虚拟化软件巨头VMware近日发布第三季度财报,结果收益和收入均低于预期水平,使得股价在盘后交易中小幅下跌,这可能是VMware作为一家上市公司的最后一次财报电话会议。
第三季度VMware在不计入股票补偿等特定成本之后的收益为每股1.47美元,低于华尔街预期的每股1.58美元。该季度VMware的收入为32.1亿美元,同比仅增长1%,低于市场普遍预期的33.7亿美元,净利润为2.31亿美元,低于去年同期的3.98亿美元。
由于VMware正在被芯片制造商Broadcom以612亿美元收购(预计在明年内完成),因此这次发布财报并不如往常那样备受关注。此次收购交易的确切截止日期尚不清楚,Broadcom表示,预计会在11月开始的2023财年内完成所有工作。
不过,监管机构可能会阻碍此次交易,就在昨天,有报道称英国竞争监管机构竞争与市场管理局正在就此次收购展开调查,以了解该交易是否存在可能会大幅削弱VMware所在市场的竞争的风险,而且调查过程可能需要几个月的时间。
大多数分析师认为,此次收购很可能会按计划进行。Broadcom表示,一旦完成,将把VMware与其Broadcom自己的软件部门资产结合起来,在VMware品牌下运营。
尽管目前增长缓慢,但预计VMware对Broadcom来说将是一次有利的收购。VMware已经成为了虚拟化软件的代名词,使应用和其他计算工作负载能够整合到更少数量的服务器上。通过这种方式,服务器可以同时运行多个应用,从而提高数据中心的效率。
VMware无疑是虚拟化软件市场上最主要的参与者,尽管随着AWS和微软Azure等云计算基础设施厂商的崛起,VMware面临着一些挑战。VMware的软件牢牢植根于本地数据中心,但VMware一直在努力转向云端,有时则是通过与AWS和微软等厂商合作做到的。
由于收购悬而未决,VMware高管选择不召开财报电话会议,这也是等待被收购的企业一种常见的做法。
VMware公司首席执行官Raghu Raghuram在一份声明中表示,公司第三季度的业绩达到了自己的预期。
他说:“上个季度,我们的创新引擎正在蓬勃发展,因为我们推出了产品组合中的多款新产品,包括VMware vSphere 8、VMware vSAN 8和VMware Aria,我们仍然致力于并投身于帮助客户进行业务转型并释放多云的全部潜力。”
VMware还提供了收入明细,称订阅、软件即服务和许可收入合计达到16.1亿美元,比去年同期增长5%。订阅和SaaS占总收入的31%,为9.88亿美元,比去年增长20%,订阅和SaaS的年度经常性收入达到41亿美元,增长24%。
该季度VMware举行了年度用户大会VMware Explore,在会上为客户概述了VMware的多云愿景,并宣布推出了众多新产品,这些产品扩展了与微软Azure和AWS在工作负载部署等领域的合作。此外VMware还公布了应用和Kubernetes管理平台VMware Tanzu的新功能,以及新的数据处理单元以支持VMware主要的虚拟化产品vSphere 8最新版本。
好文章,需要你的鼓励
UniR(Universal Reasoner)是一种创新的推理增强方法,可为冻结的大语言模型提供即插即用的推理能力。由韩国科学技术院研究团队开发,该方法将推理能力分解为独立的轻量级模块,无需改变主模型结构。UniR的核心优势在于高效训练(仅更新小型推理模块)、出色的模型间迁移能力(小模型可指导大模型)以及模块组合能力(多个专用模块可通过logits相加组合使用)。在数学推理和翻译测试中,UniR显著超越现有微调方法,展示了轻量级模块如何有效增强大语言模型的推理能力。
Nebius团队开发了SWE-rebench,一个自动化管道用于从GitHub收集软件工程任务并进行去污染评估。该系统解决了两大挑战:高质量训练数据稀缺和评估基准容易被污染。通过四阶段处理(初步收集、自动安装配置、执行验证和质量评估),SWE-rebench构建了包含超过21,000个Python交互式任务的数据集,并提供持续更新的评估基准。研究发现部分语言模型在传统基准上的表现可能被污染效应夸大,而DeepSeek模型在开源模型中表现最为稳健。
这项研究提出了JQL(发音为"Jackal"),一种通过多语言方法提升大型语言模型预训练数据质量的创新系统。研究团队从拉马尔研究所等机构通过四阶段方法解决了多语言数据筛选的难题:先由人类评估内容教育价值创建基准数据,然后评估大型语言模型作为"评判者"的能力,接着将这些能力提炼到轻量级评估器中,最后应用于大规模数据筛选。实验表明,JQL在35种语言上显著优于现有方法,甚至能泛化到未见过的语言如阿拉伯语和中文,为多语言AI发展提供了高效可靠的数据筛选方案。
浙江大学和西湖大学研究团队开发的Styl3R实现了艺术风格化3D重建的重大突破,能在不到一秒内从少量未标定照片和任意风格图像创建具有多视角一致性的3D艺术场景。通过创新的双分支网络架构将结构建模与外观着色分离,系统不仅保持了原始场景结构,还准确捕捉了参考风格特征。与现有方法相比,Styl3R在处理速度和视觉质量上均显著领先,为创意内容制作开辟了全新可能。