HPE取消7亿美元AI订单引发市场猜测与反思

简介: HPE取消7亿美元AI订单引发市场猜测与反思

来源:企业网D1net


在最近的财报电话会议中,HPE透露因对某位客户的担忧而取消了价值7亿美元的AI设备订单,此举引发了市场广泛关注。HPE首席财务官解释称,虽然AI系统订单收入符合预期,但取消订单导致该季度净订单额下降。Info-Tech Research Group专家表示,此举显示HPE在谨慎管理风险,并指出当前AI行业投资回报率不稳定,供应链正在变得更加谨慎。专家还预测,若需求持续超过供应,客户将受影响,而供应商可能优先考虑利润更高、客户粘性更强的交易。此外,他也提到,虽然快速跟随者可能失去先发优势,但从长远看可能拥有更低的总体拥有成本。面对未来不确定性,聪明的CIO需规划出越来越小众且精细的AI模型性能提升路径。


上周,HPE在与金融分析师的第四季度财报电话会议中透露了一个特别有趣的小细节,该公司宣布,由于CEO安东尼奥·内里(Antonio Neri)所称的“对某位特定客户的担忧”,公司已“取消”了一笔价值7亿美元的AI设备订单。


在周四的电话会议中,首席财务官玛丽·迈尔斯(Marie Myers)表示,虽然AI系统订单的收入符合预期,估计约为12亿美元,“但我们在第四季度取消了一笔订单,因此该季度的净订单额约为5亿美元。季度结束后,我们又收到了新订单,目前积压订单总额超过35亿美元。正如我们之前提到的,AI系统订单可能会时多时少[即收入不定期到来],这就是一个例子。”


周一,HPE在回应记者关于取消订单的问题时表示:“我们拥有强大的控制环境,并继续警惕地与可靠客户合作,管理风险,并确保我们的订单多样化。”


Info-Tech Research Group的实践主管约翰·安南德(John Annand)周一表示,此举是“我们很久没有听说过的事”,并形容内里的态度“相当坦诚。HPE认为客户将无法履行合同条款,因此HPE适当地管理了这一风险。一个数据点并不能代表一种趋势,但它确实引发了一些有趣的猜测,即这对更广泛的市场意味着什么。”


他还表示,这证明“现金为王。有句老话——如果你欠银行1万美元,那是你的问题。如果你欠银行1000万美元,那就是银行的问题了。GenAI技术的可证明且可辩护的投资回报率一直很不稳定。据报道,红杉资本估计AI行业去年在英伟达芯片上花费了50亿美元,但仅实现了约30亿美元的收入。”


安纳德表示,财务尽职调查“并不总是大型科技交易的核心,但为了避免再次出现互联网泡沫,供应链正在发出信号,表示他们不想参与评估客户的商业模式和未来盈利能力。折扣或创造性融资不再是成功产品战略的必要部分。”


当需求超过供应时


在CIO或数据中心经理购买设备方面,他表示,目前供应商占据主导地位:“当需求超过供应时,客户将首当其冲受到影响。HPE可以优先考虑某些市场细分领域和产品组合,因为其AI基础设施的供应有限。”


安纳德补充说:“我们没有得到任何迹象表明这就是正在发生的事情,但可以想象的是,像HPE GreenLake这样利润更高、客户粘性更强的交易,将优先于带有英伟达GPU的第11代HPE ProLiant服务器的商品销售。我们5年前就看到了新冠疫情带来的指数级需求和受限的供应链。这并非不合理,但我们会再次看到供应商和客户之间的类似行为。”


他说,尽管如此,“交易还是可以达成的。黑马假设涉及了解供应超过需求的转折点何时出现。用产品填满供应链需要相对较长的时间。如果《财富》2000强企业的首席财务官们对GenAI的投资回报率仍然持悲观态度,我们可能会看到供应商/客户动态发生重大变化。”


他表示,快速跟随者“肯定会失去先发优势,但从长远来看,他们可能会拥有更低的总体拥有成本(TCO),从而获得更高的投资回报率;技术采用曲线上的‘前沿’并非徒有虚名。”


据安纳德称,“没有水晶球,我们无法预测这一切将如何发展。摩尔定律曾经预测,花费100万美元CPU容量的试点项目可以扩大800%,并在四年后以同样的100万美元投入生产。”


他表示,聪明的CIO“可以围绕这一点规划产品。晶体管的小型化正在触及热力学和理论物理学的极限,而当今聪明的CIO如果想要达到技术采用曲线上的最佳点,就必须规划出越来越小众且越来越精细的AI模型的性能提升路径。”

相关文章
|
6月前
|
人工智能 开发者 Python
AI编码与构造智能体初学过程的反思
本文记录了作者在阿里云 AI Clouder 认证课程《基于通义灵码实现高效AI编码》学习初期的真实经历与反思。起初,作者选择从“无代码”方向的大模型课程《基于百炼平台构建智能体应用》入手,希望借助便捷工具跳过编程基础,但实践中发现效果有限,最终决定回归系统性学习路径,重新从《通义灵码》课程开始夯实技能。 文章回顾了作者的学习动机、选课逻辑、实战中遇到的问题及解决策略,并分享了关于复习方法、实践重要性和持续学习理念的深刻体会。通过这一过程,作者认识到:真正的技术掌握离不开扎实的基础和持续的练习,只有遵循客观学习规律,才能在AI开发道路上走得更远。
197 21
|
人工智能 JavaScript 前端开发
利用 AI 进行代码生成:GitHub Copilot 的实践与反思
【10月更文挑战第23天】本文探讨了GitHub Copilot,一个由微软和OpenAI合作推出的AI代码生成工具,其核心功能包括智能代码补全、多语言支持、上下文感知和持续学习。文章介绍了Copilot在加速开发流程、学习新语言、提高代码质量和减少重复工作等方面的应用,并反思了AI在代码生成中的代码所有权、安全性和技能发展等问题。最后,文章提供了实施Copilot的最佳实践,强调了在使用AI工具时保持对代码的控制和理解的重要性。
|
机器学习/深度学习 人工智能 异构计算
|
15天前
|
人工智能 运维 Kubernetes
Serverless 应用引擎 SAE:为传统应用托底,为 AI 创新加速
在容器技术持续演进与 AI 全面爆发的当下,企业既要稳健托管传统业务,又要高效落地 AI 创新,如何在复杂的基础设施与频繁的版本变化中保持敏捷、稳定与低成本,成了所有技术团队的共同挑战。阿里云 Serverless 应用引擎(SAE)正是为应对这一时代挑战而生的破局者,SAE 以“免运维、强稳定、极致降本”为核心,通过一站式的应用级托管能力,同时支撑传统应用与 AI 应用,让企业把更多精力投入到业务创新。
226 28
|
2月前
|
人工智能 安全 中间件
阿里云 AI 中间件重磅发布,打通 AI 应用落地“最后一公里”
9 月 26 日,2025 云栖大会 AI 中间件:AI 时代的中间件技术演进与创新实践论坛上,阿里云智能集团资深技术专家林清山发表主题演讲《未来已来:下一代 AI 中间件重磅发布,解锁 AI 应用架构新范式》,重磅发布阿里云 AI 中间件,提供面向分布式多 Agent 架构的基座,包括:AgentScope-Java(兼容 Spring AI Alibaba 生态),AI MQ(基于Apache RocketMQ 的 AI 能力升级),AI 网关 Higress,AI 注册与配置中心 Nacos,以及覆盖模型与算力的 AI 可观测体系。
639 36
|
29天前
|
消息中间件 人工智能 安全
云原生进化论:加速构建 AI 应用
本文将和大家分享过去一年在支持企业构建 AI 应用过程的一些实践和思考。
301 21
|
17天前
|
设计模式 人工智能 自然语言处理
3个月圈粉百万,这个AI应用在海外火了
不知道大家还记不记得,我之前推荐过一个叫 Agnes 的 AI 应用,也是当时在 WAIC 了解到的。
179 1
|
25天前
|
消息中间件 人工智能 安全
构建企业级 AI 应用:为什么我们需要 AI 中间件?
阿里云发布AI中间件,涵盖AgentScope-Java、AI MQ、Higress、Nacos及可观测体系,全面开源核心技术,助力企业构建分布式多Agent架构,推动AI原生应用规模化落地。
161 0
构建企业级 AI 应用:为什么我们需要 AI 中间件?
|
28天前
|
人工智能 算法 Java
Java与AI驱动区块链:构建智能合约与去中心化AI应用
区块链技术和人工智能的融合正在开创去中心化智能应用的新纪元。本文深入探讨如何使用Java构建AI驱动的区块链应用,涵盖智能合约开发、去中心化AI模型训练与推理、数据隐私保护以及通证经济激励等核心主题。我们将完整展示从区块链基础集成、智能合约编写、AI模型上链到去中心化应用(DApp)开发的全流程,为构建下一代可信、透明的智能去中心化系统提供完整技术方案。
172 3