根据Quantum公司2026财年第二季度的损益表显示,这家亏损企业正在驶向更加平稳的财务水域。
截至2025年9月30日的季度收入同比增长13%,达到6270万美元,GAAP亏损为4650万美元,而去年同期亏损为1220万美元。本季度亏损包括与债务偿还相关的2540万美元非现金损失和350万美元的重组费用。
首席执行官Hugues Meyrath表示:"本季度收入处于预期范围的高端,我们认为这反映了我们为重新激活销售组织而采取的果断行动所带来的初步成效。"
成本控制进展和利润率改善成为关注焦点。Meyrath说:"我们也开始推动整体业务朝着目标利润率方向的初步改善,第二季度GAAP毛利率环比扩张230个基点。此外,我们在正在进行的重组工作方面取得进展,旨在合理调整业务规模,使非GAAP运营费用减少超过500万美元,并在本季度实现了正的非GAAP调整后EBITDA。"
Quantum在重组费用上支出330万美元,而一年前为38.3万美元。销售及管理费用为2.28亿美元,同比下降17.2%。总运营费用(GAAP)为3170万美元,环比下降10.2%,同比下降12.4%,大部分削减发生在本季度。各产品收入分部的表现如下:
主存储系统收入同比下降10.1%,辅助存储系统下降15.2%,设备和介质下降3.5%,服务下降13.1%,版税收入下降26.9%,但版税金额较小,对整体结果影响不大。辅助存储系统(如DXi重复数据删除设备、Scalar磁带库和ActiveScale)显示了最大的下降幅度,占Quantum收入的近三分之一。这种销售下滑必须得到解决,其次是阻止服务收入的下降。磁带库供应链问题正在审查中,因为小型和中型库存供应问题导致资金流失。服务组织已经进行了重组。
在财报电话会议上,Meyrath开场表示:"这些结果证明了我们在6月实施的重组所带来的初步效益。尽管仍有更多工作要做,但我相信这让公司走上了正确的轨道,为未来几个季度的持续进展奠定了基础。"
解决Quantum的债务问题一直是主要优先事项:"我们朝着成为无债务公司的目标达成了一个关键里程碑,与Dialectic达成了明确协议,将约5200万美元的定期债务转换为高级担保可转换票据,但需要股东批准。同时,我们也消除了现有的杠杆率和最低流动性要求,并同意备用股权购买协议中的1500万美元收益可在需要时用于额外营运资金。"
这是一个重大突破,Meyrath补充说:"我可以自信地说,这是Quantum很长时间以来最好的财务状况。假设我们获得股东对债务转换的批准,公司自2020年债务峰值以来将从资产负债表中消除总计1.4亿美元的债务。"
新的销售领导层开始交出成果。Meyrath说:"我们以近期历史上最大的积压订单之一结束了本季度,超过2500万美元,而我们的历史目标范围是800万至1000万美元,这突显了强劲的销售势头和客户信心。"
新任首席产品官Geoff Barrall正在审查产品开发。Meyrath在谈到StorNext时表示:"StorNext对我们极其重要。所以我们正在重新制定StorNext的路线图...我们正在重新配置资源来专注于此,确保我们为核心StorNext客户投入更多精力。"
Meyrath积极总结了整体结果:"通过转变成本结构和资产负债表的行动,包括最近提议的债务转换交易,我们已采取措施显著增强公司的长期财务稳定性。"
"总体而言,我们对在相对较短的时间内取得的初步进展感到满意。凭借新的销售领导层和市场推广策略,结合强化的财务结构,我们相信Quantum已具备发展业务的基础,并能在不久的将来实现扩大EBITDA和正现金流的目标。"
Quantum下一季度的收入预期为6700万美元±200万美元;中值同比下降2.5%,这是收入下降幅度的大幅减少,远好于我们习惯看到的两位数下降。我们是否可以大胆猜测,这将是Quantum财务低谷的底部,收入将在其2026财年最后一季度反弹上升。
Q&A
Q1:Quantum公司第二季度的主要财务表现如何?
A:Quantum第二季度收入同比增长13%至6270万美元,GAAP亏损4650万美元,但公司在成本控制方面取得进展,毛利率环比扩张230个基点,运营费用大幅下降,实现了正的非GAAP调整后EBITDA。
Q2:Quantum如何解决债务问题?
A:公司与Dialectic达成协议,将约5200万美元定期债务转换为高级担保可转换票据。如获股东批准,公司自2020年债务峰值以来将从资产负债表中消除总计1.4亿美元债务,这将使Quantum处于多年来最佳财务状况。
Q3:Quantum下个季度的收入预期是多少?
A:下一季度收入预期为6700万美元±200万美元,中值同比下降2.5%。这是收入下降幅度的大幅减少,远好于之前的两位数下降趋势,可能标志着公司财务低谷的底部。
好文章,需要你的鼓励
牛津大学提出PHYSIFORMER,一种扩散变换器模型,通过三维网格顶点轨迹直接在世界坐标空间预测刚性与弹性物体的物理运动,一次性生成全序列轨迹,超越自回归基线。
随着医疗数据数字化与互操作性的进步,跨机构纵向患者数据的研究应用成为可能。本研究通过对20位领域专家的访谈,识别出8种数据收集方法,涵盖智能手机应用、结构化数据导出、区域/全国研究查询及聚合数据源等。研究发现,各方法均有其优缺点,无单一最优方案。参与者中介交换方式可绕过复杂治理安排,但存在数据缺口;全国性网络尚不支持研究查询。公共政策的持续推进将对该领域发展起关键作用。
研究发现主流奖励模型对同等质量答案给出差异悬殊的分数,并提出"奖励聚类"算法通过蒙特卡洛随机失活将连续分数离散化,在不重训模型的前提下有效减少AI训练中的奖励作弊现象。