释说,公司暂停俄罗斯业务运营带来相关1.26亿美元的费用,这给利润带来了影响。

HPE公司总裁、首席执行官Antonio Neri强调公司该季度实现了“订单的显着增长”,客户对HPE边缘到云产品组合以及HPE GreenLake平台的“兴趣不断增加”。他补充说:“我们的客户需要加快他们的业务弹性和竞争力,因此我有信心市场需求将继续保持强劲。”
但是Neri的乐观情绪无法掩盖HPE的许多数据令投资者失望的事实。自从思科上个月公布了较低的预测,HPE一直面临质疑,引发了企业正在削减技术支出预算的担忧。
这些担忧显然是有道理的,HPE最大的计算业务部门销售额该季度保持持平在30亿美元的水平。存储业务的情况更艰难一些,销售额为11亿美元,比去年同期减少3%。HPE的金融服务收入也下降了2%,至8.23亿美元。
但是财报中也有很多亮点。HPE的高性能计算和人工智能部门销售额为7.1亿美元,增长4%,智能边缘业务的销售额为8.67亿美元,同比增长8%。
HPE对智能边缘业务寄予厚望,这其中包括了软硬件产品组合HPE GreenLake,企业可以按需购买该产品,而不需要预先购买一切,该季度HPE宣布对GreenLake产品进行广泛的扩展。
值得注意的是,GreenLake平台现在与HPE Aruba的Aruba Central网络管理系统已经是完全集成的,这让超过120000家Aruba客户能够按需地订购网络设备和服务。此外,HPE还为GreenLake添加了多项新的云服务,涵盖网络、数据服务、高性能计算和运营管理。
这些新增产品受到了好评,HPE财报显示,“即服务”产品订单比去年同期增加了107%,这是连续第三个实现了翻番。此外,Aruba服务收入增长了两位数,智能边缘即服务的年度经常性收入增长了50%多。
Constellation Research分析师Holger Mueller对HPE业绩的评估比大多数投资者更友善一些,他说,HPE在艰难的商业环境中表现不错,尽管供应链面临挑战和退出俄罗斯市场,但仍然实现了小幅的增长。他补充说:“很高兴看到即服务产品不断增长并翻番,因此很明显,HPE正在努力实现这一目标。但是,高性能计算等其他业务的增幅不到10%,而且计算和存储等批量出货型业务是持平或者萎缩的,这对HPE来说是一大难题。”
展望第三季度,HPE预计每股收益在44美分至54美分之间,中位点略低于华尔街预测的每股52美分。
HPE还更新了全年指引,预测每股收益在1.96美元至2.10美元之间,市场普遍预期为2.09美元,销售额预期在286.2亿美元至288.9亿美元之间,高于华尔街预测的285.9亿美元。
Mueller说:“很高兴看到HPE的高管们有信心能够实现全年收入指引,他们必须乐观地相信,接下来的两个季度表现会更好。”
好文章,需要你的鼓励
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。