ZD至顶网软件频道消息: Alexander J Martin分析亚马逊的云服务AWS已经取代了Oracle和VMware成了微软的主要竞争对手,Windows巨头的首席执行官萨提亚.纳德拉如是说。
在讨论该公司2017财年第二季度财报的分析师电话会议中,微软的高官们表示,他们的利润足以抵御AWS和其他的云计算竞争对手。
纳德拉表示:“即使在客户端-服务器时代,我们也面临着激烈的竞争。我们要面对Oracle,我们要面对VMware,我们还有很多其他的竞争对手,我在竞争中成长。”
“我们现在要面对AWS,我认为这将是一个可靠的竞争对手。所以我认为,正如我所说的,我们有一个云战略,不仅仅是基础设施,而是真正的SaaS和基础设施。我们将从独特的角度思考我们可以做什么才能与众不同,并且在这种情况下增加客户在云中的数字资产的价值。我们的市场份额只能通过激烈的竞争从这里获得,我们必须要考虑差异化。”
在微软的差异化举措中,它致力于让客户与渠道合作伙伴进行合作。
纳德拉将此描述为微软“在前线销售中提供了更多的技术深度”,因为这是该公司在PC方面最大的客户来源。现在其最大的客户是根据“使用的云计算量”排名的。
所谓的“智能云”业务部门的销售额为69亿美元,占2017年第二季度241亿美元总收入的28%。在业绩声明中,微软称云业务实现了增长,Azure收入增长了93%,而Office 365的收入增长了47%。
受Windows Server 2016和SQL Server 2016的发布推动,微软的内部部署的服务器和工具业务增长了5%。在财报电话会议中,微软首席财务官Amy Hood表示,“客户——甚至是我们的交易客户对于安全性和管理价值以及我们今年的SQL和Windows Server 2016版本姿态的天然混合属性的反应让我们倍受鼓舞。”
交易收入—— 一次性采购而不是合同支付的销售额预计将在下季度下降,然而,宣布的价格上涨推动了第二季度的快速采购,虽然Hood声称“本季度交易业绩的最大推动力是人们看到的价值支撑。”
据Hood表示,商用云服务有望继续推动增长。该公司预计商业未实现收入为202亿美元到204亿美元,符合“历史性季节因素”。她表示,“我们继续预期,由于宏观经济条件和向云端转移的趋势,我们的交易业务会出现一些波动。”
盈利情况电话会议
Hood表示,“当我思考我们在Azure中看到的毛利率的实质性改善时,它继续沿着我们已经讨论的路径前进,你会继续看到客户一如既往地要求我们帮助他们管理数字资产,安全地通过一个界面,你实际上会看到云的所有组件实现增长。”
Hood说,“它有利于利润,不仅仅是在Azure,而是实际上会影响整个云业务”,她指出商业云收入毛利率同比增长:“即使在一年中Azure大规模增长,[利润增加]肯定意味着我们预期的改善。
Hood承认,时代正在变化,由于Windows Server 2003服务协议的数量的减少,微软的企业服务收入持续下降。但这被 “Azure毛利率的实质性改善”所抵消,这就是这家公司与竞争对手不同的地方。
她表示,“当我们在思考和谈论我们的云产品的时候,确实包含了所有的组件。”她说,“从IaaS层到平台层再到SaaS层。你会听到我们谈论Dynamics 365、Office 365,以及我们的Azure核心和高级服务。”
好文章,需要你的鼓励
两家公司在OverdriveAI峰会上分享了AI应用经验。Verizon拥有超过1000个AI模型,用于预测客户呼叫原因和提供个性化服务,将AI推向边缘计算。Collectors则利用AI识别收藏品真伪,将每张卡片的鉴定时间从7分钟缩短至7秒,估值从8.5亿美元增长至43亿美元。
阿布扎比科技创新研究院团队首次发现大语言模型生成的JavaScript代码具有独特"指纹"特征,开发出能够准确识别代码AI来源的系统。研究创建了包含25万代码样本的大规模数据集,涵盖20个不同AI模型,识别准确率在5类任务中达到95.8%,即使代码经过混淆处理仍保持85%以上准确率,为网络安全、教育评估和软件取证提供重要技术支持。
Hammerspace发布v5.2数据平台软件,通过更快的元数据读取、更好的数据放置和扩展性优化提升AI数据访问性能。新版本IO500总分提升33.7%,总带宽翻倍,IOR-Hard-Read测试提升超800%。增加了Tier 0亲和性功能,支持GPU服务器本地存储访问,减少集群内网络流量。新增Oracle云支持、Kerberos认证和标签化NFS,提供更细粒度的访问控制。该软件将于12月正式发布。
斯坦福大学研究团队首次系统比较了人类与AI在文本理解任务中的表现。通过HUME评估框架测试16个任务发现:人类平均77.6%,最佳AI为80.1%,排名第4。人类在非英语文化理解任务中显著优于AI,而AI在信息处理任务中更出色。研究揭示了当前AI评估体系的缺陷,指出AI的高分往往出现在任务标准模糊的情况下。