就在微软距离成为第二家市值达到2万亿美元公司只有一步之遥的那天,公布了轻松超出分析师预期的第三季度财报。不过微软股价在盘后交易中下跌了2%多,因为一个月前微软股价上涨13%之后投资者们已经有所获利。
该季度微软在6.2亿美元净所得税收益的推动下,利润同比增长了39%,达到154.6亿美元,合每股1.95美元。即使没有这笔意外之财,微软仍然会超过华尔街每股1.78美元的预期。该季度微软的收入增长了19%,达到417亿美元,超出了普遍预期的410.4亿美元。营业收入增长了31%,达到170亿美元。
Pund-IT分析师Charles King认为盘后抛售只是暂时的。他说:“鉴于微软该季度表现出自身的整体实力,获利回吐似乎是最可能的原因。过去六个月中微软股票上涨了50%多,过去三年创下新高。”
Moor Insights&Strategy分析师Patrick Moorhead表示认同。他说:“微软这个季度无论是在优势领域还是在疫情期间,表现都达到了预期水平。”
从整体业务来看,表现是很强劲的:
按固定汇率计算,微软的Productivity and Business Processes部门收入增长了12%,达到136亿美元,其中Office Commercial产品和云服务子部门增长了2%,Microsoft 365 Consumer订阅量突破了5000万大关。以固定汇率计算,LinkedIn收入增长了23%。在Dynamics 365收入增长40%的带动下,Dynamics产品和云服务增长了22%。
Intelligent Cloud segment部门收入增长了20%,达到151亿美元,超过了上一季度的指引水平。服务器产品和云服务部门增长了23%,这主要得益于Azure云业务增长了46%。
More Personal Computing部门收入增长了16%,达到130亿美元,Windows OEM收入增长了10%,搜索广告销售额增长了41%。
Forrester首席分析师Andrew H. Bartels表示:“各个部门的收入增长都非常强劲,而且许多方面都是从之前一直延续下来的。”尽管所有业务板块的规模越来越大,但是微软每个季度都表现出出色的一致性。”
Bartels说,这一点在Microsoft 365这样的成熟市场中尤为明显,“我们认为,这个市场可能已经达到饱和,因此微软能够继续保持这样的增长速度的确令人惊讶。”国际销售的突出表现可能是原因之一,但即便如此,成熟经济体的渗透率仍然很高。“任何想要一台PC的人都可能已经拥有了一台。任何想要Office的人都可能已经拥有了。但是微软的确找到了实现增长的办法。”
微软首席执行官Satya Nadella表示,微软继续着受疫情加速的数字化转型项目。他在声明中称,“数字化普及曲线并没有放缓,而是正在加速,并且这仅仅是个开始。” Microsoft Cloud(包括各种云交付软件)业务该季度贡献了177亿美元,比去年同期增长了33%。
CCS Insight企业研究负责人Nick McQuire认为:“目前,微软不同产品组合之间不断增强的飞轮效应,使其相比其他任何一家科技公司来说有更大的受益。这种广泛而集成的产品组合,在提高客户价值及竞争优势方面尤其有用,这也是微软过去一年中仍然是帮助企业转型的主要力量之一的原因。”
Nadella在分析师的电话会上表示,客户越来越多地购买围绕Azure云展开的各种产品和服务,“我们看到我们可以以更具战略性的方式,将整个云的力量整合在一起”。
微软的运营杠杆继续净收入大幅增长中发挥作用,增幅达到38%,是收入增幅的2倍。Dynamics 365增长40%,Dynamics产品和云服务增长22%,这表明微软在关键任务应用市场中取得了一定程度上的成功。但是Forrester的Bartels认为,SAP和Oracle无需担心,Dynamics的收入还不到微软季度收入的2%。
另外一个微软预计能够长期提升销售收入的领域是医疗行业,这也是微软促使收购Nuance的主要原因。
Nadella说:“我们认为医疗是一个重要机遇,是一个巨大的潜在市场。我们一直以平台和生态系统的方法进入一个行业,Nuance已经通过与生态系统深入合作使提供商受益而做到了这一点。这也让我们可以更快地将其与Teams(微软的协作和会议平台)进行整合。”
好文章,需要你的鼓励
这项研究由浙江大学、复旦大学等机构联合完成,提出了ReVisual-R1模型,通过创新的三阶段训练方法显著提升了多模态大语言模型的推理能力。研究发现优化的纯文本冷启动训练、解决强化学习中的梯度停滞问题、以及分阶段训练策略是关键因素。ReVisual-R1在各类推理基准测试中超越了现有开源模型,甚至在某些任务上超过了商业模型,为多模态推理研究开辟了新途径。
这项研究提出了一种名为"批评式微调"的创新方法,证明仅使用一个问题的批评数据就能显著提升大语言模型的推理能力。研究团队对Qwen和Llama系列模型进行实验,发现这种方法在数学和逻辑推理任务上都取得了显著提升,平均提高15-16个百分点,而且只需要强化学习方法1/20的计算资源。这种简单高效的方法为释放预训练模型的潜在推理能力提供了新途径。
新加坡国立大学研究团队开发了名为IEAP的图像编辑框架,它通过将复杂编辑指令分解为简单原子操作序列解决了当前AI图像编辑的核心难题。研究发现当前模型在处理不改变图像布局的简单编辑时表现出色,但在需要改变图像结构时效果差。IEAP框架定义了五种基本操作,并利用思维链推理技术智能分解用户指令,实验证明其性能显著超越现有方法,尤其在处理复杂多步骤编辑时。
Character AI的研究者开发出TalkingMachines系统,通过自回归扩散模型实现实时音频驱动视频生成。研究将预训练视频模型转变为能进行FaceTime风格对话的虚拟形象系统。核心创新包括:将18B参数的图像到视频DiT模型改造为音频驱动系统、通过蒸馏实现无错误累积的无限长视频生成、优化工程设计降低延迟。系统可让多种风格的虚拟角色与人进行自然对话,嘴型与语音同步,为实时数字人交互技术开辟了新可能。