戴尔公司第三季度营收达到创纪录的270亿美元,同比增长11%,主要得益于人工智能服务器需求的爆炸式增长。尽管较第二季度的298亿美元有所下降,但净利润同比大幅增长近三分之一,达到15.5亿美元。
戴尔副董事长兼首席运营官杰夫·克拉克表示:"人工智能的发展势头在下半年加速,创下了123亿美元的AI服务器订单记录,年度订单总额达到前所未有的300亿美元。我们五个季度的订单储备是184亿美元积压订单的数倍,客户包括云服务提供商、主权客户和企业客户。"
财务数据概览
戴尔第三季度(截至10月31日)呈现出两个运营部门的不同表现:基础设施解决方案集团收入同比增长24%,达到141亿美元。服务器和网络业务收入为101.3亿美元,增长24%,而存储业务收入下降至39.8亿美元,同比下降1%。
客户解决方案集团(商用和消费级PC)收入为125亿美元,增长3%。
基础设施解决方案集团的盈利能力环比提升至12.4%,主要由AI服务器和戴尔IP存储产品销售推动。尽管整体存储业务数据平平,戴尔确认其全闪存阵列产品组合实现了两位数增长,包括PowerMax、PowerStore、PowerFlex和ObjectScale。其中PowerStore已连续七个季度实现增长。这表明业务疲软主要集中在基于机械硬盘的混合系统,如PowerScale、PowerProtect和PowerVault等入门级产品。
戴尔引用Gartner研究数据预测,未来三年产生的数据将超过历史总和,其中80%为非结构化数据。公司指出"分解式架构将使数据中心现代化并优化总拥有成本"。
在财报电话会议上,克拉克谈到了组件成本上涨问题:"我们从未见过如此大幅度的成本上涨。而且不仅限于DRAM,还包括NAND闪存、机械硬盘以及整个半导体网络的前沿节点。我认为这是需求远超供应的结果。"
戴尔计划通过配置调整、可用性优化和产品组合变化来管理这种压力,这些是公司在以往组件周期中采用过的策略。
对于第四季度,戴尔给出的营收指导为315亿美元(上下浮动5亿美元),中位数同比增长32%。其中AI服务器出货量预计约为94亿美元,戴尔IP存储业务预计将以"高于市场"的速度增长。2026财年全年营收指导为1117亿美元(上下浮动5亿美元),中位数增长17%。
首席财务官大卫·肯尼迪预测:"2026财年将是又一个创纪录年份,我们将AI出货指导提高至约250亿美元,同比增长超过150%,营收指导提高至1117亿美元,增长17%。"
Q&A
Q1:戴尔第三季度AI服务器业务表现如何?
A:戴尔第三季度AI服务器业务表现强劲,创下123亿美元的订单记录,年度订单总额达到300亿美元。五个季度的订单储备是184亿美元积压订单的数倍,预计第四季度AI服务器出货量约为94亿美元。
Q2:戴尔存储业务为什么出现下滑?
A:戴尔存储业务总收入下降1%至39.8亿美元,主要是基于机械硬盘的混合系统如PowerScale、PowerProtect和PowerVault等产品表现疲软。不过全闪存阵列产品组合实现了两位数增长,PowerStore已连续七个季度增长。
Q3:戴尔如何应对组件成本上涨压力?
A:面对DRAM、NAND闪存、机械硬盘等组件成本大幅上涨,戴尔计划通过配置调整、可用性优化和产品组合变化来管理压力。这些策略是公司在以往组件周期中成功采用过的应对方法。
好文章,需要你的鼓励
戴尔第三季度营收270亿美元,同比增长11%,创历史新高,主要受AI服务器需求爆发式增长推动。AI服务器订单达123亿美元,全年订单总额300亿美元。基础设施解决方案集团营收141亿美元,增长24%,其中服务器和网络业务表现强劲。存储业务营收39.8亿美元,同比下降1%,但全闪存阵列产品实现双位数增长。公司预计第四季度营收315亿美元,全年AI服务器出货量约250亿美元。
阿里巴巴达摩院联合浙江大学、香港科技大学发布Inferix,这是专为世界模拟打造的下一代推理引擎。它采用块扩散技术,像搭积木般分段生成视频,既保证高质量又支持任意长度,克服了传统方法的局限。配套LV-Bench评测基准包含1000个长视频样本,建立了分钟级视频生成的评估标准,为游戏、教育、娱乐等领域的内容创作带来革命性突破。
数据分析提供商Mixpanel遭遇安全漏洞,导致OpenAI部分API用户账户信息泄露。黑客通过短信钓鱼攻击入侵Mixpanel内部系统,获取了用户姓名、邮箱地址、位置信息及技术数据。OpenAI表示支付详情和API提示内容未受影响,用户无需重置密码,但需警惕钓鱼攻击。作为应对措施,OpenAI已移除Mixpanel服务并计划对供应商实施更严格的网络安全要求。
Luma AI推出的终端速度匹配(TVM)是一种革命性的图像生成技术,能够在单次计算中生成高质量图像,突破了传统方法需要数十步采样的限制。该技术通过关注生成路径的"终点"而非"起点",实现了从噪声到图像的直接跳跃,在保证数学理论基础的同时大幅提升了生成效率,为实时AI应用开辟了新路径。