至顶网网络频道 11月15日 编译:思科今天公布的第一季度财报轻松超出了预期,这要得益于客户增加了在应用和网络安全工具上的支出。据思科财报显示,在某些成本(例如股票补偿)之前的收益为每股75美分,收入同比增长8%,达到131亿美元。华尔街此前预期每股盈利72美分,收入129亿美元。
在这个表现抢眼的财季中,思科所有产品类别、客户细分群和区域市场都实现了稳健的增长。思科最大的业务部门——基础设施平台(包括数据中心交换机和路由器等硬件)——收入为76.4亿美元,高于分析师此前预期的74亿美元,同比增长了9%。
与此同时,关键应用业务(包括思科协作工具和AppDynamics应用性能监控软件)收入增长18%,达到14.2亿美元。应用业务对思科而言非常重要,因为思科把这块业务视为未来增长的关键驱动因素。思科安全部门的表现也给人留下了深刻的印象,收入达到6.51亿美元,增长11%。
思科首席执行官Chuck Robins
思科首席执行官Chuck Robins在声明中表示:“在2019财年我们有了一个强劲的开端,相信我们的机会从未如此之好。我们的战略正在发挥作用,我们凭借不断成长的、具有差异化的产品组合,在很多领域有良好的表现,为我们的客户带来更安全、自动化的、简单的IT基础设施。”
思科还按区域对收入进行了划分。美洲地区收入增长5%,亚太地区增长12%,欧洲、中东和非洲增长11%。
这个财季对思科的股东来说是一个好消息,因为在思科从依赖于不断下滑的硬件销售转向软件订阅模式的过程中,很多股东已经等得有些不耐烦了。但思科所有业务部门的强劲增长似乎带动了股东们的一些乐观情绪,思科股票在盘后交易中上涨超过5%。
Constellation Research首席分析师Holger Mueller表示:“CIO们希望看到有不同的选择,他们很高兴看到一家传统的、长期的供应商走出困境。如果思科能够在未来几个季度显示出可观的增长,这将缓解一部分对于思科前景的担忧。专注于让企业能够在多云环境中运行下一代应用,这是一个很好的发展方向。”
在有关思科的新闻方面,按照思科的标准来看,第一季度是相对平静的一个季度。思科在这个季度宣布了与AWS合作推出基于Kubernetes容器软件编排器的联合混合云平台。同样在第一季度,思科宣布正在强化自己的安全工具,推出一款软件定义WAN平台。
Moor Insights&Strategy总裁兼首席分析师Patrick Moorhead表示,思科在罗卓克的掌舵下表现得非常出色。他说,最新的这一系列公告显示思科取得了良好进展,因为思科希望从依赖于硬件转型为一家同时具备安全、软件和服务能力的厂商。
“在公有云领域还有很多工作要做,但思科宣布与AWS合作的举动令人鼓舞,”Moorhead说。
思科下一季度的指引也相当令人鼓舞,思科预计每股盈利在71至73美分之间,收入预计在124.8亿美元至127.1亿美元之间。华尔街分析师的预期低于思科的预期,预计利润为每股72美分,收入为125.3亿美元。
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。