微软公布第二季度财报,其结果略低于分析师的收入预期,导致股票在周三盘后交易中出现下跌。
微软将收入不足归咎于与英特尔等合作伙伴出现的计算机芯片供应问题,这意味着微软最大的业务即个人计算部门出现了不足。
第二季度财报显示,在某些成本如股票报酬之前的收益为每股1.10美元,收入为324.7亿美元,比去年同期增长12%。此前华尔街预期每股收益为1.09美元,营收为325.1亿美元。
收入未达到分析师预期使得微软股票在盘后交易中的跌幅超过3%。
投资者的反应让微软该季度的一些突出表现黯然失色:该季度微软的生产力和业务流程部门实现了101亿美元的收入,同比增长13%,高于分析师预期的100.9亿美元。
与此同时,作为微软最重要的智能云部门(包括Azure、Dynamics 365和Office 365等云服务)实现了94亿美元的收入,同比增长20%,高于分析师预期的92.8亿美元。
微软Office 365消费者订阅方面也有积极表现,这部分业务的客户量增长至3330万,高于上一季度的3250万。
微软首席执行官Satya Nadella在声明中表示:“商业云的业务结果反映了我们与零售、金融服务和医疗在内的各行业领先企业之间深厚且不断增长的合作关系。”
正如预期的那样,微软没有提供Azure的确切收入数据,但微软表示,该部门的收入同比增长了76%。KeyBanc Capital Markets分析师Brent Bracelin表示,他预计该季度Azure的收入为28.5亿美元。相比之下,市场预计微软竞争对手AWS收入为73亿美元。
微软另一个重要的云计算竞争对手阿里巴巴(Alibaba Group Holding Ltd.)今天公布,该季度阿里云的收入为9.62亿美元,占其总收入170.5亿美元的6%。
微软的云增长表明,不管是通过Azure交付的计算力还是通过Office 365交付的应用,微软正在成为该行业中的“主导者”,工作流自动化和智能流程自动化公司Nintex Global首席布道师Ryan Duguid这样说道。
Duguid说:“更重要的是,微软已经发展到一种更开放的模式,这意味着微软未来的成功不依赖于你所使用的设备,而是因为你每天使用的工具都是由微软提供的,或者是运行在微软的数据中心里。”
微软云计算的成功让个人计算部门业绩不佳影响降至最低,后者该季度的收入为130亿美元,低于华尔街预期的130.7亿美元,同比下降了5%。
在与分析师的电话会议上,微软首席财务官Amy Hood将其归因于PC合作伙伴的供应问题,并警告说这些问题可能延续到下一季度。她表示,由于芯片供应有限,微软预计未来还将“持续给市场带来影响”,也可能影响Office 365消费者收入的增长。
Constellation Research分析师Holger Mueller表示,微软正试图通过新服务和新产品(包括新的Surface设备)来弥补PC销售和Windows特许权使用费的削减,并且该策略目前效果良好。
Mueller说:“企业希望微软在2019年进行新的创新,微软必须做到这一点。下一站可能是MWC大会上推出新版本的HoloLens。”
Surface收入确实是该季度的亮点,这部分业务增长至18.6亿美元,比去年同期增长39%。微软去年年底推出了几款新的Surface产品,包括Surface Go、Surface Laptop 2和Surface Pro 6。Surface仍然只是微软业务的一小部分,但增长速度超过了大多数业务。
数字转型机构SPR的微软和云解决方案副总裁Mark Sami表示,投资者们可能会对收入未达到预期做出过度反应。
Sami说:“很多微软用户将不得不升级他们的Windows 7环境,Windows将在今年之后失去支持。因为微软提供了新的许可打包方式,所以这将会推动该细分业务的大部分收入,可能提高生产力云数量。”
Moor Insights&Strategy分析师Patrick Moorhead同样对微软Surface销售的影响以及云业务的持续增长持乐观态度。
他说:“我对微软的表现很满意,因为微软在未来几个关键领域都实现了增长,”这里他指的是Azure、Dynamics 365和Surface。“这些领域是微软未来的关键。很明显,很多客户都全部押注微软来帮助企业进行数字转型之旅。看来,Surface比许多人所知道的更具战略性。”
好文章,需要你的鼓励
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。