IT硬件巨头HPE今天发布了第四季度财务业绩,季度利润超出了预期水平,但持续的经济不确定性意味着该公司只能给出较低的未来预期。
该季度的业绩得益于HPE高性能计算和人工智能业务的不断增长,这部分业务目前正受到那些希望训练大型语言模型的客户的青睐。此外,HPE还致力于减少业务支出。
该季度,HPE在不计入股票补偿等特定成本之后的利润为每股52美分,处于指引范围的高位,高于华尔街预期的50美分。收入较上年同期下降7%,至73.5亿美元,处于指引范围的中位,略低于华尔街普遍预期的73.6亿美元。
该季度HPE的净利润为6.42亿美元,较去年同期净亏损3.04亿美元有所改善。用于衡量未来收入的主要指标——年运行率增长了39%,达到13亿美元。
HPE盈利能力的提高源于成功实施的成本削减措施,使得开支下降了近17%,至68.4亿美元。但是,HPE仍面对通货膨胀和较高利率等挑战,这迫使许多客户削减了IT支出。
HPE有多个变动的业务板块,使得分析师在衡量某些业务的预期时遇到了困难。高性能计算和人工智能部门(包括HPE不断增长的超级计算业务)该季度创造了11.8亿美元的收入,较去年同期增长37%,远高于分析师预期的9.51亿美元。
HPE公司首席执行官Antonio Neri(如图)在接受采访时表示,该业务可能会继续增长。HPE在2023财年收到了价值约36亿美元的订单,其中6亿美元是在过去10天内收到的。他补充说,这些订单几乎都还没有履约,因为收入将会在未来几个季度才会显现出来。
智能边缘业务(包括Aruba网络及相关业务)该季度的销售额为13.6亿美元,同比增长41%,但低于市场普遍预期的14.4亿美元,而且增长明显放缓,前两个季度该业务的收入增长了50%多。
计算业务(包括向数据中心运营商销售的服务器)收入较去年同期减少31%,至26亿美元,低于预期的27.6亿美元,不过Neri指出,该季度收入环比仅减少1%,而且单位出货量实际上是有所增加的。最后一个主要业务是存储部门,销售额为11亿美元,比去年同期减少13%,略低于华尔街的预期水平。
HPE还公布了2023财年全年业绩,收入同比增长2%,达到291亿美元。
HPE表示,预计2024财年第一季度的销售额在69亿美元至73亿美元之间,中值略低于华尔街预期的72亿美元。利润方面,HPE预计每股收益在42美分至50美分之间,中值略高于预期的44美分。
从整个2024财年来看,HPE重申了之前的目标,即营收增长2%至4%,每股利润在1.82美元至2.02美元之间。
财报发布后,HPE的股价基本持平。今年迄今为止,HPE的股价下跌了约3%。
好文章,需要你的鼓励
这项研究提出了HoPE(混合位置编码),一种针对视觉语言模型的新型位置编码技术,专门解决长视频理解的挑战。传统位置编码技术在处理长视频时表现不佳,HoPE通过两个创新解决了这一问题:混合频率分配策略(为空间信息分配高频,时间维度使用零频率)和动态时间缩放机制(根据视频速度灵活调整时间编码)。实验证明,HoPE在长视频理解和检索任务上分别提升了8.35%和22.23%,为AI更准确理解长视频内容开辟了新途径。
东京大学研究团队推出MangaVQA基准和MangaLMM模型,专门用于评估和提升AI对日本漫画的理解能力。MangaVQA由526个高质量手动创建的问答对组成,用于评估AI系统对漫画内容的深入理解;MangaOCR则专注于漫画页内文本识别。基于这两个基准,研究团队从开源多模态模型Qwen2.5-VL微调出MangaLMM,能同时处理文本识别和内容理解任务。实验显示,即使是GPT-4o等顶尖商业模型在处理漫画的独特复杂性时也面临挑战,而专门训练的MangaLMM表现出色。
这项研究由ISTA和谷歌研究院联合开发的"影响力蒸馏"方法,通过利用二阶信息为训练样本分配最优权重,实现了大语言模型训练数据的高效选择。该方法在数学上有坚实理论支持,并创新性地引入"地标"近似技术,仅需计算少量样本的精确影响力,再高效传播到其他样本,大幅降低计算成本。实验证明,该方法在多种模型和任务上均优于或匹配现有技术,同时实现了高达3.5倍的速度提升,为大模型训练开辟了更高效的路径。
来自哈佛大学等顶尖学府的研究团队在这篇论文中挑战了传统观念,认为Token压缩不仅仅是提高AI模型运行效率的工具,更应成为生成式AI模型设计的核心原则。研究表明,精心设计的Token压缩策略可以促进多模态深度整合、减轻AI"幻觉"问题、增强处理长序列输入的能力,并提高训练稳定性。论文详细分析了现有方法的局限性,并提出了算法创新、强化学习指导和硬件协同设计等未来研究方向。