HPE近日公布了第三季度财报,业绩结果符合华尔街的预期水平,不仅展示出业务所具有的弹性,而且股价也在盘后交易中小幅走高。
该季度在不计入股票补偿等特定成本之后的每股收益为48美分,收入为69.5亿美元,虽然仅同比增长了1%,不是特别抢眼的增长,但确实带来了4.09亿美元的净利润。
最重要的是,这一结果符合预期。华尔街分析师此前预期的每股收益也恰好为48美分,收入为69.7亿美元,这使得当天早些时候几乎没有变动的HPE股价在财报发布之后上涨了近2%。
HPE公司总裁兼首席执行官Antonio Neri(如图)表示,鉴于目前所处市场的变化,HPE的收入和利润增长“特别显著”。
“我们该财年的经常性收入实现增长,证明了客户对我们的HPE GreenLake平台的热烈反应。客户继续优先考虑对IT的投资,并发现HPE行业领先的边缘到云产品组合在当今复杂的宏观经济环境中尤为重要,在这种环境中,技术创新对于加速业务转型和交付重要的业务成果变得至关重要。”
HPE的旗舰产品是HPE GreenLake,一种硬件和软件产品组合,企业可以按需购买,而无需预先购买所有组件。
HPE GreenLake的收入来自于HPE智能边缘业务部门,这也是HPE业绩表现最好的部门之一。该季度智能边缘业务部门贡献收入9.41亿美元,同比增长8%,高于分析师普遍预期的9.12亿美元。其中,Aruba服务收入同比增长两位数,智能边缘即服务的年化经常性收入同比增长超过60%。
另一个表现强劲的业务部门是HPE高性能计算和人工智能部门,销售额为8.3亿美元,增长12%,远高于预期的7.88亿美元。其他方面就不那么乐观了,计算部门的销售额为30亿美元,下滑3%。存储收入下滑2%至12亿美元,金融服务收入下滑3%至8.17亿美元。
Pund-IT分析师Charles King表示,HPE的整体业绩令人感到鼓舞,他指出,鉴于HPE在供应链限制、零部件短缺和货币波动方面面临的诸多不利因素,该季度的表现可以说是相当不错。
“虽然HPE传统的计算和存储业务表现平平,但是智能边缘业务连续第七个季度实现了两位数的同比订单增长,这一点至关重要,因为边缘计算正在企业中变得越来越重要。HPE的即服务订单总额同比增长了39%,是另一个以未来为重点的商机。总体而言,HPE的领导层似乎在管理全球不确定性和市场预期方面做得很不错。”
Constellation Research分析师Holger Mueller补充说:“HPE正在转型之中,而且在艰难的宏观经济环境和供应链条件下也能很好地运转,这让HPE即使在计算机和存储都没有增长的情况下,也能实现整体小幅增长。现在所有的目光都集中在Neri和他的团队上,看看他们能否在该财年剩余的时间内实现ARR增长指引目标。”
展望下一季度,HPE预期每股收益在52美分至60美分之间,中间点略低于华尔街普遍预期的每股58美分。展望整个2023财年,HPE预期每股收益在1.96美元至2.04美元之间,略低于之前的每股1.96美元至2.10美元,也符合分析师普遍预期的每股2.03美元。
对于HPE来说,这是一个忙碌的季度,举行了年度用户大会HPE Discover,并在大会上公布了一项长期云战略,以推动公司向前发展,其中大部分重点是围绕着HPE GreenLake展开的。
好文章,需要你的鼓励
OpenAI首席执行官Sam Altman表示,鉴于投资者的AI炒作和大量资本支出,我们目前正处于AI泡沫中。他承认投资者对AI过度兴奋,但仍认为AI是长期以来最重要的技术。ChatGPT目前拥有7亿周活跃用户,是全球第五大网站。由于服务器容量不足,OpenAI无法发布已开发的更好模型,计划在不久的将来投资万亿美元建设数据中心。
阿里巴巴团队提出FantasyTalking2,通过创新的多专家协作框架TLPO解决音频驱动人像动画中动作自然度、唇同步和视觉质量的优化冲突问题。该方法构建智能评委Talking-Critic和41万样本数据集,训练三个专业模块分别优化不同维度,再通过时间步-层级自适应融合实现协调。实验显示全面超越现有技术,用户评价提升超12%。
英伟达推出新的小型语言模型Nemotron-Nano-9B-v2,拥有90亿参数,在同类基准测试中表现最佳。该模型采用Mamba-Transformer混合架构,支持多语言处理和代码生成,可在单个A10 GPU上运行。独特的可切换推理功能允许用户通过控制令牌开启或关闭AI推理过程,并可管理推理预算以平衡准确性和延迟。模型基于合成数据集训练,采用企业友好的开源许可协议,支持商业化使用。
UC Berkeley团队提出XQUANT技术,通过存储输入激活X而非传统KV缓存来突破AI推理的内存瓶颈。该方法能将内存使用量减少至1/7.7,升级版XQUANT-CL更可实现12.5倍节省,同时几乎不影响模型性能。研究针对现代AI模型特点进行优化,为在有限硬件资源下运行更强大AI模型提供了新思路。