美国网络基础设施制造商Extreme Networks发布业绩报告,营业额出现两位数的反弹,但公司股价在周三第四季度财报发布后后几乎跌了五成。这是在提醒大家,科技公司如业绩未能达到华尔街的预期就存在危险。
在截至6月30日为止的该季度里,Extreme Networks的收入增长了56%,达2.783亿美元,远远高于去年同期1.789亿美元的收入,但低于分析师预期的2.7922亿美元。
加上Extreme公布的亏损为560万美元,虽然比上一季度亏损的1300万美元有改善,但去年同期则录得利润1320万美元。
首席执行官Ed Meyercord则高调表示自动化校园业务方面的出货量“稳定“以及软件销售及相关服务录得创纪录的1100万美元季度业绩。但他未能用同样热情洋溢的词汇来谈论从博科收购的数据中心网络产品的业绩。
他提到下一代SLX平台称 “高端数据中心胜出”,其中包括签了20个100万美元以上的交易,是上一季度的两倍,但他补充表示,“离我们的内部预期略逊一筹。”
Meyercord在电话会议上表示,“我们对本季度最后一周数据中心订单短缺了1000万美元感到惊讶。很明显,我们在渠道的处理上存在不足。为了解决这个问题,我们改组了领导层,我们还调低了2019财年第一季度第二季度的季度预期收入约5000万美元。
他称,路由器产品组合将“在2018年年底全面完成,而且我们将以交换端口价提供路由器端口规模。”
在整个2018财政年度,Extreme的销售额为9.83亿美元,亏损4,680万美元。相比之下,上一个财政年度的销售额为6.07亿美元,亏损174万美元。
Extreme公司提供给投资者的幻灯片([PDF] http://investor.extremenetworks.com/static-files/cc02a93a- 9226-40dc-9dab-41d6fa2e8267 )显示,Extreme的库存积压在增加,本季度的积压为6390万美元,而上一季度的积压为4740万美元 -- 本季度的资本支出为1840万美元,而去年同期的支出为260万美元。花更多钱,获利更多,但赚钱少了。
Meyercord表示:
我们正在精简我们的产品组合,并在积极提出减少与旧产品相关的SKU以及之前宣布的寿命终止产品的计划。我们对渠道中的产品组合进行了评估,我们确认了提高灵活性、提高效率和提高利润率的时机。
首席财务官Drew Davies.表示,公司在2018年财政年度末账面上的债务总额减去贷款费用为1.98亿美元,“归因于与Campus Fabric收购相关的借款以及我们在2018年5月1日结束的新定期贷款和循环信贷额”。
Extreme预计,收入大致会减少以及亏损将在不久的将来深化,预计2019财年第一季度的亏损将在690万美元至1460万美元之间。
Extreme Networks此前曾于去年收购了Avaya的网络商务和Brocade的数据中心业务。Davies在其评论文章(http://investor.extremenetworks.com/static-files/2e7a7520-72e5-46cd-bfab-b1a9b6cb5df0 PDF,其实更多的是个声明而不是评论文章)将当前的困境归结为“由我们的校园结构和数据中心导致的收购财会调整“。
Extreme的股价在在公布业绩时从9美元左右跌至5.89美元,本文完稿时上涨至6.24美元。
好文章,需要你的鼓励
Gartner预测,到2030年所有IT工作都将涉及AI技术的使用,这与目前81%的IT工作不使用AI形成鲜明对比。届时25%的IT工作将完全由机器人执行,75%由人类在AI辅助下完成。尽管AI将取代部分入门级IT职位,但Gartner认为不会出现大规模失业潮,目前仅1%的失业由AI造成。研究显示65%的公司在AI投资上亏损,而世界经济论坛预计AI到2030年创造的就业机会将比消除的多7800万个。
CORA是微软研究院与谷歌研究团队联合开发的突破性AI视觉模型,发表于2023年CVPR会议。它通过创新的"区域提示"和"锚点预匹配"技术,成功解决了计算机视觉领域的一大挑战——开放词汇目标检测。CORA能够识别训练数据中从未出现过的物体类别,就像人类能够举一反三一样。在LVIS数据集测试中,CORA的性能比现有最佳方法提高了4.6个百分点,尤其在稀有类别识别上表现突出。这一技术有望广泛应用于自动驾驶、零售、安防和辅助技术等多个领域。
人工智能正从软件故事转向AI工厂基础,芯片、数据管道和网络协同工作形成数字化生产系统。这种新兴模式重新定义了性能衡量标准和跨行业价值创造方式。AI工厂将定制半导体、低延迟结构和大规模数据仪器整合为实时反馈循环,产生竞争优势。博通、英伟达和IBM正在引领这一转变,通过长期定制芯片合同和企业遥测技术,将传统体验转化为活跃的数字生态系统。
中国电信研究院联合重庆大学、北航发布T2R-bench基准,首次系统评估AI从工业表格生成专业报告的能力。研究涵盖457个真实工业表格,测试25个主流AI模型,发现最强模型得分仅62.71%,远低于人类专家96.52%。揭示AI在处理复杂结构表格、超大规模数据时存在数字计算错误、信息遗漏等关键缺陷,为AI数据分析技术改进指明方向。