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
阿里纳德数据中心与Calibrant Energy合作开发首创电池储能系统,通过绕过传统电网升级时间线,使俄勒冈州希尔斯伯勒在建数据中心园区提前数年上线。该31兆瓦、62兆瓦时储能系统计划2026年投运,将作为响应电网的动态资产,在需求高峰期放电,增强区域电网可靠性。这标志着美国首次使用专用电池系统加速大型数据中心并网。
威斯康星大学研究团队开发了LUMINA系统,专门检测AI在回答问题时的"撒谎"行为。该系统发现AI有时会忽视提供的参考资料,固执地依赖内部知识生成不准确回答。LUMINA通过监测AI对外部文档和内部知识的依赖程度来识别这种行为,在多个测试中达到90%以上的准确率,比以往方法提升13%,为构建更可信的AI系统提供了重要工具。
微软在Edge浏览器中推出增强版Copilot模式,提供更强大的AI代理功能,目前在美国进行限量预览。该模式包含Actions和Journeys两大功能:Actions让浏览器能代表用户执行任务,如语音控制打开网页或查找文章特定内容;Journeys则记住用户浏览历史,帮助用户继续之前的研究任务。此举正值AI浏览器竞争加剧,OpenAI推出ChatGPT Atlas、Perplexity发布Comet、谷歌集成Gemini到Chrome。目前Chrome占据71%市场份额,Edge仅占4.67%。
这项由法国CentraleSupélec大学领导的研究通过严格控制的实验,系统比较了AI的推理训练与传统训练方式。研究发现推理训练在数学、开放式任务中效果显著,但需要70亿参数以上模型才能充分发挥优势,且成本增加明显。研究为AI开发者提供了明确的应用指导,有助于根据具体场景选择最优训练策略。