微软近日发布第二季度财报,收益和收入均超出预期,使其股价从早盘的跌势中恢复过来,涨幅近3%。
该季度微软的净利润为188亿美元,比去年同期增长21%,达到每股2.48美元。总收入同比增长20%,达到517亿美元,这一强劲表现超出了此前华尔街预预期的每股收益2.31美元,和收入509亿美元。
微软公司董事长兼首席执行官Satya Nadella表示,科技占全球国内生产总值的百分比正在持续上升,这一事实正在让微软受益。他说:“我们正在通过构建一个通用的基础技术堆栈,和一种强化了通用战略、文化和使命感的运营模式,在多元化和不断发展的市场中进行创新和投入。”
微软股价在财报发布之的数分钟之后首次出现下滑,投资者可能对微软云业务没有取得更好的表现而感到不安。微软表示,智能云部门(包括Azure公有云、GitHub和Windows Server等产品)的收入为183.3亿美元,略高于华尔街此前普遍预期的183亿美元,增幅为25.5%。
不过微软表示,“Azure和其他云服务”收入增长了46%,这要高于整体细分市场,但低于此前增幅普遍超过50%的四个季度。
Forrester分析师Lee Sustar认为,微软在云领域的热度已经有所降温,投资者应该会注意到这一点。他推测,这可能是由于企业在疫情推动的增长之后云服务支出开始出现放缓,或者一些企业同时采用了其他云厂商,从而部署真正的多云战略。
“尽管如此,46%的增长率表明IT基础设施的大客户——无论是公共领域还是私营领域——都在IT支出方面采取了云优先的策略,微软将继续从中受益。”
其他方面,“More Personal Computing”业务继续稳定增长,该业务包括来自Windows、设备销售、广告和游戏的收入,销售额为174.7亿美元,增长15.5%,高于市场普遍预期的165.6亿美元。
微软表示,该季度Windows许可销售额增长了25%,在Gartner报告的PC出货量下滑5%的情况下,这似乎是一个不错的表现。
微软Xbox硬件收入小幅增长4%,目前游戏业务占到了微软总收入的11%多,这也说明了为什么微软如此热衷于斥资687亿美元收购游戏制造商动视暴雪公司,这也是微软有史以来最大规模的一笔交易。
Nadella在与分析师的电话会议上表示,收购动视暴雪公司将有助于让消费者可以随时随地玩游戏。他说,这笔交易将有效地“塑造游戏的未来”,但他没有就此详细说明。
Constellation Research分析师Holger Mueller认为,收购动视暴雪公司表明了微软正在制定下一个重要的增长战略。他说:“目前微软状况良好,所有关键绩效指标均增长超过20%,而几年前投资者们还无法想象微软能在2020年之后有这样的表现。”
微软的另一个关键部门Productivity and Business Processes(其中包括Office、Dynamics和LinkedIn)收入同比增长了19%,达到159.4亿美元,略高于分析师预测的水平。
Pund-IT分析师Charles King表示,在通胀趋势和供应链困境持续的情况下,微软股价波动可能是美国和全球金融市场更广泛衰退的结果。
“微软收入环比下滑和Azure云服务的增长可能会被忽略掉。尽管存在这些问题和挑战,但微软在众多商业和消费市场的领导地位及其整体财务实力,让微软具备了比许多同行更为坚实的基础,这将有助于微软在市场恢复平衡之前保持自己的立足点。”
这个季度微软颇为忙碌,除了动视暴雪公司之外,微软还推出了Windows 10的下一代——Windows 11,并达成协议收购AT&T的广告技术业务Xandr。
展望未来,微软预计第三季度收入在485亿美元至493亿美元之间,这与华尔街预期的482.3亿美元形成鲜明对比。
好文章,需要你的鼓励
从浙江安吉的桌椅,到广东佛山的沙发床垫、河南洛阳的钢制家具,再到福建福州的竹藤制品,中国各大高度专业化的家具产业带,都在不约而同地探索各自的数字化出海路径。
哥伦比亚大学研究团队开发了MathBode动态诊断工具,通过让数学题参数按正弦波变化来测试AI的动态推理能力。研究发现传统静态测试掩盖了AI的重要缺陷:几乎所有模型都表现出低通滤波特征和相位滞后现象,即在处理快速变化时会出现失真和延迟。该方法覆盖五个数学家族的测试,为AI模型选择和部署提供了新的评估维度。
研究人员正探索AI能否预测昏迷患者的医疗意愿,帮助医生做出生死决策。华盛顿大学研究员Ahmad正推进首个AI代理人试点项目,通过分析患者医疗数据预测其偏好。虽然准确率可达三分之二,但专家担心AI无法捕捉患者价值观的复杂性和动态变化。医生强调AI只能作为辅助工具,不应替代人类代理人,因为生死决策依赖具体情境且充满伦理挑战。
这项研究首次发现AI推理模型存在"雪球效应"问题——推理过程中的小错误会逐步放大,导致AI要么给出危险回答,要么过度拒绝正常请求。研究团队提出AdvChain方法,通过训练AI学习"错误-纠正"过程来获得自我纠错能力。实验显示该方法显著提升了AI的安全性和实用性,用1000个样本达到了传统方法15000个样本的效果,为AI安全训练开辟了新方向。