至顶网软件频道消息:对于我们记者来说,财报电话会议通常都是令人沮丧的,因为不允许我们向企业高管提出问题。我们——好吧,也许只是我自己——每个季度在看网络广播的财报会议时,都会对着电脑大喊大叫,我们希望分析师们能询问一些关于产品和战略的问题,但是他们从来都不让我们如意。
微软2018财年第二季度财报电话会议于1月31日召开,情况略微有点糟糕。在会议最后的问答环节,分析师们询问了Cortana的未来,并且问到了微软打算利用新税法进行大并购的传闻。
分析人士也询问了商业企业预订的低迷状况,但是他们并没有问及商业云环比增长率乏力的问题,这是我在ZDNet的同事Larry Dignan在查看昨天的数据时注意到的。
微软不再用年化运营收入来谈论“商业云”;该公司现在为这个业务类别提供了实际的季度数字和毛利率百分比。在第二季度,商业云收入为53亿美元,高于2018财年第一季度的50亿美元,毛利率达到了55%,低于2018财年第一季度的57%。
总体而言,微软第二季度非GAAP收益为75亿美元,折合每股96美分,营收收入为289亿美元,同比增长12%。由于税收方面的调整导致了138亿美元的支出,所以季度业绩状况为每股净亏损82美分。
在昨天的财报电话会议上,没有人问到微软的Surface业务,尽管该业务去年推出了三款新产品(Surface Laptop、Surface Pro和Surface Book 2),但是同比只增长了一个百分点。
首席财务官艾米.胡德(Amy Hood)也许想要谈论一下这个问题,她主动指出:“随着新的Surface Pro、Book和Laptop,Surface的不断推出,Surface业务从同比看应该是在增长的,但是由于节日的季节性因素,出现了环比下降。”
在Cortana和家庭自动化方面,微软首席执行官萨提亚.纳德拉(Satya Nadella)表示,微软认为在这个领域的投资不仅仅是一个音箱里的智能代理。
纳德拉(Nadella)表示:“现在大多数助理在进行单回合对话方面还相当愚蠢,但我们要做的是多回合对话,这需要对自然语言的真正理解。”
他重申,微软在这个领域人工智能的重点是在Azure上运行的认知服务(Cognitive Services),Cortana的角色将是“作为微软的代理,具有一些特殊的技能,尤其是在工作和生活之间交叉的地方。”
一些人非常好奇微软对Cortana和Alexa说好要进行的整合保持沉默是否意味着微软和亚马逊在去年宣布的这笔交易已经告吹,看起来对这个疑问的答案是否定的。纳德拉(Nadella)表示微软正在同Alexa合作,并且重申微软正在努力让Alexa出现在Windows设备上——这是一件好事,因为很多原始设备制造商(OEM)已经达成共识,由亚马逊开发的、针对PC的Alexa应用程序应该很快就会出现。
至于分析师们问到的可能存在的“大宗战略交易”(EA/Valve/PUBG、咳咳、咳咳),胡德(Hood)表示微软在过去没有等待税改就进行了重大的收购。
她补充表示:“我当然很高兴,能够更容易地获取现金,而不用通过债务市场才能够做出这些选择。无论是否投资于我们自身,你看到的这个季度的收入是增长了,无论像LinkedIn这样的收购的表现是否好过我们的预期。”
一些人对于微软可能会成为一个大型的游戏工作室的说法嗤之以鼻,对于这些人来说,纳德拉(Nadella)在昨天电话会议上的一句评论值得被记住:“游戏也是Azure增长的领域。换句话说,我们过去的服务现在已经增长了,我们打算加强Azure上的这些服务,以吸引更多的游戏开发商。”
对于微软来说,这一切又都回到了云上。
好文章,需要你的鼓励
字节跳动智能创作实验室发布革命性AI视频数据集Phantom-Data,解决视频生成中的"复制粘贴"问题。该数据集包含100万个跨场景身份一致配对,通过三阶段构建流程实现主体检测、多元化检索和身份验证,显著提升文本遵循能力和视频质量。
这是一项关于计算机视觉技术突破的研究,由多家知名院校联合完成。研究团队开发了LINO-UniPS系统,能让计算机像人眼一样从不同光照下的照片中准确识别物体真实的表面细节,解决了传统方法只能在特定光照条件下工作的局限性,为虚拟现实、文物保护、工业检测等领域带来重要应用前景。
被盗凭证导致80%的企业数据泄露。随着AI智能体投入生产,管理10万员工的企业将需要处理超过100万个身份。传统身份访问管理架构无法应对智能体AI的大规模部署。领先厂商正采用蓝牙低功耗技术替代硬件令牌,实现基于距离的身份验证。行为分析可实时捕获被入侵的智能体,零信任架构扩展至智能体部署。这代表了自云计算普及以来最重要的安全变革。
这篇文章介绍了北京人工智能研究院开发的OmniGen2模型,一个能够同时处理文字转图像、图像编辑和情境生成的全能AI系统。该模型采用双轨制架构,分别处理文本和图像任务,并具备独特的自我反思机制,能够自动检查和改进生成结果。研究团队还开发了专门的数据构建流程和OmniContext评测基准,展现了开源模型的强大潜力。