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
微软近年来频繁出现技术故障和服务中断,从Windows更新删除用户文件到Azure云服务因配置错误而崩溃,质量控制问题愈发突出。2014年公司大幅裁减测试团队后,采用敏捷开发模式替代传统测试方法,但结果并不理想。虽然Windows生态系统庞大复杂,某些问题在所难免,但Azure作为微软核心云服务,反复因配置变更导致客户服务中断,已不仅仅是质量控制问题,更是对公司技术能力的质疑。
Meta研究团队发现仅仅改变AI示例间的分隔符号就能导致模型性能产生高达45%的巨大差异,甚至可以操纵AI排行榜排名。这个看似微不足道的格式选择问题普遍存在于所有主流AI模型中,包括最先进的GPT-4o,揭示了当前AI评测体系的根本性缺陷。研究提出通过明确说明分隔符类型等方法可以部分缓解这一问题。
当团队准备部署大语言模型时,面临开源与闭源的选择。专家讨论显示,美国在开源AI领域相对落后,而中国有更多开源模型。开源系统建立在信任基础上,需要开放数据、模型架构和参数。然而,即使是被称为"开源"的DeepSeek也并非完全开源。企业客户往往倾向于闭源系统,但开源权重模型仍能提供基础设施选择自由。AI主权成为国家安全考量,各国希望控制本地化AI发展命运。
香港中文大学研究团队开发出CALM训练框架和STORM模型,通过轻量化干预方式让40亿参数小模型在优化建模任务上达到6710亿参数大模型的性能。该方法保护模型原生推理能力,仅修改2.6%内容就实现显著提升,为AI优化建模应用大幅降低了技术门槛和成本。