网络设备公司瞻博网络(Juniper Networks)第三季度财务业绩好于预期,非GAAP净收入为1.52亿美元,同比增长5%。
非GAAP摊薄后每股收益为0.46美元,净收入为11.88亿美元,差不多符合华尔街12亿美元和每股收益0.46美元的预期。
瞻博网络股价在盘后交易中上涨了1.71%,报27.02美元。
瞻博网络首席执行官Rami Rahim星期二表示,“我们连续第五个季度实现收入同比增长,而且连续第二个季度在第三季度时间段里实现了不俗的订单增长。”
瞻博网络预计第四季度的收入将达到12.6亿美元左右,加减5000万美元。非GAAP每股净收入将约为0.53美元,加减0.05美元。
瞻博首席财务官Ken Miller在4月时表示,该公司“正在经历持续的供应限制,这导致了交货时间的延长”,他将这种放缓归咎于“影响许多行业的全球半导体短缺”。
瞻博在7月份也发布了类似的信息,提醒投资者全球范围内仍然存在半导体短缺,部分原因是COVID-19大流行造成的。他们重申交货时间将会延长以及成本的增加,这种情况“至少在未来几个季度内将持续存在”。
Miller今天表示,该公司“执行得非常好尽管供应链环境充满挑战,公司在9月份的季度中表现出了强大的财务管理”。
Miller补充表示,“我们的订单势头强劲、积压创纪录,而且我们在加强供应链,这些都使得我们对未来的增长前景和我们在2022年及以后的时间能够提供更好的盈利能力充满信心。”
瞻博网络在今年1月以未披露的金额收购了Apstra,还曾在去年10月斥资4.5亿美元收购了128科技公司。
好文章,需要你的鼓励
随着AI模型参数达到数十亿甚至万亿级别,工程团队面临内存约束和计算负担等共同挑战。新兴技术正在帮助解决这些问题:输入和数据压缩技术可将模型压缩50-60%;稀疏性方法通过关注重要区域节省资源;调整上下文窗口减少系统资源消耗;动态模型和强推理系统通过自学习优化性能;扩散模型通过噪声分析生成新结果;边缘计算将数据处理转移到网络端点设备。这些创新方案为构建更高效的AI架构提供了可行路径。
清华大学团队开发了CAMS智能框架,这是首个将城市知识大模型与智能体技术结合的人类移动模拟系统。该系统仅需用户基本信息就能在真实城市中生成逼真的日常轨迹,通过三个核心模块实现了个体行为模式提取、城市空间知识生成和轨迹优化。实验表明CAMS在多项指标上显著优于现有方法,为城市规划、交通管理等领域提供了强大工具。
Meta以143亿美元投资Scale AI,获得49%股份,这是该公司在AI竞赛中最重要的战略举措。该交易解决了Meta在AI发展中面临的核心挑战:获取高质量训练数据。Scale AI创始人王亚历山大将加入Meta领导新的超级智能研究实验室。此次投资使Meta获得了Scale AI在全球的数据标注服务,包括图像、文本和视频处理能力,同时限制了竞争对手的数据获取渠道。
MIT研究团队发现了一个颠覆性的AI训练方法:那些通常被丢弃的模糊、失真的"垃圾"图片,竟然能够训练出比传统方法更优秀的AI模型。他们开发的Ambient Diffusion Omni框架通过智能识别何时使用何种质量的数据,不仅在ImageNet等权威测试中创造新纪录,还为解决AI发展的数据瓶颈问题开辟了全新道路。