至顶网软件频道消息: 在云计算业务销售增长的推动下,微软第四季度收入和利润均超出分析师预期,从而推动市值再创历史新高。
事实上,微软几乎所有产品都实现了强劲的增长,根据财报显示,微软在某些特定成本之前的收益为每股1.37美元,收入为337亿美元,此前华尔街预测微软每股收益为1.21美元,收入为327.7亿美元。
微软表示,按年度计算第四季度的收入增长了12%,这表明微软连续第九个季度实现了两位数的年收入增长。
微软成功的关键在于云计算业务的强劲增长,而云计算是微软首席执行官Satya Nadella自2014年担任首席执行官以来一直关注的重点。Nadella正在引导着微软的Windows操作系统软件转变为云服务,从而让客户将大部分计算工作卸载到微软的数据中心。
这一变化让微软的Intelligent Cloud业务的收入首次赶超了More Personal Computing业务。Intelligent Cloud业务包括微软的Azure公有云服务以及Windows Server、SQL Server等。More Personal Computing业务主要包括Windows、Surface、Xbox和搜索业务。
Intelligent Cloud业务的收入为113.9亿美元,高于分析师预期的110.2亿美元。微软没有透露Azure的确切收入数字,但表示,这部分收入同比增长了64%。据路透社报道,尽管这是Azure在过去四年中最低的增长率,但这个数字仍然令人印象深刻,。
不过,投资者似乎并不过分担心,因为微软股票在盘后交易中上涨了2.6%,使得微软市值自4月以来首次超过1万亿美元。微软的股价今年上涨了34%。
Moor Insights&Strategy分析师Patrick Moorhead认为,Azure经过几年的强劲增长之后,增长将会有所放缓。
Moorhead表示:“虽然Azure的增长率在下降,但微软的云业务仍然以非常健康的速度增长着。我现在并不担心Azure增长率的下降,但我会一直关注着。现在,我会把这一现象归结于大基数定律,正如我们从AWS那里看到的,随着收入基数的大幅度增加,增长率就很难保持住了。”
Moorhead提到了微软云计算业务的主要竞争对手AWS,根据研究公司Canalys的数据显示,AWS占据了云计算市场32.8%的市场份额。微软以14.6%的市场份额排名第二,谷歌以9.9%排名第三。亚马逊和谷歌母公司Alphabet将于下周公布季度财报。
不过,微软通过将针对开发者的Azure计算服务与面向最终用户的Office生产力套件等软件产品进行捆绑的战略来抗衡主要竞争对手,这一点通过本周微软签署价值20亿美元的协议为无线运营商AT&T提供云服务得到了证明。
Synergy Research分析师John Dinsdale认为,将Azure产品与传统软件相结合的策略是推动微软发展的主要因素之一。
Dinsdale表示:“微软在软件即服务市场上是非常明确的市场领导者,增长率高于整体市场增长率。软件即服务市场比云基础设施服务更为分散,但微软仍然占据全球市场份额的17%,并以每年约一个百分点的速度增长着。”
该季度微软More Personal Computing业务的收入为112.8亿美元,高于分析师预期的109.9亿美元。
微软Productivity and Businesses业务(其中包括Office、Dynamics和LinkedIn)收入为110.5亿美元,同比增长39%,高于分析师预期的107亿美元。
Constellation Research首席分析师兼副总裁Holger Mueller表示:“微软正在全力以赴,从产品整合和协同、合作伙伴关系、联盟和新客户交易中受益。”
Mueller表示很高兴看到微软上一季度加大了研发力度。他指出,微软在这方面的投资增加了约5亿美元,达到45亿美元。
“微软需要继续投资产品以保持这一势头,唯一令人担忧的是,在需要投入资本支出以加强Azure可用性区域以获得更高可靠性的时候,微软把季度利润的大部分用在了股票回购和股息上。”
微软首席财务官Amy Hood表示,微软预计第一季度收入在317亿美元至324亿美元之间,中间点刚好高出了华尔街预期的320亿美元。
好文章,需要你的鼓励
这项研究提出了ORV(占用中心机器人视频生成)框架,利用4D语义占用作为中间表示来生成高质量的机器人操作视频。与传统方法相比,ORV能提供更精确的语义和几何指导,实现更高的时间一致性和控制精度。该框架还支持多视角视频生成(ORV-MV)和模拟到真实的转换(ORV-S2R),有效弥合了虚拟与现实之间的差距。实验结果表明,ORV在多个数据集上的表现始终优于现有方法,为机器人学习和模拟提供了强大工具。
这项研究由Writer公司团队开发的"反思、重试、奖励"机制,通过强化学习教导大型语言模型生成更有效的自我反思内容。当模型回答错误时,它会生成反思并二次尝试,若成功则奖励反思过程。实验表明,该方法在函数调用和数学方程解题上带来显著提升,最高分别改善18.1%和34.7%。令人惊讶的是,经训练的小模型甚至超越了同家族10倍大的模型,且几乎不存在灾难性遗忘问题。这种自我改进技术为资源受限环境下的AI应用开辟了新方向。
FuseLIP是一项突破性研究,提出了通过早期融合离散标记实现多模态嵌入的新方法。与传统CLIP模型使用独立编码器不同,FuseLIP采用单一编码器同时处理图像和文本标记,实现了更自然的模态交互。研究证明,这种早期融合方法在多种多模态任务上表现优异,特别是在需要理解图像结构而非仅语义内容的任务上。研究还开发了创新的数据集和评估任务,为多模态嵌入研究提供了宝贵资源。
ByteDance与浙江大学合作开发的MERIT是首个专为多语言多条件语义检索设计的基准数据集,包含320,000条跨5种语言的查询和135,000个产品。研究发现现有模型在处理多条件查询时过度关注全局语义而忽略特定条件元素,为此提出CORAL框架,通过嵌入重建和对比学习相结合的方式,使检索性能提升45.9%。这项研究不仅识别了现有方法的关键局限性,还为多条件交错语义检索领域的未来研究奠定了基础。