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
谷歌地图将集成Gemini人工智能技术,旨在将其升级为一个"全知型副驾驶"助手。这一整合将大幅提升地图服务的智能化水平,为用户提供更加个性化和全面的导航体验。通过AI技术的加持,谷歌地图有望在路线规划、地点推荐和实时信息服务等方面实现重大突破。
这项由圣母大学和IBM研究院联合开展的研究,开发出了名为DeepEvolve的AI科学助手系统,能够像人类科学家一样进行深度文献研究并将创新想法转化为可执行的算法程序。该系统突破了传统AI要么只能改进算法但缺乏创新、要么只能提出想法但无法实现的局限,在化学、生物学、数学等九个科学领域的测试中都实现了显著的算法性能提升,为AI辅助科学发现开辟了新的道路。
微软研究人员发布新的仿真环境来测试AI智能体,研究显示当前智能体模型容易受到操纵。该名为"Magentic Marketplace"的合成平台让客户智能体与商家智能体进行交互实验。测试包括GPT-4o、GPT-5和Gemini-2.5-Flash等模型,发现智能体在面临过多选择时效率下降,且在协作方面表现不佳。研究揭示了AI智能体在无监督环境下的性能问题。
卡内基梅隆大学研究团队通过3331次大规模实验,系统揭示了代码训练如何提升AI推理能力。研究发现,代码的结构特性比语义内容更重要,适当的抽象形式(如伪代码)可以达到与原始代码相同的效果。不同编程语言产生差异化影响:低抽象语言有利于数学推理,Python更适合自然语言任务。这些发现为AI训练数据的科学化设计提供了重要指导。