至顶网网络频道 01月31日 综合消息: 瞻博网络公司(Juniper Networks)表示,大型云客户部署的延迟对第一季度业绩造成打击。
瞻博网络发布的第四季度财报和销售报告好过预期,但瞻博网络降低今年第一季度的前景预测。
瞻博网络发表的声明表示,由于大型云客户“持续延迟部署”,第一季度的业绩将受到打击。瞻博网络补充表示,旗下的大型云客户正在经历架构转型。瞻博网络的一些客户正在过渡到瞻博网络下一代平台。
瞻博网络表示,由于旗下产品组合和销量较低迷,预计毛利率有压力。瞻博网络表示,第一季度的收入可望达10.5亿美元左右,加减3000万美元。第一季度非美国通用会计准则(GAAP)每股盈利25美分,加减3美分。
华尔街之前曾预测第一季度非GAAP每股收益为42美分,收入为11.5亿美元。
该前景预期证实了业界对瞻博网络第一季度业绩的担忧。 Cowen分析师保罗?西尔弗斯坦(Paul Silverstein)在收益报告发布前曾表示:
我们认为日益加剧的挑战性竞争格局并不仅仅是服务提供商路由选择,对瞻博网络在云市场获得和维持市场份额也是一个重大挑战,我们看到了这一点。
瞻博网络第四季度业绩报告方面,由于税收费用,本季度净亏损1.481亿美元,合每股亏40美分。第四季度非GAAP收益为每股53美分,收入为12.4亿美元。
华尔街曾预测瞻博网络第四季度的非GAAP每股收益为52美分,收入为12.3亿美元。
瞻博网络2017年全年净收入为3.062亿美元,合每股80美分,收入为50.3亿美元。细节可参看下表。
好文章,需要你的鼓励
随着AI模型参数达到数十亿甚至万亿级别,工程团队面临内存约束和计算负担等共同挑战。新兴技术正在帮助解决这些问题:输入和数据压缩技术可将模型压缩50-60%;稀疏性方法通过关注重要区域节省资源;调整上下文窗口减少系统资源消耗;动态模型和强推理系统通过自学习优化性能;扩散模型通过噪声分析生成新结果;边缘计算将数据处理转移到网络端点设备。这些创新方案为构建更高效的AI架构提供了可行路径。
清华大学团队开发了CAMS智能框架,这是首个将城市知识大模型与智能体技术结合的人类移动模拟系统。该系统仅需用户基本信息就能在真实城市中生成逼真的日常轨迹,通过三个核心模块实现了个体行为模式提取、城市空间知识生成和轨迹优化。实验表明CAMS在多项指标上显著优于现有方法,为城市规划、交通管理等领域提供了强大工具。
Meta以143亿美元投资Scale AI,获得49%股份,这是该公司在AI竞赛中最重要的战略举措。该交易解决了Meta在AI发展中面临的核心挑战:获取高质量训练数据。Scale AI创始人王亚历山大将加入Meta领导新的超级智能研究实验室。此次投资使Meta获得了Scale AI在全球的数据标注服务,包括图像、文本和视频处理能力,同时限制了竞争对手的数据获取渠道。
MIT研究团队发现了一个颠覆性的AI训练方法:那些通常被丢弃的模糊、失真的"垃圾"图片,竟然能够训练出比传统方法更优秀的AI模型。他们开发的Ambient Diffusion Omni框架通过智能识别何时使用何种质量的数据,不仅在ImageNet等权威测试中创造新纪录,还为解决AI发展的数据瓶颈问题开辟了全新道路。