至顶网网络频道 02月14日 编译:思科昨天公布了表现强劲的第二季度财报,其结果超出了华尔街的预期,看起来相当不错。思科股票在周三延长交易中上涨了近4%,此前根据思科的财报显示,在如股票补偿等某些特定成本之前的利润为每股73美分,收入同比增长5%,达到124.5亿美元。此前华尔街预期该季度思科的每股收益为72美分,收入124.1亿美元。
据悉,思科的所有三个主要业务都做得很好。基础设施平台(包括数据中心交换机和路由器)作为思科最大的业务基础设施平台,收入达到了71.3亿美元,高于分析师预期的70.7亿美元。另外安全业务也表现良好,季度营收为6.58亿美元,轻松超过分析师预期的6.29亿美元。
更重要的是,思科的应用业务(包括协作工具和AppDynamics应用性能监控软件)也超过了分析师的预期。该部门对思科来说至关重要,因为思科将其视为增长的关键驱动因素。该季度应用业务的销售额达到了14.7亿美元,远高于13.5亿美元的预期。
思科首席执行官罗卓克(Chuck Robbins)在声明中指出该季度“表现强劲”。他说:“团队执行得非常好,积极地过渡到软件模型,并加快了我们的创新步伐。”
思科的强劲表现似乎验证了思科的长期战略,即将更多地转型为一家软件公司,这一转型旨在支持多云数据中心环境的新世界,减少对硬件销售的依赖。
Pund-IT技术行业分析师Charles King表示,思科软件和安全业务的强劲表现验证了罗卓克的战略,在他取代了硅谷传奇人物约翰·钱伯斯(John Chambers)之后巩固了他在思科的角色。
King说:“另外值得注意的是,许多人认为在过去一个季度的市场经济和贸易问题并没有像预期的那样可怕或者具有挑战性。如果这些情况发生变化,或者出现很多人担心的经济衰退,那么思科和很多其他公司的前景将会相当暗淡。但就目前而言,思科的表现看起来是值得投资者欢呼的。”
思科向多云数据中心网络提供商的转型,也是本月早些时候思科在巴塞罗那举行Cisco Live大会的一个核心主题。在这次大会上,思科宣布推出了一个关键的新架构,将数据中心扩展到客户数据的所在地,以及应用部署的任何地方。
这一新架构是基于一个扩展的Application Centric Infrastructure平台,该平台现在覆盖多个公有云,包括AWS和微软Azure。思科云解决方案营销高级总监Fabio Gori在接受采访时表示,思科正在试图缩小业务需求与网络交付能力之间的差距。如果最新的财报结果是个风向标的话,那么说明思科的这个目标得到了客户的共鸣。
另外,该季度思科也进行了一次大规模收购,以6.6亿美元收购了高速光网络专有芯片制造商Luxtera。分析师当时表示,这对思科来说是一个很好的举措,因为Luxtera目前是最大的硅光子芯片制造商。这种芯片用于支持通过光缆传输数据,比传统铜缆速度更快。这次收购也让思科处于有利地位,可以满足基于云的物联网应用对更高带宽的需求。
Constellation Research首席分析师兼副总裁Holger Mueller表示:“思科正在重组产品,从网络和硬件转向软件和服务。这一重组似乎进展顺利,看起来思科已经重新恢复了增长模式。但在此之前,我们必须看到更多季度的稳健增长。与此同时,思科产品仍然吸引着CxO为下一代应用提供动力。”
展望第三季度,思科预计收入将增长4%至6%,每股收益在76美分至78美分之间,而分析师预期为77美分。
好文章,需要你的鼓励
2025年,企业技术高管面临巨大压力,需要帮助企业从持续的AI投入中获得回报。大多数高管取得了进展,完善了项目优先级排序方法。然而,CIO仍面临AI相关问题。支离破裂的AI监管环境和宏观经济阻力将继续推动技术高管保持谨慎态度。随着AI采用增长的影响不断显现,一些CIO预期明年将带来劳动力策略变化。
微软亚洲研究院与清华大学联合提出双向感知塑造技术,通过创新的两阶段训练方法解决AI视觉理解中的关键问题。该技术让AI学会正确聚焦重要视觉信息,避免被无关内容误导。仅用1.3万训练样本就在八个基准测试中平均提升8.2%性能,超越使用数十万样本的专门模型,为AI视觉推理能力提升开辟新路径。
FinOps基金会周四更新了其FinOps开放成本和使用规范云成本管理工具,新版本1.3更好地支持多供应商工作流。该版本新增了合同承诺和协商协议数据集,增加了跨工作负载成本分摊跟踪列,以及云支出和使用报告时效性和完整性的元数据可见性。随着云和AI采用推动企业IT预算增长,技术供应商正在关注将成本与价值联系起来的努力。大型企业通常使用三到四家云供应商,小企业可能使用两家,同时还有数据中心、SaaS和许可等服务。
上海交通大学研究团队开发了TimeBill框架,解决大语言模型在实时应用中的时间不确定性问题。该系统通过精确预测回答长度和执行时间,动态调整AI记忆管理策略,确保在规定时间内完成任务的同时保持回答质量。实验显示TimeBill在各种时间预算下都能实现最佳的完成率与性能平衡,为AI在自动驾驶、工业控制等安全关键领域的应用提供了重要技术支撑。