毛利翻倍,远超此前指引!超微电脑财报后飙升近20%

华尔街见闻Опубликовано 2026-07-22Обновлено 2026-07-22

Введение

超微电脑第四财季初步业绩报告显示,公司GAAP及非GAAP毛利率预计介于15%至17%之间,几乎是此前指引区间8.2%至8.4%的两倍。公司当季新增订单总额超过600亿美元,创历史新高,锁定了庞大的未来交付管线,彰显AI需求强劲。

超微电脑(Super Micro Computer)周二(7月21日)发布第四财季初步业绩,毛利率预期大幅超越此前指引,创纪录的新订单规模进一步提振市场信心,股价盘后一度飙升逾20%。

初步业绩报告显示,截至2026年6月30日的第四财季,公司GAAP及非GAAP毛利率预计介于15%至17%之间,几乎是此前指引区间8.2%至8.4%的两倍。管理层将这一超预期表现归因于"有利的客户结构与产品组合"。与此同时,公司当季新增订单总额超过600亿美元,创历史新高,锁定了庞大的未来交付管线。

上述利好消息令市场迅速重新定价。超微电脑股价盘后涨幅一度触及21%。这一走势标志着投资者情绪的显著逆转——此前该股自6月初高点以来已近乎腰斩。公司完整的第四财季及2026财年业绩将于8月11日美股收盘后正式公布。

毛利率意外翻倍,重塑盈利叙事

毛利率表现是本次初步业绩中最受市场关注的核心指标。超微电脑此前给出的第四财季毛利率指引仅为8.2%至8.4%,而最新预估区间15%至17%意味着实际表现将远超预期,几乎翻倍。

这一改善并非一蹴而就。公司毛利率曾在2026财年第二季度触及6.3%的低谷,首席执行官Charles Liang当时将其归因于客户结构变化、关税压力以及内存等关键零部件短缺。第三季度毛利率小幅回升至9.9%,而此次第四季度的跃升则表明公司在AI服务器解决方案领域的定价能力正在增强。

在今年5月最近一次财报电话会议上,Liang曾表示,公司致力于通过优先深耕企业市场及数据中心积木式解决方案(Data Center Building Block Solutions)业务,实现可持续的两位数毛利率目标。此次初步数据显示,这一目标已提前兑现。

600亿美元创纪录订单,需求前景强劲

毛利率之外,创纪录的订单规模同样成为市场聚焦的另一重要亮点。超微电脑披露,第四财季单季新增订单超过600亿美元,刷新历史纪录,将在未来数个季度陆续交付。

这一数字直接反映出市场对超微电脑模块化数据中心解决方案的旺盛需求,也印证了AI基础设施投资热潮的持续性。公司正寻求从服务器设计与制造商向全栈数据中心解决方案提供商转型,庞大的订单积压为这一战略提供了有力支撑。

值得注意的是,公司同时预计第四财季营收将接近110亿至125亿美元指引区间的低端。然而,市场对此反应平淡——投资者显然更看重利润率的修复与前瞻性需求指标的强劲,而非短期营收的绝对规模。

此次盘后大涨,也是超微电脑在经历一系列负面事件后的阶段性情绪修复。

6月初,公司宣布计划通过股权融资筹集70亿美元以支持AI服务器订单激增,引发市场对股权稀释及过度支出的担忧,股价随之大幅下挫,自6月9日高点至今累计跌幅接近50%。此次毛利率的意外跃升与创纪录订单,为饱受压制的股价提供了实质性的反弹催化剂。

Похожее

S&P Dow Jones и Pantera выпускают криптоиндекс, биткоин оставлен за бортом из-за «отсутствия прибыли»

Стандард энд Пурс (S&P Dow Jones Indices) совместно с Pantera Capital запускает индекс S&P Pantera Digital Asset Index. Новый индекс включает 18 токенов, но исключает биткоин, XRP и мем-токены. Критерием отбора послужила «финансовая жизнеспособность», по аналогии с S&P 500: протокол должен демонстрировать положительный доход в течение нескольких кварталов и распределять стоимость среди держателей токенов. Это первое применение фундаментального подхода к оценке криптоактивов со стороны крупнейшего в мире провайдера индексов. В первую пятерку активов вошли Ethereum (ETH), BNB, Solana (SOL), TRON (TRX) и Hyperliquid (HYPE). Pantera отмечает, что совокупный годовой доход всех протоколов индекса превышает $30 млрд. Биткоин был исключен по трем причинам: он рассматривается как монетарный актив, доступный через отдельные ETF; он не генерирует доход протокола; а смешивание его в индексе с доходными активами затрудняет фундаментальный анализ для институциональных инвесторов. Пока индекс является эталонным, но Pantera ведет переговоры о создании на его основе ETF и других инвестиционных продуктов. Компания также отмечает значительный разрыв на рынке: многие институциональные инвесторы готовы к аллокации в криптоактивы, но им не хватает структурированных продуктов, фокусирующихся на активах с реальной экономической деятельностью.

marsbit5 мин. назад

S&P Dow Jones и Pantera выпускают криптоиндекс, биткоин оставлен за бортом из-за «отсутствия прибыли»

marsbit5 мин. назад

Claude представляет мощное обновление: запись экрана + голос, одним кликом дистиллируйте навык для работы за вас

Claude представил новую функцию «Record a Skill» (Записать навык) в десктопном приложении Cowork. Теперь пользователи Pro, Max и Team могут создавать автоматизированные рабочие процессы, просто записывая свои действия на экране и сопровождая их голосовыми комментариями. Система автоматически анализирует запись, извлекает логику и шаги, а затем преобразует их в готовый к использованию Skill (навык). Это устраняет необходимость вручную писать инструкции в формате Markdown, значительно снижая порог входа для нетехнических специалистов. Функция фиксирует не только явные действия, но и скрытую логику, контекст и условия, о которых пользователь рассказывает в процессе записи. Статья отмечает, что такая технология меняет подход к управлению знаниями в компаниях, облегчая документирование и передачу экспертизы. С другой стороны, упоминается случай, когда фрилансер автоматизировал свою работу для клиента с помощью Claude, что в итоге привело к прекращению сотрудничества. Это подчеркивает двойственное влияние технологии: она повышает эффективность, но одновременно снижает зависимость от конкретного исполнителя, перенося конкурентное преимущество работника в область уникальных, сложно автоматизируемых задач. Функция доступна с 21 июля для пользователей соответствующих подписок.

marsbit9 мин. назад

Claude представляет мощное обновление: запись экрана + голос, одним кликом дистиллируйте навык для работы за вас

marsbit9 мин. назад

Кормление ИИ "шумом" тоже повышает точность: это исследование позволяет шуму осуществить позитивный перенос

В статье представлен новый метод полуконтролируемого обучения под названием **Semi-Supervised Noise Adaptation (SSNA)**. Вместо использования реальных данных (например, изображений или текста) в качестве исходного домена, подход использует синтетические **шумовые векторы**, сгенерированные из простого гауссовского распределения. Эти шумовые данные не несут семантического содержания, но им присваиваются искусственные метки классов, соответствующие целевым классам. Основная идея заключается в том, чтобы обучить модель формировать **дискриминативную классовую структуру** в общем пространстве представлений сначала на шумовых данных, а затем адаптировать (выровнять) эту структуру к данным целевого домена с помощью небольшого количества размеченных примеров. Для этого используется **Noise Adaptation Framework (NAF)**, который минимизирует три компонента потерь: классификацию на размеченных целевых данных, классификацию на шумовых данных и расстояние между распределениями шумового и целевого доменов. Эксперименты на наборах данных CIFAR-10, CIFAR-100, DTD-47 и других показали значительное улучшение точности по сравнению с базовым методом ERM при использовании всего 4 размеченных примера на класс. Например, на CIFAR-10 точность выросла на 12.35%. Метод также совместим с существующими полуконтролируемыми алгоритмами (UDA, FixMatch), дополнительно улучшая их результаты. Ключевой вывод исследования: для положительного переноса знаний в задачах трансферного обучения **не обязательно наличие семантически богатых исходных данных**. Достаточно сформировать в пространстве признаков четкую, разделимую классовую структуру, даже на искусственном шуме, и успешно перенести её на реальные данные. Это открывает новые возможности для сценариев, где доступ к реальным исходным данным ограничен из-за проблем конфиденциальности, авторских прав или их отсутствия.

marsbit10 мин. назад

Кормление ИИ "шумом" тоже повышает точность: это исследование позволяет шуму осуществить позитивный перенос

marsbit10 мин. назад

Телесуфлёр из Белого дома "для внутреннего пользования" заработал на инсайдерской информации более $100 000

Белый дом раскрыл дело о внутренней торговле: помощник по суфлеру, работавший на Дональда Трампа, использовал инсайдерскую информацию для ставок на рынках предсказаний и заработал более 100 000 долларов. Габриэль Перес, помощник президента и технический советник, отвечавший за работу суфлера Трампа с 2016 года, имел доступ к черновикам речей до их публичного произнесения. Используя эти знания, он делал ставки на платформе Kalshi, предсказывая, какие конкретные слова или фразы упомянет Трамп в своих выступлениях. За три месяца, делая ставки на более чем десяток речей, включая обращение о положении страны, Перес получил прибыль в размере шестизначной суммы. Его деятельность была выявлена системами мониторинга Kalshi, которая заблокировала его средства и передала дело в Комиссию по торговле товарными фьючерсами (CFTC). В отличие от предыдущих аналогичных случаев с военным и инженером Google, против Переса не были выдвинуты уголовные обвинения. Согласно сообщениям, CFTC договорилась о урегулировании, по которому он вернет прибыль и прекратит такую деятельность. Трамп, назвав его действия «предосудительными», отстранил Переса от работы без сохранения зарплаты. Этот инцидент подчеркивает уязвимость рынков предсказаний, особенно категорий «упоминаний», для манипуляций со стороны инсайдеров. Ранее были случаи, когда сами ораторы (например, генеральный директор Coinbase) намеренно упоминали ключевые слова, чтобы повлиять на результаты рынка. В ответ Kalshi ужесточила правила, требуя от пользователей раскрывать место работы. Эксперты отмечают, что очистка рынков от инсайдерской торговли повышает соответствие нормам, но может отдалить их от идеи «мудрости толпы», приблизив к чистому азарту.

marsbit1 ч. назад

Телесуфлёр из Белого дома "для внутреннего пользования" заработал на инсайдерской информации более $100 000

marsbit1 ч. назад

«Домашний» оператор суфлёра Белого дома заработал более $100 тыс. на инсайдерских прогнозах

Недавно в Белом доме США произошел очередной скандал, связанный с инсайдерской торговлей. Габриэль Перес, сотрудник Белого дома, отвечавший за работу суфлера во время выступлений Дональда Трампа, использовал служебную информацию для получения прибыли на рынках предсказаний. Перес, который с 2016 года был одним из ближайших помощников Трампа и имел доступ к его подготовленным речам, в течение примерно трех месяцев делал ставки на то, какие конкретные слова или фразы президент упомянет в своих выступлениях. За это время ему удалось заработать более 100 тысяч долларов. Его деятельность была выявлена платформой предсказаний Kalshi, которая заблокировала его средства и передала информацию Комиссии по торговле товарными фьючерсами (CFTC). В результате Перес был отстранен от работы без сохранения зарплаты. Однако, в отличие от предыдущих аналогичных случаев со спецназовцем и инженером Google, против Переса не были выдвинуты уголовные обвинения. По данным источников, CFTC договорилась о мировом соглашении, согласно которому он должен вернуть прибыль и прекратить подобную деятельность. Этот инцидент высветил уязвимость рынков предсказаний, особенно категорий, связанных с упоминанием определенных слов («mention markets»), перед манипуляциями со стороны инсайдеров или самих ораторов. Ранее подобные манипуляции демонстрировали ведущий церемонии «Грэмми» и CEO Coinbase. В ответ платформы ужесточают контроль: Kalshi теперь требует от пользователей раскрывать место работы. Скандал с Пересом рассматривается как часть общего процесса очистки рынков предсказаний от инсайдерской торговли.

Odaily星球日报1 ч. назад

«Домашний» оператор суфлёра Белого дома заработал более $100 тыс. на инсайдерских прогнозах

Odaily星球日报1 ч. назад

Торговля

Спот
活动图片