至顶网软件频道消息:
微软第一季度业绩表现强劲,该公司的商业云——现在包括了LinkedIn的企业销售额——继续保持增长势头,达到了年化营收340亿美元的水平。
微软报告的第一季度的净收入为88亿美元,即每股1.14美元,营业收入为291亿美元,比去年同期增长了19%。
华尔街此前对微软第一季度的业绩预期是每股盈利96美分,营业收入为279亿美元。
微软的核心业务表现良好。生产力和商业流程业务的营业收入为98亿美元,同比增长了19%。Office商业产品和云服务收入飙升了16%,Office 365营业收入增长了36%。消费者Office 365在本季度结束时拥有3250万订阅用户。
Dynamics产品和云服务收入增长了20%,LinkedIn的销售额比一年前增长了33%。
智能云的收入为86亿美元,比一年前的服务器产品和服务增长了24%。Azure收入增长了76%。Azure在第一季度增长了76%,低于第四季度的89%和第三季度的93%的增长率。
More Personal Computing部门的销售额达到了107亿美元,增长了15%。这要归功于商业销售、游戏收入和Surface销售增长了14%。同样值得注意的是,微软的Windows收入在企业方面表现良好,但在消费者方面就没有这么强劲了。Surface第一季度收入为11.8亿美元,与第四季度基本持平。
按产品计算,微软大多数的产品类别的收入增长率都达到两位数。
说到这一结果,很少有分析师认为微软这个季度会出现真正的问题。华尔街预计云业务增长强劲而且会有多个升级周期。同时,分析师们对微软的Microsoft 365持乐观态度。
Stifel的分析师Brad Reback表示:
我们希望能够听到更多关于Microsoft 365的信息,这是一款结合了Office 365、Windows 10和Enterprise Mobility & Security的新的SKU,特别是考虑到微软今年早些时候宣布对研发部门进行重组,将Windows和Office相关的研发整合到一个部门之中。回想一下,在18财年的第四季度,微软曾透露M365是一项价值数十亿美元的业务。
云计算领域的竞争
鉴于微软的商业云收入达到了每年230亿美元,一些分析师认为该公司最终会在未来三年达到年收入350亿美元。包括LinkedIn的商业业务在内,微软2018财年的商业云销售额为266亿美元。
LinkedIn的商业业务包括商业订阅、LinkedIn Recruiter和Sales Navigator等产品。 LinkedIn推出了Talent Insights,可用于人力资源分析,人才规划。
尽管亚马逊网络服务仍然是公共云业务方面无可置疑的领导者,但是Wedbush的分析师Daniel Ives认为,由于微软在混合云市场中的地位及其对小型企业的吸引力,该公司最终可能会胜出。
Ives写道:
尽管大量的用户向云计算的转变已经变成了“双雄逐鹿”的游戏——在亚马逊AWS和微软MSFT之间进行选择,但是我们也看到这个领域出现了明显的转折点,越来越多的企业和政府机构转向了微软支持的混合云架构,这是由一家主要的合作伙伴在中小企业领域推动的。我们相信向云计算的转变是一个重要的长期趋势,而且会对微软有莫大的好处。
他补充表示,微软可以将Azure与Office 365、Dynamics和其他服务结合起来,创建对企业具有吸引力的捆绑产品包。
合作伙伴网络——微软夸耀自己拥有超过70,000个云合作伙伴——是一个有趣的主题,因为它凸显出这家软件巨头拥有非常好的基础,可以用来吸引客户。这个合作伙伴网络是微软多年来通过Windows的优势和商品建立起来的,吸引了很多比较小的公司。
AWS通过与VMware的合作解决了混合战略问题。此外,AWS渠道战略也在不断发展,但很难说微软的合作伙伴网络更加成熟。
总而言之,因为微软和亚马逊网络服务(AWS)这两家公司都有独特之处,所以直接将两者进行对比是比较困难的。加上谷歌的话,这三大公共云供应商之间彼此呼应,但是难以直接对比。
好文章,需要你的鼓励
这项研究由浙江大学、复旦大学等机构联合完成,提出了ReVisual-R1模型,通过创新的三阶段训练方法显著提升了多模态大语言模型的推理能力。研究发现优化的纯文本冷启动训练、解决强化学习中的梯度停滞问题、以及分阶段训练策略是关键因素。ReVisual-R1在各类推理基准测试中超越了现有开源模型,甚至在某些任务上超过了商业模型,为多模态推理研究开辟了新途径。
这项研究提出了一种名为"批评式微调"的创新方法,证明仅使用一个问题的批评数据就能显著提升大语言模型的推理能力。研究团队对Qwen和Llama系列模型进行实验,发现这种方法在数学和逻辑推理任务上都取得了显著提升,平均提高15-16个百分点,而且只需要强化学习方法1/20的计算资源。这种简单高效的方法为释放预训练模型的潜在推理能力提供了新途径。
新加坡国立大学研究团队开发了名为IEAP的图像编辑框架,它通过将复杂编辑指令分解为简单原子操作序列解决了当前AI图像编辑的核心难题。研究发现当前模型在处理不改变图像布局的简单编辑时表现出色,但在需要改变图像结构时效果差。IEAP框架定义了五种基本操作,并利用思维链推理技术智能分解用户指令,实验证明其性能显著超越现有方法,尤其在处理复杂多步骤编辑时。
Character AI的研究者开发出TalkingMachines系统,通过自回归扩散模型实现实时音频驱动视频生成。研究将预训练视频模型转变为能进行FaceTime风格对话的虚拟形象系统。核心创新包括:将18B参数的图像到视频DiT模型改造为音频驱动系统、通过蒸馏实现无错误累积的无限长视频生成、优化工程设计降低延迟。系统可让多种风格的虚拟角色与人进行自然对话,嘴型与语音同步,为实时数字人交互技术开辟了新可能。