5月13日,VMware(NYSE:VMW)宣布,其董事会已任命Rangarajan(Raghu)Raghuram为首席执行官和董事会成员,自2021年6月1日起生效。Raghuram是一位业界资深人士兼战略商业领袖,目前担任VMware执行副总裁兼产品与云服务首席运营官。
VMware董事会主席Michael Dell 表示:“我很高兴Raghu能担任VMware首席执行官。在他的整个职业生涯中,Raghu的卓越领导力一直与正直、信念兼容,为VMware的成功发挥了重要作用。现在,Raghu已经准备好构建VMware的未来,帮助客户和合作伙伴在多云世界中加速其数字业务。”
自2003年加入VMware以来,Raghuram在VMware的悠久历史中帮助指导了公司的战略方向和技术发展,推动了核心虚拟化业务发展和VMware软件定义数据中心战略,构建并指导了VMware云计算业务和SaaS转型,在公司并购战略中发挥了关键作用,并在推动与戴尔科技集团及其他大规模战略合作伙伴的合作中发挥了关键作用。
Raghu Raghuram表示:“VMware凭借跨云、数据中心和边缘的端到端软件平台,以独特的姿态引领多云计算时代,帮助客户加速数字化转型。我很荣幸,感到受宠若惊,也很兴奋能被选中,带领公司进入一个新的发展篇章。我们有巨大的机会,我们有正确的解决方案和优秀的团队,我们将继续专注、热情、敏捷地前行。”
VMware首席独立董事Paul Sagan表示:“经过深入周到的寻找,董事会认为Raghu是领导公司、担任CEO的最佳人选,因为他体现了我们的创新文化、代表了我们的价值观,对VMware的未来有着清晰的展望。我们还要感谢Zane Rowe作为临时首席执行官所展现的领导力,他将继续担任首席财务官并发挥关键作用。”
VMware还宣布,Sumit Dhawan已被任命为总裁,负责所有市场营销的职能,包括全球销售、全球合作伙伴和商业组织、客户体验和成功(CXS)、营销和沟通。凭借他在构建和扩展订阅业务方面的丰富经验以及以客户为中心的定位,Dhawan非常适合担任这些团队的领导。Dhawan目前担任VMware高级副总裁兼首席客户官,他帮助设计了新兴的多云和订阅服务的业务战略,改变了VMware客户使用VMware服务的方式。
现任VMware首席运营官,主管客户运营的Sanjay Poonen做出了离开VMware的个人决定。Poonen已在VMware工作了7年,目前负责客户运营,在此之前负责终端用户计算(EUC)。“我们代表董事会和公司感谢Sanjay为VMware做出的诸多贡献,并祝愿他在未来的工作中一切顺利,”Sagan表示。
VMware首席运营官,主管客户运营的Sanjay Poonen表示:“热烈祝贺Raghu晋升为首席执行官,我知道他将把公司推向新的高度。我将为公司的成功而欢呼,因为我将开始我的下一段旅程。”
2022财年第一季度初步财务报告
2022财年第一季度的收入预计为29.94亿美元,同比增长9.5%。
订阅、SaaS和许可收入预计为13.87亿美元,同比增长12.5%。
第一季度GAAP营业利润率预计为18.7%,非GAAP营业利润率预计为30.8%。
GAAP净利稀释每股收益预计为1.01美元,非GAAP净利稀释每股收益预计为1.76美元。
有关VMware第一季度财务业绩的更多详细信息将于美国时间2021年5月27日(星期四)收盘后公布。公司将于太平洋时间当天下午1:30、美国东部时间下午4:30召开电话会议,回顾财务业绩和业务前景。
好文章,需要你的鼓励
CoreWeave发布AI对象存储服务,采用本地对象传输加速器(LOTA)技术,可在全球范围内高速传输对象数据,无出口费用或请求交易分层费用。该技术通过智能代理在每个GPU节点上加速数据传输,提供高达每GPU 7 GBps的吞吐量,可扩展至数十万个GPU。服务采用三层自动定价模式,为客户的AI工作负载降低超过75%的存储成本。
IDEA研究院等机构联合开发了ToG-3智能推理系统,通过多智能体协作和双重进化机制,让AI能像人类专家团队一样动态思考和学习。该系统在复杂推理任务上表现优异,能用较小模型达到卓越性能,为AI技术的普及应用开辟了新路径,在教育、医疗、商业决策等领域具有广阔应用前景。
谷歌DeepMind与核聚变初创公司CFS合作,运用先进AI模型帮助管理和改进即将发布的Sparc反应堆。DeepMind开发了名为Torax的专用软件来模拟等离子体,结合强化学习等AI技术寻找最佳核聚变控制方式。核聚变被视为清洁能源的圣杯,可提供几乎无限的零碳排放能源。谷歌已投资CFS并承诺购买其200兆瓦电力。
上海人工智能实验室提出SPARK框架,创新性地让AI模型在学习推理的同时学会自我评判,通过回收训练数据建立策略与奖励的协同进化机制。实验显示,该方法在数学推理、奖励评判和通用能力上分别提升9.7%、12.1%和1.5%,且训练成本仅为传统方法的一半,展现出强大的泛化能力和自我反思能力。