IBM近日发布了第二季度财报,收入同比增长3%,证明了公司正在重回增长轨道。
该季度在经过汇率波动和剥离业务调整之后,IBM的收入为187.5亿美元,实际上是持平的,但仍远高于分析师预期的182.9亿美元。
调整后收益较上年同期增长7%,至每股2.33美元,略高于分析师预期的每股2.31美元,这也是IBM连续第二个季度实现收入增长,而且最近IBM一直处于供不应求的状态。第一季度之前,IBM已经连续四个季度且过去34个季度中有30个季度都在收入下滑。
该季度IBM的云计算和认知软件部门(包括Red Hat公司)收入增长了6%,达到61亿美元,远高于分析师预期的59.3亿美元。本月早些时候,IBM总裁、前Red Hat首席执行官Jim Whitehurst出人意料地宣布离职之后,该部门可能在未来几个季度会接受大量审查。IBM表示,Red Hat收入经调整之后增长为17%。
混合云战略见效
IBM公司首席执行官Arvind Krishna表示,IBM专注于引领混合云市场,这一战略得到了Red Hat的一臂之力正在取得成效。“混合云不仅仅是一种策略,这也是我们客户正在面对的现实。”Krishna说,目前有超过2300家客户正在使用IBM混合云平台,这是收购Red Hat时的4倍。他还特别强调了Cloud Paks智能软件包业务取得的成功。
CCS Insight软件开发研究总监Bola Rotibi表示:“Cloud Paks确实表现不错”,尤其是在帮助客户应对复杂的云迁移和现代化挑战方面。
Pund-IT首席分析师Charles King表示:“IBM在整个曲线中远远领跑,且领先于云竞争对手,因为IBM已经意识到企业对于采用单一的公有云平台并不感兴趣。IBM专注于支持混合多云部署,以及借助开源工具实现现代化,定位为在混合云领域一个值得信赖的领导者。”
IBM多位高管重申了下半年公司将实现中个位数增长的指引,这似乎是在安抚那些过去几年一直倍感失望的投资者。Robiti表示:“说实话,我今天从他们那里听到的很多事情和第一季度是一样的,没有什么新鲜的。”
IBM股价在盘后交易中上涨近3%。在今年Standard & Poors 500指数上涨15%的情况下,IBM的股票也未能展现出太大的吸引力,股价要低于2018年10月收购Red Hat时的股价。
IBM备受关注的云收入业务同比增长了13%,达到70亿美元。经调整后,云和认知软件业务收入增长了25%,全球商业服务云增长了30%。Krisha表示,Red Hat和安全业务的贡献不断增加,但“中个位数增长”会被消交易处理软件的持续下滑锁抵消。
押注服务业务
IBM GBS全球商业服务收入增长超过10%,达到43亿美元。IBM首席财务官James Kavanaugh表示,该季度新服务签约规模为92亿美元。“GBS业务展现出非常强劲的势头。该季度签约方面表现强劲,过去12个月我们的订单出货比率为1.2,我们在所有子细分市场的签约量都实现了约两位数的增长。”
Rotibi说,IBM在服务业务上投入巨资,不仅是为了帮助那些苦于管理多云复杂性的企业客户,而且帮助他们跨平台集成应用。“这是IBM发展历史上一直表现强大的方面,他们投资GBS以获得立即见效的增长,因为客户是需要帮助的。”
IBM的系统业务收入为17亿美元,低于去年同期的18.5亿美元,但符合分析师的预期水平。大型机产品线将于明年更新,应该会对系统业务收入有所提振。
Kavanaugh表示,客户对订阅定价模式的需求不断增长,这给IBM的软件许可收入模式造成了一定阻碍,但同时却有助于推动软件递延收入增长到10亿多美元。IBM正在积极投资于“技能、实践交付和市场资源”,在这些领域的员工人数增加了10%多。因此,下一季度的人工费用仍将高于以往。
IBM的GTS全球技术服务部门将在年底前分拆为一家名为Kyndryl的独立公司,目前该业务收入持平,为63亿美元。Kavanaugh表示,分拆计划正在快速进行中。“我们正在持续构建管理系统和支持结构,并在执行必要的财务、法律和监管里程碑、成功实现分拆方面取得稳步的进展。”
King认为,“剥离GTS的托管基础设施等低增长业务板块,既可以提高利润率,也可以促进业务增长。IBM似乎有望通过Kyndryl分拆获得他们预期的好处。”
好文章,需要你的鼓励
多伦多大学研究团队提出Squeeze3D压缩框架,巧妙利用3D生成模型的隐含压缩能力,通过训练映射网络桥接编码器与生成器的潜在空间,实现了极致的3D数据压缩。该技术对纹理网格、点云和辐射场分别达到2187倍、55倍和619倍的压缩比,同时保持高视觉质量,且无需针对特定对象训练网络,为3D内容传输和存储提供了革命性解决方案。
浙江大学与腾讯联合研究团队提出MoA异构适配器混合方法,通过整合不同类型的参数高效微调技术,解决了传统同质化专家混合方法中的表征坍塌和负载不均衡问题。该方法在数学和常识推理任务上显著优于现有方法,同时大幅降低训练参数和计算成本,为大模型高效微调提供了新的技术路径。
耶鲁、哥大等四校联合研发的RKEFino1模型,通过在Fino1基础上注入XBRL、CDM、MOF三大监管框架知识,显著提升了AI在数字监管报告任务中的表现。该模型在知识问答准确率提升超过一倍,数学推理能力从56.87%提升至70.69%,并在新颖的数值实体识别任务中展现良好潜力,为金融AI合规应用开辟新路径。
加州大学圣巴巴拉分校研究团队开发出能够自我进化的AI智能体,通过《卡坦岛拓荒者》桌游测试,这些AI能在游戏过程中自主修改策略和代码。实验显示,具备自我进化能力的AI显著超越静态版本,其中Claude 3.7模型性能提升达95%。研究验证了AI从被动工具向主动伙伴转变的可能性,为复杂决策场景中的AI应用开辟新路径。