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
OpenAI首席执行官Sam Altman表示,鉴于投资者的AI炒作和大量资本支出,我们目前正处于AI泡沫中。他承认投资者对AI过度兴奋,但仍认为AI是长期以来最重要的技术。ChatGPT目前拥有7亿周活跃用户,是全球第五大网站。由于服务器容量不足,OpenAI无法发布已开发的更好模型,计划在不久的将来投资万亿美元建设数据中心。
阿里巴巴团队提出FantasyTalking2,通过创新的多专家协作框架TLPO解决音频驱动人像动画中动作自然度、唇同步和视觉质量的优化冲突问题。该方法构建智能评委Talking-Critic和41万样本数据集,训练三个专业模块分别优化不同维度,再通过时间步-层级自适应融合实现协调。实验显示全面超越现有技术,用户评价提升超12%。
英伟达推出新的小型语言模型Nemotron-Nano-9B-v2,拥有90亿参数,在同类基准测试中表现最佳。该模型采用Mamba-Transformer混合架构,支持多语言处理和代码生成,可在单个A10 GPU上运行。独特的可切换推理功能允许用户通过控制令牌开启或关闭AI推理过程,并可管理推理预算以平衡准确性和延迟。模型基于合成数据集训练,采用企业友好的开源许可协议,支持商业化使用。
UC Berkeley团队提出XQUANT技术,通过存储输入激活X而非传统KV缓存来突破AI推理的内存瓶颈。该方法能将内存使用量减少至1/7.7,升级版XQUANT-CL更可实现12.5倍节省,同时几乎不影响模型性能。研究针对现代AI模型特点进行优化,为在有限硬件资源下运行更强大AI模型提供了新思路。