戴尔今天给股东们带来了一则可喜的好消息,根据财报显示,2024财年第四季度戴尔的收益意外增长,超出了分析师的收入预期。
戴尔重申了之前的预测,预计收入将在8月份开始的2025财年下半年恢复增长,这使得戴尔公司股价在盘后上涨超过16%。
在截至2月2日的这个季度,戴尔调整后的收益较去年同期增长22%,至每股2.20美元,超出分析师预期的下跌至1.72美元。该季度收入下降11%至223.2亿美元,但仍超出221.7亿美元的预期。戴尔的收入在过去六个季度一直是连续下滑。
全年来看,戴尔的营业收入为52亿美元,运营现金流为87亿美元。毛利率从去年同期的23%增长至23.8%,而运营费用下降了近10亿美元。
乐观的前景
戴尔公司高管们在电话会议上对分析师表示,繁荣即将来临。他们特别看好戴尔支持AI的PC和服务器产品线,称戴尔致力于拥有业内最广泛的AI PC产品组合。
戴尔公司首席运营官Jeff Clarke(如图)表示,AI优化型服务器的订单环比增长了40%,年底积压订单达到29亿美元。他说:“我们正在推动很大一部分的AI服务器增长,而且我们对2025年持乐观态度,预计增长将恢复到高于我们长期框架的水平。”
他断言,AI服务器的增长也将提振戴尔的存储业务。他说:“大量训练是要使用丰富的数据集进行的,随着我们深入企业,这为我们提供了越来越多的存储机会。我们提高了延迟敏感型工作负载的性能,这和客户从训练转向推理时的企业需求是一致的。”
NAND Research首席分析师、创始合伙人Steve McDowell也从存储业绩中看到了好消息。他说:“在经历了几个低迷的季度之后,戴尔的存储业务显示出稳健的增长,一部分原因是一些期待已久的产品更新,但新AI应用的吸引力肯定也有所助力。”
企业销售反弹
戴尔主要为企业客户提供服务的基础设施解决方案集团在第四季度的收入为93亿美元,同比减少6%,但环比增长10%。戴尔表示,服务器和网络的增长主要是由AI优化型服务器推动的。存储收入环比增长16%。该集团全年收入较去年同期减少12%至339亿美元。
戴尔销售PC和最终用户设备的客户端解决方案集团该季度收入为117亿美元,比上一季度减少5%,比去年同期减少12%。
戴尔预计第一季度营收在210亿美元至220亿美元之间,增长3%。Clarke表示:“该季度五个季度的管道有所增长;我们预计第一季度的出货量将超过第四季度的出货量。过去三个季度服务器数量环比增长,管道也在持续改善。”
在与分析师的电话会议上,戴尔公司的高管们强调了环比而不是同比,以突出他们所说的稳定恢复增长。McDowell认为,这是合适的。
“戴尔基础设施解决方案集团的整体收入数据出现同比下降,但考虑到我们所处的宏观环境,这确实是不太恰当的比较。我们需要从环比的角度来看,环比增长了10%,你还必须哪些方面实现了增长,也就是高价的AI服务器。”
基本面传递的声音
theCUBE Research首席分析师Dave Vellante认为:“戴尔没有增长。这是个坏消息,但也是意料之中的,”从好的方面来看,“戴尔今年现金流强劲,良好的流动性、运营效率、现金流和资本配置,是戴尔股票表现如此出色的原因。”
Vellante表示,支出趋势表明,今年下半年可能会恢复增长,戴尔可能会从与Nvidia公司合作打造的一系列服务器中获得提振。他说:“Nvidia通过这些系统获得了大部分利润,但同时,向AI服务器进行更有意义的混合转型将对戴尔未来的利润产生真正的积极影响。”
McDowell表示,戴尔和联想的财报推翻了关于AI模型训练将全部在云端进行的传统观点。他说:“戴尔强调,AI优化服务器订单环比增长了40%,这是一个很大的数字。戴尔的大幅增长表明,GPU供应限制可能正在缓解,这对整个行业来说是件好事。”
好文章,需要你的鼓励
据报道,苹果公司高管已就收购Perplexity AI展开内部讨论。这家总部位于旧金山的公司运营着一款由人工智能驱动的消费者搜索引擎,能够生成自然语言回复而非传统网页列表。Perplexity在最近融资中获得140亿美元估值,月活跃用户超过1500万,每月查询量增长20%。苹果企业发展副总裁已与多位高管讨论此收购想法。
清华大学团队开发了CAMS智能框架,这是首个将城市知识大模型与智能体技术结合的人类移动模拟系统。该系统仅需用户基本信息就能在真实城市中生成逼真的日常轨迹,通过三个核心模块实现了个体行为模式提取、城市空间知识生成和轨迹优化。实验表明CAMS在多项指标上显著优于现有方法,为城市规划、交通管理等领域提供了强大工具。
数据中心防护涂层正成为应对能耗上升和温室气体排放的关键解决方案。随着行业快速扩张带来环境挑战,这些创新涂层技术为平衡数字化增长与环境责任提供重要工具。专业涂层可延长设施寿命、降低维护成本,同时通过隔热涂层、反射涂层等技术优化能效,减少冷却系统负担。未来涂层将与被动冷却技术结合,支持可持续发展目标实现。
MIT研究团队发现了一个颠覆性的AI训练方法:那些通常被丢弃的模糊、失真的"垃圾"图片,竟然能够训练出比传统方法更优秀的AI模型。他们开发的Ambient Diffusion Omni框架通过智能识别何时使用何种质量的数据,不仅在ImageNet等权威测试中创造新纪录,还为解决AI发展的数据瓶颈问题开辟了全新道路。