云网络公司Arista Networks今天发布最新季度财报,以表现稳定的业绩再次超出分析师对其收益和收入的预期,使得股价在盘后交易中有所上涨。
第一季度在不计入股票补偿等特定成本情况下的每股利润为2.50美元,销售收入为6.676亿美元,收入同比增长27%,此前华尔街预期的每股利润为2.38美元,收入为6.421亿美元。
总体上看,这个季度运营利润情况是比较健康,为1.988亿美元。
Arista主要面向Facebook和微软等超大规模数据中心运营商售卖高速网络交换机,此外还在竞争激烈的企业园区交换机市场中与规模更大的思科展开竞争。
除了硬件外,Arista还售卖融合了人工智能的网络管理和安全软件,用于发现故障的根本原因,监控用户体验,识别任何网络威胁。2020年9月收购Awake Security之后,Arista一直在为其安全软件添加新的功能。
Arista首席执行官Jayshree Ullal表示,该季度Arista的强劲表现归功于对人工智能领域的关注。
Ullal在一份声明中称:“2021年Arista起步顺利,显然,我们对云网络的专注,正在得到那些拥有各种数据集和应用的客户的共鸣。”
值得注意的是,整个新冠疫情期间Arista表现突出,这也是Arista连续第六个季度业绩超出分析师的预期。
Constellation Research分析师Holger Mueller表示:“当一家公司拥有吸引人的产品,并且在疫情期间能够审慎地运营,那么能带来怎样喜人的成绩,Arista就是一个很好的例子。在产品方面,Arista专注于基于AI的安全网络,并且做得很出色。在商用业务方面,Arista的收入增长了大约30%,而成本却仅增长了20%。现在,管理层需要在今年剩下时间里继续保持下去。”
Arista首席财务官Ita Brennan表示,这一结果验证了公司实施的业务多元化策略,并指出,这说明所有市场对Arista产品的需求状况都是良好的。
展望未来,Arista预测第二季度收入在6.75亿美元至6.95亿美元之间,这意味着很有可能会再次超过华尔街的预期——6.4984亿美元。
Arista股价在盘后交易时段上涨了3%以上。
好文章,需要你的鼓励
来自香港科技大学和MiniMax的研究团队开发了SynLogic,一个可合成35种逻辑推理任务的框架与数据集,填补了AI逻辑训练资源缺口。研究表明,在SynLogic上进行强化学习训练显著提升了模型逻辑推理能力,32B模型在BBEH测试中超越了DeepSeek-R1-Distill模型6个百分点。更值得注意的是,将SynLogic与数学和编程数据混合训练不仅提高了这些领域的学习效率,还增强了模型的泛化能力,表明逻辑推理是构建通用AI推理能力的重要基础。
这项研究揭示了大型语言模型的惊人能力:只需两个特殊训练的向量,冻结的语言模型就能在一次计算中生成数百个准确词汇,而非传统的逐词生成。研究者发现,这种能力要求特定的输入排列方式,且生成速度比自回归方法快约279倍。这一发现不仅展示了语言模型未被充分探索的并行生成潜力,还为快速文本重建开辟了新方向。
腾讯混元团队提出的"ConciseR"是一种通过两阶段强化学习实现大模型简洁推理的新方法。研究遵循"先走后跑"原则,先确保模型具备准确推理能力,再优化输出简洁性。第一阶段通过改进的群体相对策略优化(GRPO++)提升推理能力,第二阶段通过长度感知的群体相对策略优化(L-GRPO)减少输出长度。实验结果显示,该方法在AIME、MATH-500等多个基准测试中既减少了输出长度(平均20%以上),又保持或提高了准确率,展现出高效率-高准确率的理想平衡。
这项由香港科技大学团队开展的研究首次全面评估了压缩对大语言模型Agent能力的影响。研究发现,虽然4位量化能较好地保留工作流生成和工具使用能力(仅下降1%-3%),但在实际应用中性能下降达10%-15%。团队提出的ACBench基准测试横跨工具使用、工作流生成、长文本理解和实际应用四大能力,评估了不同压缩方法对15种模型的影响。结果显示,AWQ量化效果最佳,蒸馏模型在Agent任务上表现不佳,大型模型对压缩更具韧性。研究还提出ERank等创新分析方法,为实际部署提供了切实指导。