在各大超大规模云计算服务商都在竞相打造最大、最好的模型或模型集合,以赢得 AI 竞赛并成为商业级模型领域的 Microsoft 或 Red Hat 的同时,AI 硬件的采购和 AI 模型架构的突破并不能完全反映企业对 AI 的实际采用情况,即使这些云服务商已经吸引了大量企业在其平台上进行尝试。
如果要测试大型企业对 AI 的采用程度,Cisco Systems 可能是最好的参照。全球有超过 90,000 家企业使用其统一计算系统 (UCS) 融合服务器-交换机产品,同时 Cisco 在数据中心交换和路由市场仍占主导地位。如果 Cisco 能从 AI 系统中获得收益,就说明 AI 已经进入主流市场。
这一点并不适用于 Dell、Hewlett Packard Enterprise 或联想等公司,尽管它们在传统 HPC 仿真和建模领域的计算、存储和网络设备销售方面都有稳固的业务。Supermicro 已成为超大规模和云服务商 AI 系统的主要供应商之一,但在企业市场的份额相对较小(不过正在增长)。
因此,我们密切关注 Cisco,以观察企业计算的转型以及在其庞大的、以 UCS 设备为核心业务应用的客户群中 AI 的采用情况。
到目前为止,我们对 Cisco 将 AI 融入其产品的方式印象深刻,其收购 Splunk 的举措也有助于保存和分析海量遥测数据,这些数据可用于 IT 系统管理的 AI 系统以及商业应用。但与数据中心领域的竞争对手相比,我们尚未看到 AI 系统订单的显著增长。
在 Cisco 2025 财年第二季度(截至 1 月 25 日)财报电话会议上,首席执行官 Chuck Robbins 和首席财务官 Scott Herren 重申,Cisco 在 2024 财年(截至 2024 年 7 月)获得了 10 亿美元的 AI 相关订单,并有望在 2025 财年突破 10 亿美元订单。
我们认为 Robbins 和 Herren 低估了 2025 年的 AI 订单预测——这种情况在其他谨慎的 IT 供应商中也很常见。(例如,AMD 最初预计 2024 日历年 GPU 销售额将超过 20 亿美元,后来多次上调至 45 亿美元,最终在去年年底超过 50 亿美元。)我们认为订单增长率在 2024 财年加速。在 2025 财年,Cisco 更明确地表示,第一季度订单为 3.47 亿美元,第二季度为 3.55 亿美元,Robbins 进一步表示,本财年约一半的收入来自商用芯片(我们认为主要是 Silicon One 交换芯片)和系统。我们还认为,其中很大一部分来自电信和服务提供商,他们正在建设网络和基础设施,为添加 AI 增强的应用和服务做准备。
这让我们看到了预测保守的一面。2025 财年迄今为止,AI 订单已超过 7 亿美元,这意味着剩余两个季度只能分配 3 亿美元。我们认为这个数字不会下降,实际上很可能会继续增长。根据我们当前的 AI 订单模型趋势,我们预计 Cisco 的 AI 相关收入可能在 16-17 亿美元之间。(这仅指 AI 系统组件,不包括 Cisco 也在销售的 AI 驱动的软件和工具。)
如果 Cisco 能为其 GPU 加速系统注入 UCS 特色(去年 6 月发布并已开始出货的 Nexus HyperFabric AI 集群就是数据中心规模的 UCS),并在客户添加 AI 功能时保持他们继续使用 UCS,那么我们认为 Cisco 完全有可能使其系统收入翻倍,并看到其 Silicon One ASIC 和基于该芯片的交换机获得更大的市场份额。当然,这需要时间,就像积累 90,000 个 UCS 客户花了十五年一样。
实际上,这将随着 AI 重点从训练转向推理而发生。Robbins 在电话会议上表示,AI 推理的机会比世界已经看到的 AI 训练"高出一个数量级"。
在此期间,Cisco 必须继续销售现有产品。
在 1 月季度,Cisco 的收入为 139.9 亿美元,同比增长 9.4%,环比增长 1.1%。然而,由于成本增长快于销售额,季度净利润下降 7.8% 至 24.3 亿美元。(利息支出也大幅增加。)
Cisco 季末的债务为 168.5 亿美元,同比下降 34.4%,环比下降 9.7%。Cisco 有 114.1 亿美元的短期债务和 196.3 亿美元的长期债务,这些债务由现金和 118 亿美元的递延收入所抵消。
本季度,服务业务相对稳定,如上图所示,增长 5.6% 至 37.6 亿美元。产品销售(对 Cisco 来说仍主要是交易性质的)增长 10.9% 至 102.3 亿美元。
Cisco 的网络产品近年来一直在消化巨大的积压订单,如上图所示,这个积压泡沫现已消失,Cisco 正回归到每季度略低于 70 亿美元的网络销售稳定状态。
具体来说,该公司的交换和路由产品在第二财季的销售额合计为 68.5 亿美元,同比下降 3.3%,但环比略有增长。服务器销售也计入这个网络业务组。
我们有一个追溯到 2009 财年大衰退时期的模型,那时第一代"加利福尼亚"UCS 融合服务器-交换机系统推出,给所有数据中心的传统服务器制造商带来了巨大冲击。从那时起,我们一直在试图计算 Cisco 每季度"真实"的数据中心系统业务收入流。这是我们的最佳估计。
如果用积压订单泡沫填补新冠疫情期间的积压空缺,这确实是一个非常稳定的业务。
好文章,需要你的鼓励
AI数据训练师负责确保AI模型训练数据的准确性和可行性,是薪酬丰厚的热门职业。两项新研究显示,该职位年收入在6.5万至18万美元之间,专业领域专家薪酬更高。这一角色已从简单的数据标记发展为高度专业化的认知工作,需要细致的推理能力、深厚的专业知识和多语言能力。随着生成式AI工具兴起,行业正从普通工作者转向专业领域专家,计算机科学学位非必需,但数据标注经验有帮助。
斯坦福大学研究团队开发的Dream2Flow系统通过让机器人观看AI生成的演示视频来学习操作技能。系统提取视频中物体的3D运动轨迹作为指导,让机器人能够零样本完成多种日常任务,包括移动物品、开关门窗等操作,在真实环境测试中取得了最高80%的成功率。
Rust资深开发者Steve Klabnik在AI助手Claude的帮助下设计了新的系统编程语言Rue。该语言旨在提供无垃圾回收的内存安全保障,同时比Rust和Zig提供更高级的易用性。Klabnik表示,通过与Claude合作,两周内完成了7万行Rust代码,远超此前独自开发的进度。Claude参与了大部分代码编写工作,而Klabnik负责方向指导和设计决策,展现了AI在编程语言开发中的巨大潜力。
Amazon和UCLA团队开发的SPARK框架实现了AI训练的重大突破,让人工智能系统能够在完全没有标准答案的情况下进行学习和改进。通过创新的三阶段设计和多方验证机制,该系统在数学推理测试中的表现超越了传统方法和GPT-4o,为AI在创意、科研、商业等缺乏标准答案的复杂领域的应用开辟了新路径。