NetApp在2026财年第一季度仅实现1%的微弱增长,但在2025年第一季度赢得了全闪存阵列市场份额第一的位置。
截至2025年7月25日的季度收入为15.6亿美元,GAAP利润为2.33亿美元,同比下降6%。收入超过了15.3亿美元±7500万美元指导范围的中点。
CEO George Kurian强调积极面,表示:"我们为2026财年开了个好头,越来越多的组织选择NetApp来构建面向未来的AI就绪数据基础设施。"他在财报电话会议中提到:"美洲企业的强劲表现抵消了美国公共部门和欧洲中东非洲地区的同比下降。"
他补充说:"美国公共部门本季度表现非常疲软。我认为我们仍在等待预算部署到各机构。我们看到分配给不同类型机构的预算发生了变化,我们已将资源转移到有预算的地方。"总体而言:"疲软点是局部的,但在这些领域很明显。"
季度财务摘要显示,毛利率为70.4%,而去年同期为71.3%;运营现金流创纪录达到6.73亿美元,而去年同期为3.41亿美元;自由现金流创纪录达到6.2亿美元;现金及投资总额为33亿美元;每股收益为1.15美元;股票回购和股息支出为4.04亿美元。
Kurian认为:"通过帮助客户使用前沿且具有网络弹性的存储解决方案进行现代化,我们在全闪存市场中占据了领先地位。我们独特的云服务促进了无缝的混合云和多云转型,我们在新兴的企业AI机会中处于有利位置并在增长。"
在全闪存阵列方面取得成功,特别是NetApp面临来自戴尔、HPE、Pure Storage和VAST Data的激烈竞争。Kurian表示:"截至第一季度末,我们安装基础中45%的系统在有效支持合同下都是全闪存。健康的客户参与度和对我们统一和块优化全闪存存储产品组合的强烈兴趣使我们能够替代竞争性全闪存和混合闪存足迹。"
AI需求有所增加,Kurian说:"本季度我们在AI方面获得了超过125个胜利,而去年同期为50个。三种用例类型分别是:数据湖约占总数的20%;训练(微调大模型或定制企业模型)约占45%;其余是RAG和智能体AI用例。"
CFO Wissam Jabre表示NetApp财务状况良好:"我们以33亿美元现金和短期投资以及25亿美元总债务结束本季度,净现金头寸约为8.4亿美元。"
下季度收入展望为16.4亿美元±2500万美元,中点较去年同期下降1.2%。2026全财年展望为67.5亿美元±1.25亿美元,较2025财年增长2.7%。
Q&A
Q1:NetApp在全闪存阵列市场的表现如何?
A:NetApp在2025年第一季度赢得了全闪存阵列市场份额第一的位置。目前其安装基础中45%的系统都是全闪存,公司成功替代了竞争对手的全闪存和混合闪存产品,在面临戴尔、HPE、Pure Storage等强劲竞争对手的情况下仍取得领先地位。
Q2:NetApp的AI业务发展情况怎样?
A:NetApp的AI业务增长显著,本季度获得超过125个AI项目胜利,而去年同期仅为50个。AI用例主要包括三类:数据湖占20%,模型训练占45%,其余为RAG和智能体AI用例。公司正在开发更多数据管理工具来支持AI应用。
Q3:NetApp未来的财务前景如何?
A:NetApp财务状况稳健,拥有33亿美元现金和短期投资,净现金头寸约8.4亿美元。下季度收入预期16.4亿美元,2026全财年预期67.5亿美元,同比增长2.7%,显示业务将逐步回升。
好文章,需要你的鼓励
尽管全球企业AI投资在2024年达到2523亿美元,但MIT研究显示95%的企业仍未从生成式AI投资中获得回报。专家预测2026年将成为转折点,企业将从试点阶段转向实际部署。关键在于CEO精准识别高影响领域,推进AI代理技术应用,并加强员工AI能力培训。Forrester预测30%大型企业将实施强制AI培训,而Gartner预计到2028年15%日常工作决策将由AI自主完成。
这项由北京大学等机构联合完成的研究,开发了名为GraphLocator的智能软件问题诊断系统,通过构建代码依赖图和因果问题图,能够像医生诊断疾病一样精确定位软件问题的根源。在三个大型数据集的测试中,该系统比现有方法平均提高了19.49%的召回率和11.89%的精确率,特别在处理复杂的跨模块问题时表现优异,为软件维护效率的提升开辟了新路径。
2026年软件行业将迎来定价模式的根本性变革,从传统按席位收费转向基于结果的付费模式。AI正在重塑整个软件经济学,企业IT预算的12-15%已投入AI领域。这一转变要求建立明确的成功衡量指标,如Zendesk以"自动化解决方案"为标准。未来将出现更精简的工程团队,80%的工程师需要为AI驱动的角色提升技能,同时需要重新设计软件开发和部署流程以适应AI优先的工作流程。
这项由德国达姆施塔特工业大学领导的国际研究团队首次发现,当前最先进的专家混合模型AI系统存在严重安全漏洞。通过开发GateBreaker攻击框架,研究人员证明仅需关闭约3%的特定神经元,就能让AI的攻击成功率从7.4%暴增至64.9%。该研究揭示了专家混合模型安全机制过度集中的根本缺陷,为AI安全领域敲响了警钟。