微软今天公布了第三季度财报,几乎所有产品线的收入都超出预期水平。不仅如此,微软还公布了看涨的预期,助其股票在盘后交易上涨约5%。
该季度微软的收入同比增长18%,达到493.6亿美元,超出分析师预期的490亿美元。收益为167.3亿美元,即每股2.22美元,超出预期的2.19美元,同比增长9%。其中,Office 365产品套件近十年来首次提价,是推动销售的一大因素。
尤其值得注意的是微软云业务的增长,商业预订增长了28%,Microsoft Cloud收入为234亿美元,同比增长32%。Intelligent Cloud收入增长26%,达到191亿美元,超出华尔街预期的189亿美元,其中服务器产品和云服务收入在Azure的推动下增长32%,其他云服务收入增长49%。
微软公司首席执行官Satya Nadella表示:“过去两年已经证明,每个企业组织都需要一个数字框架,将整个组织从前端董事会连接到客户和合作伙伴,没有哪家公司比微软更能满足这一需求。”
Nadella表示,他看到客户并没有任何削减IT预算的迹象,并预测说,到本世纪末技术支出占国内生产总值的百分比将翻一番。
云支出略有放缓
不过微软也提醒说,云收入可能会从高速增长转为放缓,但是在Azure的推动下,Intelligent Cloud部门在第四财季的收入仍预期在211亿美元至213.5亿美元之间。
Forrester Research副总裁、研究主管Glenn O'Donnell说:“云业务继续像杂草一样迅猛增长,很难理解一家规模2万亿美元的企业,是如何能够保持这样的增长速度,而微软做到了。”
Pund-IT首席分析师Charles King指出,微软被普遍认为是云计算领域第二大厂商,但其总体业务远大于任何竞争对手。微软商用云收入为236亿美元,“远高于AWS最近一个季度的177亿美元,但是AWS的增幅为40%,高于微软。”
因为AWS主要还是一家基础设施厂商,而微软将云应用业务纳入了整个云的收入版图中。King说:“微软还将Office 365 Commercial、LinkedIn Commercial和Dynamics 365纳入了商用云业务中。微软和Amazon的服务产品存在巨大差异,这一点表明,‘云计算’的传统定义局限性越来越明显。”
Office业绩强劲
该季度微软的Productivity and Business Processes业务线收入同比增长了17%,达到158亿美元,其中增幅最高的是Office 365 Commercial,按照固定汇率达到了20%。尽管Office已经是一款成熟的产品,但Nadella表示,在疫情期间Office的“使用率一直在增长”。
LinkedIn在企业强劲的招聘需求带动下,收入增长了35%。Dynamics产品和云服务收入增长了25%,其中Dynamics 365增长38%。
More Personal Computing业务收入增长了11%,达到145亿美元,其中Windows OEM收入增长了11%,这主要得益于个人电脑市场的持续强劲——尽管与疫情相关的PC销售高峰现在已经结束。
此外,微软对第四季度和全年的乐观预期,助推了股价的上涨。微软表示,尽管Office 365收入略有放缓,但预计Productivity and Business Processes部门收入预计在166.5亿美元至169亿美元之间。More Personal Computing部门收入预计在146.5亿美元至149.5亿美元之间。
微软公司首席财务官Amy Hood表示:“我们预计2022财年第四季度的表现将与全年保持一致,实现强劲的增长,收入份额和营业利润率都将有所增长。”她补充说,微软管理层有信心“将继续推动运营和收入保持健康的两位数增长。”
好文章,需要你的鼓励
AWS通过升级SageMaker机器学习平台来扩展市场地位,新增观测能力、连接式编码环境和GPU集群性能管理功能。面对谷歌和微软的激烈竞争,AWS专注于为企业提供AI基础设施支撑。SageMaker新功能包括深入洞察模型性能下降原因、为开发者提供更多计算资源控制权,以及支持本地IDE连接部署。这些更新主要源于客户需求,旨在解决AI模型开发中的实际问题。
南洋理工大学研究团队开发了WorldMem框架,首次让AI拥有真正的长期记忆能力,解决了虚拟世界模拟中的一致性问题。该系统通过记忆银行存储历史场景,并使用智能检索机制,让AI能准确重现之前的场景和事件,即使间隔很长时间。实验显示在Minecraft和真实场景中都表现出色,为游戏、自动驾驶、机器人等领域带来广阔应用前景。
AI虽具备变革企业洞察力的潜力,但成功依赖于数据质量。大多数AI项目失败源于数据混乱分散而非算法局限。谷歌BigQuery云数据AI平台打破数据孤岛,简化治理,加速企业AI应用。通过AI自动化数据处理,实现实时分析,并与Vertex AI深度集成,使企业能够高效处理结构化和非结构化数据,将智能商业转型从愿景变为现实。
MTS AI研究团队提出RewardRanker系统,通过重排序模型和迭代自训练显著提升AI代码生成质量。该方法让13.4B参数模型超越33B大模型,在多种编程语言上表现优异,甚至在C++上超越GPT-4。通过引入困难负样本和PPO优化,系统能从多个代码候选中选出最优方案,为AI编程助手的实用化奠定基础。