HPE近日公布了第三季度财报,业绩结果符合华尔街的预期水平,不仅展示出业务所具有的弹性,而且股价也在盘后交易中小幅走高。
该季度在不计入股票补偿等特定成本之后的每股收益为48美分,收入为69.5亿美元,虽然仅同比增长了1%,不是特别抢眼的增长,但确实带来了4.09亿美元的净利润。
最重要的是,这一结果符合预期。华尔街分析师此前预期的每股收益也恰好为48美分,收入为69.7亿美元,这使得当天早些时候几乎没有变动的HPE股价在财报发布之后上涨了近2%。

HPE公司总裁兼首席执行官Antonio Neri(如图)表示,鉴于目前所处市场的变化,HPE的收入和利润增长“特别显著”。
“我们该财年的经常性收入实现增长,证明了客户对我们的HPE GreenLake平台的热烈反应。客户继续优先考虑对IT的投资,并发现HPE行业领先的边缘到云产品组合在当今复杂的宏观经济环境中尤为重要,在这种环境中,技术创新对于加速业务转型和交付重要的业务成果变得至关重要。”
HPE的旗舰产品是HPE GreenLake,一种硬件和软件产品组合,企业可以按需购买,而无需预先购买所有组件。
HPE GreenLake的收入来自于HPE智能边缘业务部门,这也是HPE业绩表现最好的部门之一。该季度智能边缘业务部门贡献收入9.41亿美元,同比增长8%,高于分析师普遍预期的9.12亿美元。其中,Aruba服务收入同比增长两位数,智能边缘即服务的年化经常性收入同比增长超过60%。
另一个表现强劲的业务部门是HPE高性能计算和人工智能部门,销售额为8.3亿美元,增长12%,远高于预期的7.88亿美元。其他方面就不那么乐观了,计算部门的销售额为30亿美元,下滑3%。存储收入下滑2%至12亿美元,金融服务收入下滑3%至8.17亿美元。
Pund-IT分析师Charles King表示,HPE的整体业绩令人感到鼓舞,他指出,鉴于HPE在供应链限制、零部件短缺和货币波动方面面临的诸多不利因素,该季度的表现可以说是相当不错。
“虽然HPE传统的计算和存储业务表现平平,但是智能边缘业务连续第七个季度实现了两位数的同比订单增长,这一点至关重要,因为边缘计算正在企业中变得越来越重要。HPE的即服务订单总额同比增长了39%,是另一个以未来为重点的商机。总体而言,HPE的领导层似乎在管理全球不确定性和市场预期方面做得很不错。”
Constellation Research分析师Holger Mueller补充说:“HPE正在转型之中,而且在艰难的宏观经济环境和供应链条件下也能很好地运转,这让HPE即使在计算机和存储都没有增长的情况下,也能实现整体小幅增长。现在所有的目光都集中在Neri和他的团队上,看看他们能否在该财年剩余的时间内实现ARR增长指引目标。”
展望下一季度,HPE预期每股收益在52美分至60美分之间,中间点略低于华尔街普遍预期的每股58美分。展望整个2023财年,HPE预期每股收益在1.96美元至2.04美元之间,略低于之前的每股1.96美元至2.10美元,也符合分析师普遍预期的每股2.03美元。
对于HPE来说,这是一个忙碌的季度,举行了年度用户大会HPE Discover,并在大会上公布了一项长期云战略,以推动公司向前发展,其中大部分重点是围绕着HPE GreenLake展开的。
好文章,需要你的鼓励
两家公司在OverdriveAI峰会上分享了AI应用经验。Verizon拥有超过1000个AI模型,用于预测客户呼叫原因和提供个性化服务,将AI推向边缘计算。Collectors则利用AI识别收藏品真伪,将每张卡片的鉴定时间从7分钟缩短至7秒,估值从8.5亿美元增长至43亿美元。
阿布扎比科技创新研究院团队首次发现大语言模型生成的JavaScript代码具有独特"指纹"特征,开发出能够准确识别代码AI来源的系统。研究创建了包含25万代码样本的大规模数据集,涵盖20个不同AI模型,识别准确率在5类任务中达到95.8%,即使代码经过混淆处理仍保持85%以上准确率,为网络安全、教育评估和软件取证提供重要技术支持。
Hammerspace发布v5.2数据平台软件,通过更快的元数据读取、更好的数据放置和扩展性优化提升AI数据访问性能。新版本IO500总分提升33.7%,总带宽翻倍,IOR-Hard-Read测试提升超800%。增加了Tier 0亲和性功能,支持GPU服务器本地存储访问,减少集群内网络流量。新增Oracle云支持、Kerberos认证和标签化NFS,提供更细粒度的访问控制。该软件将于12月正式发布。
斯坦福大学研究团队首次系统比较了人类与AI在文本理解任务中的表现。通过HUME评估框架测试16个任务发现:人类平均77.6%,最佳AI为80.1%,排名第4。人类在非英语文化理解任务中显著优于AI,而AI在信息处理任务中更出色。研究揭示了当前AI评估体系的缺陷,指出AI的高分往往出现在任务标准模糊的情况下。