至顶网软件与服务频道消息:微软今天公布了表现抢眼的第四季度财报,业绩轻松超出市场预期,微软云业务也再次显示出强劲的增长态势。
不过,微软公布的当前季度指引低于预期,使得微软股价在盘后交易中下跌了2%多。
该季度微软稀释后的每股收益为1.46美元,收入为380亿美元,较去年同期增长13%,此前华尔街预期的每股盈利为1.37美元,收入为365亿美元。
微软在整个2020财年的净收入为443亿美元,合每股收益5.76美元,收入为1430亿美元,同比增长14%。
第四季度市场对微软云服务需求强劲,分析师将此归因于疫情迫使人们继续在家办公的趋势,从而推动了微软三大业务收入的增长,包括智能云业务、生产力和业务流程业务。
微软首席执行官Satya Nadella在一份声明中表示:“过去五个月已经清楚地表明,技术强度是业务弹性的关键。那些具备数字化能力的企业,复苏速度更快,并且在这场危机之中表现得更为强大。我们是唯一一家拥有集成现代化技术堆栈、基于云和AI、以安全性和合规性为基础的厂商,致力于帮助所有企业组织进行转型,并重构他们满足客户需求的方式。”
微软的Intelligent Cloud智能云业务(包括Azure公有云服务、GitHub、Windows Server、SQL Server和企业服务)的收入为133.7亿美元,同比增长了17%,但是Azure的收入增幅从上一季度的59%放缓至47%。
Moor Insights&Strategy分析师Patrick Moorhead认为,微软该季度业绩超出预期主要是受益于企业、政府和学校为持续应对疫情所采取的措施。
Moorhead说:“这不是随意的业务支出,而是必需的支出,是和工作、管理和学习息息相关的,是为了更好应对疫情的。”因此,他认为不必担心Azure的收入增幅略有降低。“我不担心Azure增幅的降低,因为收入基数是在增长的,但是我们也需要密切关注。”
Nucleus Research分析师Daniel Elman认为,未来几个季度Azreu的收入增长可能会再次加速。
他说:“考虑到疫情和远程办公已经促使企业组织大幅加快了数字化转型进程,所以这么说是有道理的。市场对云服务的需求仍然很高,所以微软云业务的增长可能会进一步加快,尤其是那些拥有集成的、现代化的、弹性技术堆栈的企业,能够在任何经济困难时期或者未来潜在危机中以最快的速度复苏,这一点正在变得越来越明显。”
微软的生产力和业务流程业务(包括Office、Dynamics和LinkedIn)的收入为117.5亿美元,比去年同期增长6%。其中,LinkedIn收入增长了10%,这是自2016年微软收购LinkedIn以来的最低增速。
LinkedIn是因新冠病毒爆发而受到冲击的少数几个微软业务之一,已经宣布近期裁员960人,因为企业对于LinkedIn招聘解决方案的需求有所降低。
Elman说:“随着客户继续缩减数字广告上的支出,LinkedIn的收入也可能会继续下滑。不过,由于LinkedIn在市场中占据主导地位,所以倒也不至于寸步难行。”
此外,微软的More Personal Computing业务(包括Windows、搜索、Surface和Xbox)的收入同比增长14%至129.1亿美元。其中,Xbox内容和服务收入增长了65%,微软首席财务官Amy Hood称这主要归因于疫情让在家玩视频游戏的人增多,从而让互动水平创下新高。微软的Surface也表现强劲,收入同比增长了28%。
Moorhead表示:“Surface是微软的一大亮点,正如我上个季度所说,微软需要的只是增长的动力,第四季度就实现了。”
Elman认为,尽管近年来硬件已经不再是微软战略重点,但疫情让人们被迫留在家中,需求出现了回升。
他说:“如果人们要不是长时间在家办公的话,就不会想使用笔记本电脑或平板电脑。他们想要更高的计算能力和性能、多显示器和其他技术,让在家办公更像是自己所熟悉的工作场所。”
展望未来,微软预期第一季度收入为356.1亿美元,增长8%,但这略低于华尔街359.1亿美元的收入预期。
好文章,需要你的鼓励
韩国科学技术院研究团队提出"分叉-合并解码"方法,无需额外训练即可改善音视频大语言模型的多模态理解能力。通过先独立处理音频和视频(分叉阶段),再融合结果(合并阶段),该方法有效缓解了模型过度依赖单一模态的问题,在AVQA、MUSIC-AVQA和AVHBench三个基准测试中均取得显著性能提升,特别是在需要平衡音视频理解的任务上表现突出。
这项研究利用大语言模型解决科学新颖性检测难题,南洋理工大学团队创新性地构建了闭合领域数据集并提出知识蒸馏框架,训练轻量级检索器捕捉想法层面相似性而非表面文本相似性。实验表明,该方法在市场营销和NLP领域显著优于现有技术,为加速科学创新提供了有力工具。
un?CLIP是一项创新研究,通过巧妙反转unCLIP生成模型来增强CLIP的视觉细节捕捉能力。中国科学院研究团队发现,虽然CLIP在全局图像理解方面表现出色,但在捕捉细节时存在不足。他们的方法利用unCLIP生成模型的视觉细节表示能力,同时保持与CLIP原始文本编码器的语义对齐。实验结果表明,un?CLIP在MMVP-VLM基准、开放词汇语义分割和视觉中心的多模态任务上显著优于原始CLIP和现有改进方法,为视觉-语言模型的发展提供了新思路。
这项研究介绍了RPEval,一个专为评估大语言模型角色扮演能力而设计的新基准。研究团队从法国里尔大学开发的这一工具专注于四个关键维度:情感理解、决策制定、道德对齐和角色一致性,通过单轮交互实现全自动评估。研究结果显示Gemini-1.5-Pro在总体表现上领先,而GPT-4o虽在决策方面表现出色,但在角色一致性上存在明显不足。这一基准为研究人员提供了一个可靠、可重复的方法来评估和改进大语言模型的角色扮演能力。