Arista Networks日前发布了季度业绩报告,包括Facebook在内的超大规模数据中心运营商的需求导致第一季度盈利的增长,Facebook最近与Arista在合作开发分组交换机。
Arista在截至3月31日为止的三个月收入为5.954亿美元,同比增长26%,但与上一季度相比持平,大致符合预期。
Arista首席执行官Jayshree Ullal在财报电话会议上表示,“在2019年第一季度里,云巨头细分市场是我们最大的垂直市场。”(https://seekingalpha.com/article/4259433-arista-networks-anet-ceo-jayshree-ullal-q1-2019-results-earnings-call-transcript?part=single)
这既是祝福也是诅咒:Ullal表示,Arista曾预测第二季度会出现低迷,因为Arista已经向主要云客户提供了一系列套件,因而预计2019财年上半年会有一段吸收时间。即将到来的放缓的消息旋即导致股价下跌,交易时段Arista股价下跌了16%。
Arista由三位前思科高管创立,负责人Ullal在交换巨头思科工作了15年,曾与思科长期首席执行官John Chambers一起工作,Ullal最后离开思科。然后Arista就迅速开始蚕食思科的收入。
Arista称在第一季度吸引许多百万美元客户,创下记录。企业客户是继一线云供应商之后的第二大客户群,其次是金融机构,后一类得益于最近收购的低延迟交换专家Metamako。二级云专业提供商和服务提供商排在第四和第五位。
Arista产品的季度收入达5.054亿美元,同比增长24%,而服务在季度内净赚9000万美元,增长了38.7%。差不多四分之三的收入来自美国市场。
Ullal表示,“我们在第一季度与7368 Spline一起发布了两个主要新产品的公告,我们与Facebook密切合作开发,因而我们的旗舰EOS以及Facebook的操作系统得到了平台的支持。”
他表示,“我们还推出了第一款低延迟高精度网络应用平台7130。我们很高兴地看到我们的软件订阅在该季度的创下纪录,与2018年第一季度比翻了一番,CloudVision(https://www.theregister.co.uk/2016/12/06/arista_cloud_portal_bug/)的接受程度越来越高。”
其他有关数据包括:
现金已授权一项10亿美元的股票回购计划,该计划将持续到2022年4月,现金由营运资金提供资金。
Arista目前的问题在第二季度的指引里突出地表现了出来;Arista预计营收为6亿至6.1亿美元,低于分析师的预期 ,投资者迅速泼冷水,股价应声下挫。
Ullal做了如下的解释,“我们看到3月下旬和4月份的订单强度低于正常水平。因此,我们预测2019年第二季度的增长将偏离我们的正常和历史模式出现放缓。造成这种情况的一些原因为,2018年实现的大规模云计算提供商里的一家提供商导致了2019年上半年吸收期的出现。“
好文章,需要你的鼓励
香港中文大学与华为诺亚方舟实验室合作开发了PreMoe框架,解决了大型混合专家模型(MoE)在内存受限设备上的部署难题。研究团队发现MoE模型中的专家表现出明显的任务专业化特征,据此提出了概率专家精简(PEP)和任务自适应专家检索(TAER)两大核心技术。实验证明,DeepSeek-R1 671B模型在精简50%专家后仍保持97.2%的MATH500准确率,内存需求降至688GB;而更激进的精简方案(减少87.5%专家)也能保持72.0%的准确率。该方法适用于多种MoE架构,为强大AI系统的广泛部署铺平了道路。
SCIENCEBOARD是一项开创性研究,旨在评估多模态自主智能体在真实科学工作流中的表现。研究团队构建了一个包含169个高质量任务的基准测试,涵盖生物化学、天文学等六个科学领域,并开发了一个真实环境让智能体通过CLI或GUI接口与科学软件交互。实验评估表明,即使是最先进的模型在这些复杂科学任务上的成功率也仅为15%,远低于人类表现,揭示了当前技术的局限性并为未来科学智能体的发展提供了宝贵见解。
帝国理工学院的研究团队开发了AlphaMed,这是首个仅通过极简规则强化学习就能培养医疗推理能力的AI模型,无需依赖传统的思维链示范数据。通过分析数据信息丰富度和难度分布的影响,研究发现高信息量的医疗问答数据是推理能力的关键驱动因素。AlphaMed在六个医疗问答基准上取得了领先成绩,甚至超越了更大的封闭源模型,同时展现出自发的步骤推理能力,为医疗AI发展提供了更加开放、高效的新路径。
Alita是一种新型通用AI代理系统,采用极简设计理念,以"最小预定义,最大自我进化"为原则构建。由普林斯顿大学等多家机构研究团队开发的Alita,只配备一个核心能力和少量通用模块,能自主创建所需工具并重用为模型上下文协议(MCPs)。实验显示,Alita在GAIA基准测试上达到87.27%的通过率,超越包括OpenAI Deep Research在内的复杂系统,证明简约设计可带来卓越性能。