该季度Arista在不计入股票补偿等成本之后的每股收益为84美分,收入为8.77亿美元,同比增长31%,净收入从去年同期的1.988亿美元增长至2.685亿美元,高于此前华尔街分析师预期的每股收益81美分,收入8.56亿美元。财报发布后Arista的股价上涨1%以上,当天早些时候上涨2%。
Arista公司总裁兼首席执行官Jayshree Ullal(如图)表示,尽管供应链面临持续挑战,但第一季度仍实现了创纪录的销售额。
Arista主要面向企业销售网络设备,例如为数据中心计算机服务器机架加速通信的高速交换机,主要客户包括Meta、微软、谷歌等超大规模数据中心运营商,此外面向运营自有本地数据中心销售企业园区交换机,竞争对手包括思科等厂商。
Arista的业务分为软件服务和硬件。其中软件服务方面,包括依靠人工智能识别故障原因、监控用户体验和识别网络威胁的网络管理和安全软件。
Arista硬件业务规模更大一些,该季度产品收入达到7.247亿美元,高于去年同期的5.391亿美元。服务收入为1.523亿美元,高于去年同期的1.284亿美元。
尽管Arista这两个业务部门都有增长,但毛利率有所下滑,从去年同期的64.7%降至63.9%。
Constellation Research分析师Holger Mueller表示:“网络需求正在上升,但该行业正在努力解决供应链问题。Arista的收入仅增长6.4%,无疑面临着供应链方面的挑战。不过该季度Arista实现了创纪录的收入,如果一切顺利的话,甚至有可能在第二季度达到10亿美金的里程碑。大型云提供商交易以及将AI融入网络管理和运营,将是未来几个季度Arista取得成功的关键驱动力。”
展望下一季度,Arista给出了充满信心的预测。Arista预计第二季度收入在9.5亿至10亿美元之间,远高于华尔街预测的9.177亿美元。
好文章,需要你的鼓励
UniR(Universal Reasoner)是一种创新的推理增强方法,可为冻结的大语言模型提供即插即用的推理能力。由韩国科学技术院研究团队开发,该方法将推理能力分解为独立的轻量级模块,无需改变主模型结构。UniR的核心优势在于高效训练(仅更新小型推理模块)、出色的模型间迁移能力(小模型可指导大模型)以及模块组合能力(多个专用模块可通过logits相加组合使用)。在数学推理和翻译测试中,UniR显著超越现有微调方法,展示了轻量级模块如何有效增强大语言模型的推理能力。
Nebius团队开发了SWE-rebench,一个自动化管道用于从GitHub收集软件工程任务并进行去污染评估。该系统解决了两大挑战:高质量训练数据稀缺和评估基准容易被污染。通过四阶段处理(初步收集、自动安装配置、执行验证和质量评估),SWE-rebench构建了包含超过21,000个Python交互式任务的数据集,并提供持续更新的评估基准。研究发现部分语言模型在传统基准上的表现可能被污染效应夸大,而DeepSeek模型在开源模型中表现最为稳健。
这项研究提出了JQL(发音为"Jackal"),一种通过多语言方法提升大型语言模型预训练数据质量的创新系统。研究团队从拉马尔研究所等机构通过四阶段方法解决了多语言数据筛选的难题:先由人类评估内容教育价值创建基准数据,然后评估大型语言模型作为"评判者"的能力,接着将这些能力提炼到轻量级评估器中,最后应用于大规模数据筛选。实验表明,JQL在35种语言上显著优于现有方法,甚至能泛化到未见过的语言如阿拉伯语和中文,为多语言AI发展提供了高效可靠的数据筛选方案。
浙江大学和西湖大学研究团队开发的Styl3R实现了艺术风格化3D重建的重大突破,能在不到一秒内从少量未标定照片和任意风格图像创建具有多视角一致性的3D艺术场景。通过创新的双分支网络架构将结构建模与外观着色分离,系统不仅保持了原始场景结构,还准确捕捉了参考风格特征。与现有方法相比,Styl3R在处理速度和视觉质量上均显著领先,为创意内容制作开辟了全新可能。