希捷科技公司日前发布了2016年7月1日结束的2016财年及其第四财季的财务报告。公司第四财季收入为27亿美元,毛利率24.9%,净利润7000万美元,每股摊薄收益0.23美元。根据非公认会计准则(non-GAAP),不包含某些项目的影响,希捷的毛利率为25.8%,净利润2.07亿美元,每股摊薄收益0.69美元。
第四财季中,希捷营业现金流为2.69亿美元,支付现金股息1.88亿美元。
2016年7月1日结束的2016财年,公司收入为112亿美元,毛利率23.4%,净利润2.48亿美元,每股摊薄收益0.82美元。根据非公认会计准则(non-GAAP),希捷的毛利率为24.6%,净利润6.84亿美元,每股摊薄收益2.26美元。
2016财年,希捷营业现金流约为17亿美元,支付现金股息7.27亿美元。截止本财年末,公司现金、现金等价物、限定用途现金和短期投资的资金总额约为11亿美元,公司发行了2.99亿股普通股。
希捷科技公司董事长兼首席执行官Steve Luczo表示:“存储行业正在不断进行技术转型,对于我们运营业绩的回升以及有效的财务管理措施,我感到非常高兴。目前,新兴技术以及云基础设施的布局产生了庞大的数据,并且对高容量存储的需求急剧提升,由此我相信我们会实现长远的稳定发展和引人瞩目的业绩。希捷拥有业界领先的存储技术、产品、技术规划以及卓越的运营,为我们长期的成功并实现股东的利益提供了强有力的支持。”
季度现金股息
董事会批准的季度现金股息为每股0.63美元,并将于2016年10月5日支付给2016年9月21日交易收盘时登记的所有股东。未来的季度股息支付将由公司董事会根据希捷的财务状况、运营业绩、可用现金、现金流、资本需求以及其它董事会认定的相关因素决定。
好文章,需要你的鼓励
本文介绍了由南方科技大学等机构于2026年4月发表的研究(arXiv:2604.08865),提出了名为SPPO的大模型推理训练新方法。该方法将推理任务重新建模为"序列级情境赌博机",用一个轻量级价值模型预测题目难度,以单次采样替代GRPO的多次采样,解决了标准PPO的"尾部效应"问题。实验显示,SPPO在数学基准测试上超越GRPO,训练速度提升约5.9倍,配合小尺寸价值模型还能显著降低显存占用。
这项由香港科技大学数学系完成的研究(arXiv:2604.10465,2026年ICLR博客论文赛道)提出了一种从朗之万动力学视角理解扩散模型的统一框架。研究指出,扩散模型的前向加噪和逆向去噪过程,本质上是朗之万动力学这一"分布恒等操作"被拆成了两半。在这个视角下,VP、VE-Karras和Flow Matching等不同参数化的模型可被精确互译,SDE与ODE版本可被统一解释,扩散模型相对VAE的理论优势得以阐明,Flow Matching与得分匹配的等价性也得到了严格论证。
中国人民大学高岭人工智能学院等机构联合开发了AiScientist系统,旨在让AI自主完成机器学习研究的完整工程流程,包括读论文、搭环境、写代码、跑实验和迭代调试,全程无需人工干预。系统核心设计是"薄控制、厚状态":由轻量指挥官协调专业代理团队,通过"文件即通道"机制将所有中间成果持久化存储,使每轮工作都能建立在前一轮积累的基础上。在PaperBench和MLE-Bench Lite两个基准上,系统表现显著优于现有最强对比系统,论文发布于2026年4月。
这项由字节跳动发布的研究(arXiv:2604.13030)提出了生成式精化网络(GRN),一套模仿人类画家"边画边改"直觉的视觉生成新框架。其核心包括两项创新:层级二进制量化(HBQ)通过多轮二分逼近实现近乎无损的离散图像编码,以及全局精化机制允许模型在每一步对整张图像的所有位置重新预测并随时纠错,从根本上解决了自回归模型的误差积累问题。配合基于熵值的自适应步数调度,GRN在ImageNet图像重建(rFID 0.56)和生成(gFID 1.81)上均创下新纪录,并在文本生成图像和视频任务上以20亿参数达到同等规模方法的领先水平。