戴尔公司第三季度营收达到创纪录的270亿美元,同比增长11%,主要得益于人工智能服务器需求的爆炸式增长。尽管较第二季度的298亿美元有所下降,但净利润同比大幅增长近三分之一,达到15.5亿美元。
戴尔副董事长兼首席运营官杰夫·克拉克表示:"人工智能的发展势头在下半年加速,创下了123亿美元的AI服务器订单记录,年度订单总额达到前所未有的300亿美元。我们五个季度的订单储备是184亿美元积压订单的数倍,客户包括云服务提供商、主权客户和企业客户。"
财务数据概览
戴尔第三季度(截至10月31日)呈现出两个运营部门的不同表现:基础设施解决方案集团收入同比增长24%,达到141亿美元。服务器和网络业务收入为101.3亿美元,增长24%,而存储业务收入下降至39.8亿美元,同比下降1%。
客户解决方案集团(商用和消费级PC)收入为125亿美元,增长3%。
基础设施解决方案集团的盈利能力环比提升至12.4%,主要由AI服务器和戴尔IP存储产品销售推动。尽管整体存储业务数据平平,戴尔确认其全闪存阵列产品组合实现了两位数增长,包括PowerMax、PowerStore、PowerFlex和ObjectScale。其中PowerStore已连续七个季度实现增长。这表明业务疲软主要集中在基于机械硬盘的混合系统,如PowerScale、PowerProtect和PowerVault等入门级产品。
戴尔引用Gartner研究数据预测,未来三年产生的数据将超过历史总和,其中80%为非结构化数据。公司指出"分解式架构将使数据中心现代化并优化总拥有成本"。
在财报电话会议上,克拉克谈到了组件成本上涨问题:"我们从未见过如此大幅度的成本上涨。而且不仅限于DRAM,还包括NAND闪存、机械硬盘以及整个半导体网络的前沿节点。我认为这是需求远超供应的结果。"
戴尔计划通过配置调整、可用性优化和产品组合变化来管理这种压力,这些是公司在以往组件周期中采用过的策略。
对于第四季度,戴尔给出的营收指导为315亿美元(上下浮动5亿美元),中位数同比增长32%。其中AI服务器出货量预计约为94亿美元,戴尔IP存储业务预计将以"高于市场"的速度增长。2026财年全年营收指导为1117亿美元(上下浮动5亿美元),中位数增长17%。
首席财务官大卫·肯尼迪预测:"2026财年将是又一个创纪录年份,我们将AI出货指导提高至约250亿美元,同比增长超过150%,营收指导提高至1117亿美元,增长17%。"
Q&A
Q1:戴尔第三季度AI服务器业务表现如何?
A:戴尔第三季度AI服务器业务表现强劲,创下123亿美元的订单记录,年度订单总额达到300亿美元。五个季度的订单储备是184亿美元积压订单的数倍,预计第四季度AI服务器出货量约为94亿美元。
Q2:戴尔存储业务为什么出现下滑?
A:戴尔存储业务总收入下降1%至39.8亿美元,主要是基于机械硬盘的混合系统如PowerScale、PowerProtect和PowerVault等产品表现疲软。不过全闪存阵列产品组合实现了两位数增长,PowerStore已连续七个季度增长。
Q3:戴尔如何应对组件成本上涨压力?
A:面对DRAM、NAND闪存、机械硬盘等组件成本大幅上涨,戴尔计划通过配置调整、可用性优化和产品组合变化来管理压力。这些策略是公司在以往组件周期中成功采用过的应对方法。
好文章,需要你的鼓励
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。