戴尔近日发布第一季度财报,收入下滑20%,但其业绩超出了分析师对销售额和利润的下调预期。
财报发布之后戴尔股价上涨约1.5%,但由于给出的第二季度和全年指引令人失望,股价在盘后下跌近3%,收盘时和开盘大致相同。
该季度戴尔调整后的每股收益为1.31美元,较去年同期的1.84美元下降了不少,但远高于分析师预期的86美分。收入去年同期减少约20%,至209亿美元,但高于预期的20.12美元,收入降幅是戴尔自2016年重返公开市场以来的最大降幅。
戴尔给出的第二季度收入指引在210亿美元至212亿美元之间,预计利润率将下降约0.5%,这让原本预计收入为21.19美元的分析师感到有些失望。戴尔将全年收入指引维持在下降12%至18%,并表示预计下半年将恢复环比增长。
企业支出放缓
戴尔高管们将下滑归咎于大型企业不愿进行大交易。戴尔联席首席运营官Chuck Witten表示:“大型客户的订单尚未恢复,企业在支出方面继续保持谨慎态度。”
戴尔受到企业PC销量暴跌的沉重打击,企业PC已经连续三个季度出现下滑。戴尔的客户端解决方案部门该季度销售额为119.8亿美元,比去年同期的155.9亿美元减少了近23%,但超出分析师预期的114.1亿美元。
尽管面临疲软压力,但戴尔高管们表示,他们正专注于企业级市场的高利润销售和增长领域,这一战略意味着可能会放弃一些交易。Witten表示:“这个行业的价格弹性不大,我们看到有弹性的地方在于消费者业务,这不是我们收入中占比很大的一部分。”
该季度的亮点包括,专为AI训练而打造的全新PowerEdge 16G服务器,以及PowerStore和PowerFlex存储系列。Witten说,PowerStore的销售额已经连续11个季度增长。
他说:“我们对在中长期内成为结构性股票赢家充满信心,我们将坚持同样的路线走下去。”
运作良好
有分析师表示,戴尔有效地管理了预期,并正在为核心市场不可避免的反弹做准备。Pund-IT首席分析师Charles King表示:“利润率的提高表明,戴尔在运营和管理供应链方面做得越来越好,它找到了竞争对手仍在寻求的平衡点。总体而言,戴尔在应对未来挑战和市场机遇方面似乎处于有利位置。”
市场研究公司Wikibon首席分析师David Vellante表示,戴尔在艰难的市场中表现良好。他说:“毛利率不错,而且由于很好地控制了成本,他们整体上都达到了顶线的数字,并且大大超过每股盈利预期。现金流也不错。”
Vellante表示,戴尔的一部分存储市场份额似乎正在流逝到NetApp和Pure Storage那里,但是进军AI市场和APEX基础设施即服务战略有望在未来推动增长。
他说:“长期战略保持不变并走上正轨,而且边缘也是一个潜在的巨大不确定因素。在我看来,戴尔是保守的,因此它可以兑现承诺,当市场出现时,他们会处于有利地位,轻松地实现同比增长。”
戴尔的资产负债表继续稳健。该季度末戴尔剩余履约义务为390亿美元,经常性收入为56亿美元,增长6%,递延收入为297亿美元,增长8%。现金和投资总额为92亿美元,第一季度通过股票回购和派息向股东返还了5.27亿美元。
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。