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
研究人员基于Meta前首席AI科学家Yann LeCun提出的联合嵌入预测架构,开发了名为JETS的自监督时间序列基础模型。该模型能够处理不规则的可穿戴设备数据,通过学习预测缺失数据的含义而非数据本身,成功检测多种疾病。在高血压检测中AUROC达86.8%,心房扑动检测达70.5%。研究显示即使只有15%的参与者有标注医疗记录,该模型仍能有效利用85%的未标注数据进行训练,为利用不完整健康数据提供了新思路。
西湖大学等机构联合发布TwinFlow技术,通过创新的"双轨道"设计实现AI图像生成的革命性突破。该技术让原本需要40-100步的图像生成过程缩短到仅需1步,速度提升100倍且质量几乎无损。TwinFlow采用自我对抗机制,无需额外辅助模型,成功应用于200亿参数超大模型,在GenEval等标准测试中表现卓越,为实时AI图像生成应用开辟了广阔前景。
AI云基础设施提供商Coreweave今年经历了起伏。3月份IPO未达预期,10月收购Core Scientific计划因股东反对而搁浅。CEO Michael Intrator为公司表现辩护,称正在创建云计算新商业模式。面对股价波动和高负债质疑,他表示这是颠覆性创新的必然过程。公司从加密货币挖矿转型为AI基础设施提供商,与微软、OpenAI等巨头合作。对于AI行业循环投资批评,Intrator认为这是应对供需剧变的合作方式。
中山大学等机构联合开发的RealGen框架成功解决了AI生成图像的"塑料感"问题。该技术通过"探测器奖励"机制,让AI在躲避图像检测器识别的过程中学会制作更逼真照片。实验显示,RealGen在逼真度评测中大幅领先现有模型,在与真实照片对比中胜率接近50%,为AI图像生成技术带来重要突破。