至顶网网络与安全频道 02月13日 编译:思科刚刚发布了第二季度财报,结果超出预期,但是由于应用和基础设施销售的下滑,导致产品收入受到了重大冲击。该季度思科在股票薪酬等特定成本之前的收益为每股77美分,收入120亿美元,较去年同期下滑4%,略高于华尔街预期的76美分,收入119.8亿美元。
思科首席执行官Chuck Robbins在声明中表示:“我对长期增长机会充满信心,因为我们将帮助客户构建面向未来的网络。”
思科是数据中心交换机市场中的主导厂商,但是随着大多数企业将支出投入到云基础架构的同时,放缓了硬件采购,所以近几年来思科在发展过程中面临重重困难。
上个季度思科高管曾警告称,由于英国脱欧和中美贸易协定相关的全球经济不确定性导致一些客户暂停了支出计划。
这一预测被验证了:该季度思科的产品收入同比下降了6%,至86.7亿美元。从细分市场来看,基础设施平台收入下降了8%,至65.3亿美元,而应用收入下降了8%,至13.5亿美元。其他业务板块方面,安全产品销售额增长了9%,达到7.48亿美元,而“其他产品”收入增长了110%,达到4600万美元,服务收入增长5%,达到33.3亿美元。
尽管如此,Robbins仍然持乐观态度,他在电话会议上向投资者们表示,围绕着英国脱欧和中国的宏观经济问题将最终得到解决,他预计最终这些不确定性将消散,销售额将再次上升。
Moor Insights&Strategy分析师Patrick Moorhead表示:“鉴于所有经济、地缘政治和冠状病毒因素,认为目前思科的季度业绩和预测都还不错,也是对思科向软件和服务的多元化发展的一个验证。”
Pund-IT分析师Charles King认为未来还有诸多不确定因素,可能不利于思科实现显著改善。他说:“海外市场受冠状病毒带来的恐慌而退缩,英国脱欧令欧盟一片混乱,美国即将迎来一场有争议的大选,鉴于这些状况我也不敢对未来下定论。”
但King认为,思科的管理团队仍然可以实现这一目标。他说:“如果有厂商能够渡过这个疯狂的时期,那么其中就包括思科。”
Constellation Research分析师Holger Muller也警告说,冠状病毒的爆发让思科面临严峻挑战。他说,在不利条件下,首先受到冲击的往往是实力较弱的公司,而且贸易战已经让思科疲惫不堪。
Mueller说:“核心是,思科增加新技术投资的速度要超过成熟产品萎缩的速度,即便是在健康的市场中,这也是一个巨大的挑战。思科面临的前景仍然是负面的,因此我们不认为2020年会看到好转。投资方面临的问题是,2020年高管层将怎么做,才能在2021年恢复收入增长?”
上个月举行的Cisco Live EU大会期间,思科给出了一些暗示。思科宣布了适用于AppDynamics应用监控平台的新工具,该工具让企业能够呈现最关键业务应用的性能水平。
思科还在刚刚过去的一个季度把数据中心网络业务与企业网络部门进行了合并,后者提供安全软件和Wi-Fi接入点等产品。在过去两年中担任思科高级副总裁、企业网络总经理的Scott Harrell将负责领导这一新部门。
思科还抽时间进行了一次小规模的收购,收购了澳大利亚初创公司Exablaze,该公司主要生产用于金融应用(例如算法股票交易)的超低延迟网络设备和芯片。
思科对第三季度的预期与华尔街基本一致。思科表示,预计每股收益在79至81美分之间,华尔街分析师预期的是80美分。
思科股票在盘后交易中下跌了4%。
好文章,需要你的鼓励
OpenAI CEO描绘了AI温和变革人类生活的愿景,但现实可能更复杂。AI发展将带来真正收益,但也会造成社会错位。随着AI系统日益影响知识获取和信念形成,共同认知基础面临分裂风险。个性化算法加剧信息茧房,民主对话变得困难。我们需要学会在认知群岛化的新地形中智慧生存,建立基于共同责任而非意识形态纯洁性的社区。
杜克大学等机构研究团队通过三种互补方法分析了大语言模型推理过程,发现存在"思维锚点"现象——某些关键句子对整个推理过程具有决定性影响。研究表明,计划生成和错误检查等高层次句子比具体计算步骤更重要,推理模型还进化出专门的注意力机制来跟踪这些关键节点。该发现为AI可解释性和安全性研究提供了新工具和视角。
传统数据中心基础设施虽然对企业至关重要,但也是预算和房地产的重大负担。模块化数据中心正成为强有力的替代方案,解决企业面临的运营、财务和环境复杂性问题。这种模块化方法在印度日益流行,有助于解决环境问题、满足人工智能的电力需求、降低成本并支持新一代分布式应用。相比传统建设需要数年时间,工厂预制的模块化数据中心基础设施可在数周内部署完成。
法国索邦大学团队开发出智能医学文献管理系统Biomed-Enriched,通过AI自动从PubMed数据库中识别和提取高质量临床案例及教育内容。该系统采用两步注释策略,先用大型AI模型评估40万段落质量,再训练小型模型处理全库1.33亿段落。实验显示该方法仅用三分之一训练数据即可达到传统方法效果,为医学AI发展提供了高效可持续的解决方案。