美国网络基础设施制造商Extreme Networks发布业绩报告,营业额出现两位数的反弹,但公司股价在周三第四季度财报发布后后几乎跌了五成。这是在提醒大家,科技公司如业绩未能达到华尔街的预期就存在危险。
在截至6月30日为止的该季度里,Extreme Networks的收入增长了56%,达2.783亿美元,远远高于去年同期1.789亿美元的收入,但低于分析师预期的2.7922亿美元。
加上Extreme公布的亏损为560万美元,虽然比上一季度亏损的1300万美元有改善,但去年同期则录得利润1320万美元。
首席执行官Ed Meyercord则高调表示自动化校园业务方面的出货量“稳定“以及软件销售及相关服务录得创纪录的1100万美元季度业绩。但他未能用同样热情洋溢的词汇来谈论从博科收购的数据中心网络产品的业绩。
他提到下一代SLX平台称 “高端数据中心胜出”,其中包括签了20个100万美元以上的交易,是上一季度的两倍,但他补充表示,“离我们的内部预期略逊一筹。”
Meyercord在电话会议上表示,“我们对本季度最后一周数据中心订单短缺了1000万美元感到惊讶。很明显,我们在渠道的处理上存在不足。为了解决这个问题,我们改组了领导层,我们还调低了2019财年第一季度第二季度的季度预期收入约5000万美元。
他称,路由器产品组合将“在2018年年底全面完成,而且我们将以交换端口价提供路由器端口规模。”
在整个2018财政年度,Extreme的销售额为9.83亿美元,亏损4,680万美元。相比之下,上一个财政年度的销售额为6.07亿美元,亏损174万美元。
Extreme公司提供给投资者的幻灯片([PDF] http://investor.extremenetworks.com/static-files/cc02a93a- 9226-40dc-9dab-41d6fa2e8267 )显示,Extreme的库存积压在增加,本季度的积压为6390万美元,而上一季度的积压为4740万美元 -- 本季度的资本支出为1840万美元,而去年同期的支出为260万美元。花更多钱,获利更多,但赚钱少了。
Meyercord表示:
我们正在精简我们的产品组合,并在积极提出减少与旧产品相关的SKU以及之前宣布的寿命终止产品的计划。我们对渠道中的产品组合进行了评估,我们确认了提高灵活性、提高效率和提高利润率的时机。
首席财务官Drew Davies.表示,公司在2018年财政年度末账面上的债务总额减去贷款费用为1.98亿美元,“归因于与Campus Fabric收购相关的借款以及我们在2018年5月1日结束的新定期贷款和循环信贷额”。
Extreme预计,收入大致会减少以及亏损将在不久的将来深化,预计2019财年第一季度的亏损将在690万美元至1460万美元之间。
Extreme Networks此前曾于去年收购了Avaya的网络商务和Brocade的数据中心业务。Davies在其评论文章(http://investor.extremenetworks.com/static-files/2e7a7520-72e5-46cd-bfab-b1a9b6cb5df0 PDF,其实更多的是个声明而不是评论文章)将当前的困境归结为“由我们的校园结构和数据中心导致的收购财会调整“。
Extreme的股价在在公布业绩时从9美元左右跌至5.89美元,本文完稿时上涨至6.24美元。
好文章,需要你的鼓励
英特尔携手戴尔以及零克云,通过打造“工作站-AI PC-云端”的协同生态,大幅缩短AI部署流程,助力企业快速实现从想法验证到规模化落地。
意大利ISTI研究院推出Patch-ioner零样本图像描述框架,突破传统局限实现任意区域精确描述。系统将图像拆分为小块,通过智能组合生成从单块到整图的统一描述,无需区域标注数据。创新引入轨迹描述任务,用户可用鼠标画线获得对应区域描述。在四大评测任务中全面超越现有方法,为人机交互开辟新模式。
阿联酋阿布扎比人工智能大学发布全新PAN世界模型,超越传统大语言模型局限。该模型具备通用性、交互性和长期一致性,能深度理解几何和物理规律,通过"物理推理"学习真实世界材料行为。PAN采用生成潜在预测架构,可模拟数千个因果一致步骤,支持分支操作模拟多种可能未来。预计12月初公开发布,有望为机器人、自动驾驶等领域提供低成本合成数据生成。
MIT研究团队发现,AI系统无需严格配对的多模态数据也能显著提升性能。他们开发的UML框架通过参数共享让AI从图像、文本、音频等不同类型数据中学习,即使这些数据间没有直接对应关系。实验显示这种方法在图像分类、音频识别等任务上都超越了单模态系统,并能自发发展出跨模态理解能力,为未来AI应用开辟了新路径。