近日计算机网络基础设施厂商Juniper Networks发布第四季度财报,结果超出预期水平,使其股价在盘后交易中走高。
该季度Juniper Networks在不计入股票补偿等特定成本下的每股利润为56美分,远高于一年前的利润每股1美分。该季度Juniper Networks的净利润为1.329亿美元,收入达到13亿美元,同比增长6%。此前华尔街预测的每股收益为53美分,销售额为12.7亿美元。
Juniper Networks公司首席执行官Rami Rahim表示,12月这个季度的需求要好于预期,推动了公司在所有垂直行业、客户解决方案和地区的强劲增长。
他在声明中表示:“我们致力于提供可简化运营、交付卓越最终用户体验的产品,我们将其称之为体验至上的网络,这在我们客户中产生了共鸣,让我们能够在多个大的、不断增长中的市场中实现增长。我们相信,这一重点将让我们能够在2022年加速增长。”
Juniper Networks还公布了2021财年的全年业绩,年利润为2570万美元,即每股76美分,收入为47.4亿美元。
Juniper Networks主要售卖计算机网络硬件如路由器和以太网交换机等产品,同时也是网络软件业务的领导者,以及提供许多安全工具。
Juniper Networks转型为“体验优先的网络”,旨在帮助企业客户实现这些任务的自动化,以简化网络的部署和管理。大部分创新都是基于软件的。例如,本月早些时候,Juniper Networks宣布扩大路由器产品组合,并推出新的软件提供支持,可让这些设备更易于管理。
展望2022财年的第一季度,Juniper Networks预计这将是一个良好的开端,公布的指引显示该季度预计每股盈利为31美分,收入为11.5亿美元,略高于华尔街预期的11.3亿美元。
好文章,需要你的鼓励
工业升级的关键,或许在于智能本身。“工业+机器人”将成为通向下一阶段工业体系的核心抓手。——黄仁勋。
浙江大学等联合研究发现,AI强化学习效果取决于"模型-任务对齐"程度。当AI擅长某任务时,单样本训练、错误奖励等非常规方法也有效;但面对陌生任务时,这些方法失效,只有标准训练有用。研究团队通过大量实验证实,这种"舒适圈"现象比数据污染更能解释训练差异,为AI训练策略优化提供了新思路。
瑞士政府正式发布了自主研发的人工智能模型,该模型完全基于公共数据进行训练。这一举措标志着瑞士在AI技术自主化方面迈出重要一步,旨在减少对外国AI技术的依赖,同时确保数据安全和隐私保护。该模型的推出体现了瑞士对发展本土AI能力的战略重视。
巴赫切希尔大学研究团队通过对五种不同规模YOLO模型的量化鲁棒性测试发现,静态INT8量化虽能带来1.5-3.3倍速度提升,但会显著降低模型对噪音等图像损伤的抵抗能力。他们提出的混合校准策略仅在大型模型处理噪音时有限改善,揭示了效率与鲁棒性平衡的复杂挑战。