至顶网网络频道 05月18日 编译:网络巨头思科今天公布了第三财季财报,该季度收入比去年同期增长4%,达到125亿美元,连续第二季度实现增长。最近思科一直试图在这个云计算时代实现其业务的转型。
根据财报,思科的每股盈利为56美分,或者未去除股票薪酬和税收优惠等特定条目是66美分,比去年增加10%。
最为重要的是,思科来自软件和订阅的经常性收入增长了38%,占总收入的32%,比去年同期增加了2%。这一点很重要,因为这表明思科作为全球最大的网络交换机和路由器(用于在互联网和大型企业网络上传输数据)制造商,正在向更加一致的、基于订阅的业务模式转型,就像AWS和微软的Azure一样。
投资者对递延收入(包括基于订阅和软件收入)特别感兴趣,因为这部分收入表明了未来业务的稳定性。这部分收入同比增长了9%,递延产品收入增长18%,递延服务收入增长4%。经常性软件和订阅的收入部分增长29%,达到56亿美元。
思科公司首席执行官Chuck Robbins在财报电话会议上表示:“我们实现了又一个季度的收入增长加速。而且,我们在把更多业务转移到订阅和软件模式方面也取得了稳步的进展。”
此前分析师普遍预测经调整后的利润为65美分,收入为124亿美元,大约是思科上个季度的中间点。
就在实现这连续两个季度的收入增长之前,思科遭遇了连续六个季度的收入下滑,主要是因为思科在努力将其业务从衰退的硬件转变为更多集中于软件和订阅服务的模式。
思科还发布了一项新的预测,预计目前这个季度的收入同比将增长4%至6%,调整后利润为68美分至70美分。分析师预测的收入为127.2亿美元,利润为69美分。
但是这些结果和预测并没有让投资者感到兴奋,因为投资者可能一直希望看到更加令人惊喜的结果。在盘后交易中,思科股价下跌约4%,在常规交易中下跌了0.7%至45.16美元。今年迄今为止,思科股价已上涨约18%。
Constellation Research副总裁兼首席分析师Holger Mueller表示:“思科仍处于转型阶段,现在思科需要证明自己所有新的增长项目可以保持增长,并提供可预测的数字。”
第三季度及之后几个季度的关键点,仍然是思科旗舰的Catalyst 9000网络交换机,不仅仅是因为硬件方面,而且是因为软件订阅客户必须订阅才能使用该产品。Robbins表示,该交换机是思科增长最快的产品,尤其是分析软件“非常有吸引力”。他表示,该产品现在已经拥有5800个客户,高于上个季度的3100个,相当于每天增加40个新客户。
未来思科的前进道路可能仍然崎岖不平。现在思科已经与微软、谷歌和阿里巴巴等大型云计算提供商进行了一些小规模的进攻,而这几家提供商大多都自己构建网络设备。但思科可能需要找到一种方法,来说服更多这些所谓“超大规模”公司购买思科软件订阅的设备。这个季度,思科基础设施平台业务收入仅增长2%,达到72亿美元。
其他一些业务部门的表现则要好一些。例如应用收入增长19%,达到13亿美元,安全收入增长11%,达到5.83亿美元。
服务收入仅增长3%,达到32亿美元,略低于分析师的预测。“和本季度的情况一样,业务收入预计会有所增加,未来我们一定会看得到。思科管理层越是能避免这些意外事件的发生,未来的结果就会越好,”Mueller这样说道。
思科继续着自己的收购步伐,最近以2.7亿美元现金和股权奖的方式在5月1日宣布收购Accompany,该公司位于美国加利福尼亚州洛斯阿尔托斯,主要提供关系智能平台以寻找新的潜在客户并使用人工智能来指导销售流程。
与此同时,思科也在考虑对一些资产进行调整。同样是在5月1日,思科宣布计划将其视频软件业务出售给私募股权公司Permira Advisers,报价高达10亿美元。
部分原因是为了现金流,未来可能还有更大的动作。Barclays分析师Mark Moskowitz在几个月前的一份报告中告诉客户,由于美国今年的税收举措,思科可能会将用于海外的资金转向用于美国国内,以便做“与安全、数据分析或即服务相关的变革性收购,我们认为这将得到投资者的支持”。
Piper Jaffray分析师最近表示,思科可以通过收购超融合系统和软件提供商Nutanix在竞争中受益,特别是与VMware的竞争。但是,目前Nutanix的市场估值为94亿美元,即使对于思科来说,这也是一笔巨大的资金。
好文章,需要你的鼓励
这项由复旦、港科大等多校联合完成的研究首次系统性地解决了大型AI模型在识别场景文字时产生"语义幻觉"的问题。研究团队发现AI模型常将视觉上模糊的文字"脑补"成有意义但错误的词汇,并开发了包含ZoomText定位策略和接地层修正机制的训练无关解决方案,在多个基准测试中实现显著性能提升,为提高AI视觉系统可靠性提供了重要突破。
IBM研究院发布AssetOpsBench,全球首个工业资产AI代理评估平台。该研究建立了多代理协作框架,涵盖IoT数据采集、时序分析、故障诊断等专业模块,通过141个真实场景和六维评估标准测试AI在复杂工业运维中的表现。测试显示当前AI技术仍有改进空间,为工业4.0时代的智能运维发展提供重要基准。
韩国科学技术院研究团队开发出Simba方法,通过层次化稀疏化技术对状态空间模型进行"瘦身",在保持性能的同时显著提升计算效率。该方法采用类似高速公路的架构设计,让AI模型的上层只处理最重要的信息,实现了最高80%的速度提升和更好的长序列处理能力。这项即插即用的技术为AI模型优化提供了新思路。
这项研究展示了一个基于ModernBERT架构的prompt injection检测模型,通过精心构建的多样化数据集训练,在内部测试中达到98.7%准确率和98.0% F1分数,在公开基准测试中平均F1分数达93.8%,显著超越现有最强基线系统。该模型推理速度仅0.02秒,具备实时检测能力,为AI系统安全防护提供了新的解决方案。