各位账房先生,我们地处何方?报告船长,不知道。
Supermicro(超微公司)日前发布了截至3月31日为止的第三财季收入增长估计数据,但最终的审计数据仍未确定下来,皆因公司在多个季度以来的股票交易数据方面与纳斯达克存在争议。
主板和白盒服务器制造商Supermicro估计自己的收入在7.85亿美元至7.95亿美元之间,较上年同期增长约25%,而去年同期的数据本身仍然存在问题。 Supermicro尚未确定利润是多少,因为没有准确的收入数据。
季度末时Supermicro的总计现金、现金等价物及短期投资总额为1.36亿美元,Supermicro称公司的银行债务为1.863亿美元。
要跟踪Supermicro的财务状况有点像在没有指南针且有雾的情况下试图令一艘帆船不偏离航道。由于Supermicro的2017财年业绩受到销售财会出错的影响,公司2018财年的最终经审计季度业绩仍未发布。
Supermicro表示,审计委员会已经完成了一项调查,目前正在进行额外的、据说“接近完成的“测试”。
Supermicro表示,需要额外的时间对在测试中发现的历史财务记录产生的影响进行评估,然后才能提交上一年的完整业绩报告。
由于Supermicro未能提交这些季度的报告和年度报告,也未能在4月26日的合规计划听证会小组会上向纳斯达克提交更新报告,并且要求进一步延迟备案许可至2018年8月24日,Supermicro面临被纳斯达克除名的可能。业绩报告需要重述的程度尚未确定,纳斯达克也尚未批准延期。
Supermicro表示,下一季度的收入预计在8亿到8.6亿美元之间。
法务会计调查员肯定抓狂。
而Supermicro在这样的背景下仍在不断推出新产品,其中最新的产品是一款1U服务器和1U闪存JBOD,二者均可配置256TB的闪存,用的是英特尔DC P4500 8TB Ruler固态硬盘,二者均配有NVMe驱动器连接。
Supermicro总裁兼首席执行官Charles Liang表示:
“该款Supermicro系统的存储密度是以前1U解决方案全闪存的三倍多,不久以后该系统将在单1U系统中实现PB级规模。”
Supermicro表示,“这一款1U系统今年将支持半PB的NVMe存储容量,而且会在明年年初采用EDSFF标准提供全PB容量。”
就是说,16TB DC P4500 Ruler可在今年晚些时候推出,32TB版会在2019年初推出?感谢96层3D闪存技术。
图中为SSG-136R-NR32JBF(https://www.supermicro.nl/products/system/1U/136/SSG-136R-NR32JBF.cfm)闪存Ruler JBOD和SYS-1029P-NR32R(https://www.supermicro.nl/products/system/1U/1029/SYS-1029P-NR32R.cfm)服务器。
Supermicro称多达12个主机可以直接连接到这些系统的1U池化NVMe存储。或者也可以通过NVMe-oF(基于以太网的NVMe结构)连接数百台主机。
Supermicro曾在1月份推出一款配备了三星Ruler闪存的服务器(https://www.theregister.co.uk/2018/01/15/super_micro_superserver_with_36_samsung_ssds/),容量为288TB,今年晚些时候可扩展到576TB。Supermicro的赌注下在闪存Ruler赛的两匹马上。
服务器制造商Supermicro希望不会有事发生致使这些Ruler系统的推出受到阻碍。
好文章,需要你的鼓励
OpenAI CEO描绘了AI温和变革人类生活的愿景,但现实可能更复杂。AI发展将带来真正收益,但也会造成社会错位。随着AI系统日益影响知识获取和信念形成,共同认知基础面临分裂风险。个性化算法加剧信息茧房,民主对话变得困难。我们需要学会在认知群岛化的新地形中智慧生存,建立基于共同责任而非意识形态纯洁性的社区。
杜克大学等机构研究团队通过三种互补方法分析了大语言模型推理过程,发现存在"思维锚点"现象——某些关键句子对整个推理过程具有决定性影响。研究表明,计划生成和错误检查等高层次句子比具体计算步骤更重要,推理模型还进化出专门的注意力机制来跟踪这些关键节点。该发现为AI可解释性和安全性研究提供了新工具和视角。
传统数据中心基础设施虽然对企业至关重要,但也是预算和房地产的重大负担。模块化数据中心正成为强有力的替代方案,解决企业面临的运营、财务和环境复杂性问题。这种模块化方法在印度日益流行,有助于解决环境问题、满足人工智能的电力需求、降低成本并支持新一代分布式应用。相比传统建设需要数年时间,工厂预制的模块化数据中心基础设施可在数周内部署完成。
法国索邦大学团队开发出智能医学文献管理系统Biomed-Enriched,通过AI自动从PubMed数据库中识别和提取高质量临床案例及教育内容。该系统采用两步注释策略,先用大型AI模型评估40万段落质量,再训练小型模型处理全库1.33亿段落。实验显示该方法仅用三分之一训练数据即可达到传统方法效果,为医学AI发展提供了高效可持续的解决方案。