戴尔近日发布了截止于7月的第二季度财报,结果收益超出了华尔街的预期,但同时也警告说,在充满挑战的经济环境中,越来越多的迹象表明客户正在变得越来越谨慎。
因此,戴尔下调了全年展望,导致其股价在延长交易中下跌超过5%。
第二季度戴尔的每股收益为1.68美元,接近预期的每股1.55美元至1.70美元范围的高位。收入为264亿美元,比去年同期增长9%,符合261亿美元至271亿美元的预测。营业收入同比增长25%,达到13亿美元。
华尔街分析师预期的每股收益为1.64美元,收入为265亿美元。

戴尔副董事长、联席首席运营官Jeff Clarke表示,戴尔在“越来越具有挑战性的环境”中仍然有出色的表现。他指出,264亿美元的收入是戴尔创纪录的第二季度收入。“我们还推进了长期战略,也就是在发展核心业务的同时为客户进行创新,并在数据时代为他们创造机会。”
第二季度,戴尔以销售个人电脑和相关硬件为主的客户端解决方案集团贡献了155亿美元的收入,同比增长9%,其中商业收入达到121亿美元,增长15%,而消费收入下滑9%,至33亿美元,这些数据和英特尔、美光以及Nvidia等厂商在消费市场中出现疲软迹象相一致,特别是Nvidia的游戏业务在最近一个季度遭受了重创。
该季度戴尔以销售计算机服务器、存储系统和网络设备等IT硬件为主的基础设施解决方案集团销售额为95亿美元,同比增长12%。其中,存储收入增长了6%,服务器收入增长了16%。
市场研究公司Wikibon首席分析师Dave Vellante表示,戴尔做得很好,再次达到了预期,实现了可预测的高个位数收入和利润率增长,而且戴尔已经向股东们做出长期承诺,将保持3%至4%的速度增长,而且戴尔很容易达到这个目标。
Vellante表示:“戴尔是如此之庞大,以至于你总是会看到它的一些优势和弱点。该季度戴尔的消费类PC表现疲软,不过商用PC和以企业为中心的基础设施业务表现良好,这带来了更高的利润率,尤其是存储。但是在疫情期间,正是PC业务大力推动了戴尔的增长。”
基础设施业务表现抢眼的一部分原因在于戴尔更新了APEX“即服务”产品组合,其中大部分服务器和存储产品都是通过基于消费模式的云控制台提供给客户的。据戴尔披露,APEX业务现在每年的经常性收入超过10亿美元,第二季度订单同比增长78%。
“这表明戴尔正在成功地将安装基础转变为订阅模式,从长远来看,这将让戴尔的产品更具粘性。”
戴尔需要具有粘性的产品,因为戴尔不太可能摆脱经济下滑带来的影响,而这已经给其他大多数主流IT硬件厂商带来了冲击。展望第三季度,戴尔预测收入在238亿美元至250亿美元之间,中值较之前的263亿美元预期下降了8%。
这也远低于华尔街预期的264亿美元。收益方面,戴尔预计每股收益在1.53美元至1.79美元之间,基本上符合华尔街预期的每股1.65美元。戴尔表示,从全年来看,收入增长范围预计在持平到2%之间,低于此前预期的6%。
戴尔的另一位联合首席运营官Chuck Whitten对较低的预期做出了解释,他指出,经过了上个季度之后戴尔看到“客户方面持更谨慎的态度”。戴尔首席财务官Tom Sweet补充说:“我们仍然专注于那些我们可以控制的事情上,同时保持灵活性和机会主义,随着时间的推移为股东们带来强劲的自由现金流,实现收入和每股收益的增长。”
后来Clarke在和分析师的电话会议中表示,上一季度戴尔看到需求环境有所放缓,特别是在个人电脑业务,基础设施方面也是如此。他说,戴尔已经提高了一部分价格以抵消降低的需求。他说:“鉴于各种不确定性,客户对他们的需求采取更加谨慎的态度,第二季度和下半年的宏观动态变得更具挑战性,我们已经通过降低库存和减少支出对此做出迅速应对。”
尽管盘后股价有所下跌,但分析师们仍对戴尔的前景持乐观态度。Vellante表达了他的观点,称目前戴尔的估值远低于真实价值。
他说:“戴尔对硬件的依赖继续压制其自身的估值,基本上看,投资者们对戴尔的估值大概在35美分,这很低,反映了戴尔利润率较低的业务,这对戴尔来说是有利的。如果戴尔能够从订阅业务中获得更多利润并添加更多软件,就可以显著提高自身的价值。”
Constellation Research分析师Holger Mueller表示,尽管戴尔下一季度可能无法达到预期,但今年有望实现1000亿美元的收入。他说:“戴尔的发展势头很好,成本也大大降低,因此利润和每股收益都上升了。这是客户和投资者都乐于看到的,也为Michael Dell和他的团队展示了一个良好的新趋势曲线。”
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。