微软在调低了第二季度收入和利润预期之后,结果季度收入首次突破400亿美元,利润高达150亿美元,使得微软股价在盘后交易中飙升了近5%。该季度微软的云计算和PC板块增长最为显著,疫情推动市场需求激增,并且没有减弱的迹象。
假期结束之后的这个季度通常会迎来一个销售额的高峰,该季度也是如此,销售额增长了17%,达到431亿美元,利润增长34%,达到每股2.03美元。此前分析师预期的销售额为402亿美元,合每股收益1.64美元。过去十年间微软的股价一直徘徊在每股20至40美元之间,自2016年以来增长了4倍多,过去12个月中上涨了41%,今天达到创纪录的232.33美元。
Pund-IT首席分析师Charles King表示:“如果这是在微软调低了预期的情况下可以做到的成果,那么真难想象在繁荣时期微软的表现会有多么惊人。”在如此庞大的收入规模基础上,微软的增长率令人印象深刻,特别与之形成鲜明对比的是,疫情期间为节省开支,运营费用仅增长了3%。
微软首席执行官Satya Nadella表示:“这场疫情所带来的结构性变化是,数字技术已经成为核心业务保持连续性和满足新客户期望的关键。我们将从中受益,在接下来的十年中,这一点尤为重要。”
值得注意的是,以固定汇率计算微软Azure云收入增长了48%,前两个季度分别是48%和47%。而微软竞争对手AWS最近一个季度报告的增长率为29%(AWS的基数更大),说明微软正在不断强调AWS的市场份额。
AWS的替代选择
Forrester首席分析师Andrew Bartels表示:“微软一定程度上已经成为AWS的首选替代选择。”他说,AWS的战略是“不惜一切代价实现增长,这意味着他们不像Azure那样用户友好,因此Azure被视为一个威胁较小的对手。”
Nadella表示,微软通过“在堆栈每一层的集成、行业解决方案实现价值序所需时间、价格差异、成本优势和客户敏捷性,让Azure变得与众不同,这就是你能看到围绕Azure的加速发展。我们看到,所有组成部分都是融合在一起的。”
按照以往的风格,微软会很谨慎地发布下个季度的指引。微软首席财务官Amy Hood表示,第三季度将继续保持第二季度的势头。她说,生产力和业务流程收入预计在133.5亿美元至136亿美元之间,智能云业务销售额预计在147亿美元至149.5亿美元之间。她说:“凭借强劲的表现,我们预计将再实现全年收入和收益两位数的增长。”
该季度微软投入了54亿美元来支持云产品的增长,其中42亿美元用于资产和设备。该季度Azure推动服务器产品和云服务部门的收入增长了24%。
商业云收入比去年同期增长了34%,达到167亿美元。服务器产品和云服务的销售额按固定汇率计算增长了24%,Azure云收入增长了48%。
与竞争对手不同,微软没有公布Azure基础设施即服务的收入数据。智能云部门的收入增长了22%,达到146亿美元,超过了分析师预期的137.7亿美元。
在家办公推动PC销售增长让微软继续从中受益。微软的更多个人计算部门增长了13%,达到151.2亿美元,超过了预期的134.7亿美元。
生产力和业务服务部门(包括Office套件)以固定汇率计算增长了11%,达到133.5亿美元,其中Office 365商业收入增长了20%,Dynamics ERP和CRM应用增长了18%。
该季度微软的自由现金流增加了17%,达到83亿美元,这为微软提供了一个极佳的杠杆,为投资和收购提供资金。
弱点很少
你很难在微软该季度的财报中发现任何薄弱环节。如果Office的表现下滑,微软依靠其云应用的销售来推动云基础设施的交叉销售可能是一个漏洞,但是King指出,Office没有遇到特别强劲的竞争对手。他说:“在这一点上,谷歌是该领域最主要的一个选择。而且微软还通过Teams应用和服务在人们转向在线通信的趋势中受益。”
Forrester的Bartel表示,微软令人有些失望的是Windows商业OEM收入,仅增长了1%。以固定汇率计算,微软Surface系列PC和平板电脑也仅增长了1%。他说:“Surface对标的是iPad,后者的表现要比Surface好得多。”
他指出,微软“比苹果更深度地探索企业领域”,并且正在收缩对消费级市场的热情,考虑到目前两家公司都在他们的市场中占据主导位置,所以这不会是一个糟糕的策略。
好文章,需要你的鼓励
英特尔携手戴尔以及零克云,通过打造“工作站-AI PC-云端”的协同生态,大幅缩短AI部署流程,助力企业快速实现从想法验证到规模化落地。
意大利ISTI研究院推出Patch-ioner零样本图像描述框架,突破传统局限实现任意区域精确描述。系统将图像拆分为小块,通过智能组合生成从单块到整图的统一描述,无需区域标注数据。创新引入轨迹描述任务,用户可用鼠标画线获得对应区域描述。在四大评测任务中全面超越现有方法,为人机交互开辟新模式。
阿联酋阿布扎比人工智能大学发布全新PAN世界模型,超越传统大语言模型局限。该模型具备通用性、交互性和长期一致性,能深度理解几何和物理规律,通过"物理推理"学习真实世界材料行为。PAN采用生成潜在预测架构,可模拟数千个因果一致步骤,支持分支操作模拟多种可能未来。预计12月初公开发布,有望为机器人、自动驾驶等领域提供低成本合成数据生成。
MIT研究团队发现,AI系统无需严格配对的多模态数据也能显著提升性能。他们开发的UML框架通过参数共享让AI从图像、文本、音频等不同类型数据中学习,即使这些数据间没有直接对应关系。实验显示这种方法在图像分类、音频识别等任务上都超越了单模态系统,并能自发发展出跨模态理解能力,为未来AI应用开辟了新路径。