因为收入连续第三个季度实现同比增长,所以思科想要成为一家订阅和软件驱动型企业的举动正在越来越受到关注。
近日思科表示,第四财季收入增长了6%,达到128亿美元。此前FactSet分析师估计思科该季度的收入为127.7亿美元,相对思科自己的收入预测处于中间点。
思科在第四季度的利润同比增长了57%,达到38亿美元,或每股81美分。根据股票补偿和“就业法案”的推动调整后,思科的每股利润为33亿美元,或每股70美分,增幅为15%。分析师此前预计每股收益为69美分,思科自己预测的是68美分至70美分。
思科公司首席执行官Chuck Robbins重点关注的是订阅收入,因为这部分收入要比硬件销售和传统软件许可证的收入更稳定、更可预测。思科首席财务官Kelly Kramer表示,第四季度软件和订阅的经常性收入同比仅增长了1%,但占到了总收入的32%,其中软件占订阅收入的56%。
经常性收入的增长很重要,因为这表明了思科作为全球最大的网络交换机和路由器制造商以及大型企业网络正在转型过渡中。
特别是Kelly在电话会议上表示,延期收入以及另一个通常未披露的称为“未开单递延”收入的指标上涨了28%,后者增长强劲,这似乎成了刺激分析师和股票价格的因素。
安全等有针对性的增长型业务在本季度也取得了一些成功。例如,安全业务收入增长12%,达到6.27亿美元,高于分析师此前预测的6.158亿美元。
Robbins在分析师电话会议上表示,“思科实现连续第二个季度的增长加速,我们的战略正在发挥作用”。
思科还提高了收入预期,称本季度收入预计增长5%至7%,调整后的收益为每股70美分至72美分,高于分析师预测的69美分。
投资者喜欢看到这些结果和预测,因为思科的股票在盘后交易中上涨超过6%。该股在5月份的最后一次盈利报告至今天收盘时已经下跌了约3%,当时该股收盘时小幅下跌至每股43.86美元。
最近几年,思科正处于从依赖于日渐衰落的硬件转型为一家更多以软件和订阅服务为主导的公司,连续第三个季度的收入同比增长至少证明了思科正处于转折中,但投资者们一直希望思科能够更快速地完成转型。
目前思科大部分的收入仍然是来自于硬件,例如最新的Catalyst 9000路由器。然而,该机器是思科销售订阅软件的第一步。Robbins表示,该软件的销售情况“相当不错,我们现在的工作就是要确保运营基础设施是就绪的......以确保不断更新”。
思科还与谷歌等云提供商展开了合作,并在6月份宣布了更多关于计划中的混合云产品的细节,旨在帮助客户为内部数据中心和公有云构建应用。
市场研究公司Wikibon分析师Stu Miniman最近表示:“思科希望将自己定位为多云世界的一个关键组成部分。思科比以往任何时候都更需要网络和安全,因此有充分的理由进入这一领域。”
在第四季度初,思科在收购方面保持活跃,但也放弃了一些资产。5月1日,思科以2.7亿美元现金和假设股权奖励收购了关系智能平台公司Accompany,并在6月份表示,将收购基于订阅的定位平台公司July Systems。
同样在5月1日,思科宣布计划以高达10亿美元的价格,向私募股权公司Permira Advisers出售其视频软件业务。不过,思科可能会继续保持长期稳定地收购公司的习惯。
事实上在8月2日,思科以23.5亿美元的价格收购了Duo Security,安全是思科未来发展的核心焦点之一,不仅如此,Duo Security公司还销售订阅产品,这是Robbins的另一个关键目标。
Barclays分析师Mark Moskowitz今年早些时候告诉客户,由于美国今年的税务法案,思科将把来自海外的现金带入美国市场,“预计会完成一笔与安全安全、数据分析或者即服务相关的转型收购,相信会得到投资者的认可”。
几个月前,Piper Jaffray分析师表示,思科可能通过购买超融合系统和软件提供商Nutanix来抗衡VMware,但是目前Nutanix市场估值达到了93亿美元,即使对思科这样的巨头来说,也是一笔不小的数目。
好文章,需要你的鼓励
OpenAI研究科学家Alexander Wei宣布,公司一个未发布的实验模型在国际数学奥林匹克竞赛中解决了六道题目中的五道,获得42分中的35分,达到金牌水平。该模型展现出类似人类数学家的推理能力,能够构建复杂严密的论证。这标志着AI在创造性问题解决方面的重要突破,不过该技术预计数月内不会公开发布。
约翰霍普金斯大学与StepFun公司联合研究,成功让AI学会"边看边思考"的视觉推理能力。通过两阶段训练方法,先让AI在文字推理中掌握认知行为,再迁移到视觉任务中。开发的OVR模型在多项测试中创造新纪录,为AI教育助手、医疗诊断、科研分析等应用奠定基础。
本文探讨了判断AI是否达到通用人工智能(AGI)和人工超级智能(ASI)水平所需的问题数量。目前缺乏确定的测试方法来评估是否达到顶级AI水平。基于图灵测试的分析,作者提出仅通过少量问题难以全面评估智能水平。参考美国国会图书馆主题标引(LCSH)的40万个主题领域,如果每个领域提出1万个问题,将需要40亿个问题来全面测试AGI。这种大规模测试虽然在逻辑上合理,但在实际操作中面临巨大挑战。
阿姆斯特丹大学研究团队开发出"缓存驾驶"技术,通过修改AI模型的键值缓存而非重新训练,让小型语言模型瞬间获得大模型的推理能力。该技术仅需一次调整就能让模型展现逐步推理行为,计算开销几乎为零,在多个推理基准测试中表现优异,还能实现推理风格迁移。