IBM今天发布超出盈利预期的第二季度财报,但是股东们并不为此所动,IBM股价在盘后交易中下跌超过4%。
按固定汇率计算,该季度IBM收入增长16%,达到155.4亿美元,在对托管基础设施服务业务Kyndryl Holdings的剥离进行调整之后,IBM该季度相比去年同期的142.2亿美元增长了9%。净收入同比增长了45%,达到25亿美元,每股摊薄收益为2.31美元,同比增长43%。
此前分析师们预计的调整后每股收益为2.26美元,收入为150.8亿美元。
鉴于此前IBM将预期指引调高至高个位数增长,因此看到这一强劲的财报数字并不令人感到意外,而且没有明确的原因导致IBM股价下跌,可能原因是该季度软件、咨询和基础设施业务的毛利率略有下降,而且与去年同期相比,该季度的自由现金流也略有减少,尽管今年前六个月一直在显着上升。
今天有报道称苹果公司正在考虑放缓招聘,这导致今天整体市场小幅下跌,这也有可能在延长交易时段影响到IBM等其他科技股。
兑现承诺
总体来看IBM兑现了此前的承诺,在Red Hat业务增长17%的支持下,IBM混合平台和解决方案业务增长了9%。混合云收入增长19%,达到217亿美元。交易处理业务销售额增长19%,混合云软件部分收入增长18%。
软件业务收入按固定汇率计算增长11.6%,达到62亿美元,这主要得益于面向Kyndryl的销售额增长了7%。按固定汇率计算,咨询业务收入增长近18%,达到48亿美元,而基础设施收入增长超过25%,达到42亿美元,这主要得益于IBM z Systems新系列大型机的发布,使得收入增长了69%。
尽管投资者们对经济衰退的风险及其对技术支出的潜在影响感到紧张,IBM首席执行官Arvind Krishna(如图)却传递出了乐观的信息。他说:“完全有理由相信[B2B]市场的技术支出将继续超过GDP增长,市场对解决方案的需求依然强劲。IBM咨询业务继续实现双位数增长,软件业务实现广泛增长,随着z16的推出,基础设施业务也实现了强劲增长。”
销售渠道状况良好
Krishna称,目前IBM的销售渠道“非常健康”。他说:“从产品线和区域来看,下半年和上半年是保持一直的。”他表示,技术支出正受益于降低成本带来的杠杆作用,使该行业不太容易受到衰退的影响。“我们认为技术是通货紧缩的,技术可以平衡全球面临的所有通货膨胀和劳动力人口统计数据。”
由于IBM是第一个发布财报的主流IT厂商,Pund-IT首席分析师Charles King认为,这对于其他即将发布财报的公司来说是一个很好的预兆。“IBM该季度的强劲表现可能预示着其他专注于企业市场的厂商将给出好消息,虽然这些企业不能幸免于系统性的问题,但它们有足够的分量和活力在这场风暴中生存下来。”
过去几个季度中,IBM越来越少谈论起自己的公有云业务,IBM不再对云收入进行细分,而是更愿意谈论自己的混合云业务以及与主流公有云提供商之间的合作关系。
混合云成为焦点
King说:“长期以来,IBM主要的关注焦点是开发和支持混合云产品和服务;这就是IBM企业客户想要的,这也是IBM解决方案和咨询服务希望提供给客户的。”
Krishna认为,目前Kyndryl的分拆已经完成,IBM正处于一个有利的地位,可以继续在可预见的未来实现高个位数收入增长这一计划。IBM的咨询业务目前主要专注于业务转型项目,而不是技术实施,人员密集型的业务税前利润率为9%,比去年增长1%。IBM首席财务官James Kavanaugh表示:“咨询业务是我们混合平台这一大主题的重要组成部分。”
King表示,IBM咨询业务“正在全力以赴,其中包括了业务转型、技术咨询和应用运营这三个主要业务类别实现了双位数的增长,以及混合云咨询领域实现32%的显着增长。”
美元波动带来的忧虑
由于美元兑欧元和日元分别处于20年和25年来的高位,因此IBM财报电话会议上有分析师就货币波动对IBM业绩的影响提出了几个问题。
Kavanaugh说,这些是都是未知的水域,但公司已经为此做好准备。“[美元]走强的速度是我们十年来所见最快的;超过一半的货币兑美元汇率下跌了两位数,无论从速度、广度和规模上来说都是前所未有的。”
他表示,IBM比大多数公司都更能抵御货币波动,因为IBM长期以来一直有对冲波动的举措。“对冲在短期内缓解了波动性,虽然没有消除货币这一因素,但可以让你有时间从价格、原材料、劳动力池和成本结构上改善商业结构。”
他说,IBM的人力密集型咨询业务也有一些针对经济衰退的保护措施。“在一个有数万员工的企业中,每年也会流失数万人,这提供了一种自动暂停某些利润控制的方法,因为如果你看不到需求,你可以放慢供应方面的速度,很快可以控制在10%到20%的影响。”
好文章,需要你的鼓励
TAE Technologies在最新一轮投资中获1.5亿美元,累计融资约18亿美元。公司利用 AI 技术优化融合反应堆设计,目标于 2030 年代商业化发电,谷歌等巨头均参与合作。
这项来自KU Leuven、中科大和上海Memory Tensor公司的研究探索了如何利用拼图游戏训练多模态大型语言模型的视觉推理能力。研究发现,现有模型在未经训练时表现近似随机猜测,但通过强化学习能达到近乎完美的准确率并泛化到更复杂的拼图配置。有趣的是,模型能否有效学习与是否包含明确推理过程无关,且复杂推理模式是预先存在而非突然出现的。此外,研究证明强化学习在泛化能力上优于监督微调,挑战了传统的模型训练范式。这些发现不仅揭示了AI视觉理解的机制,还为未来多模态模型研发提供了重要参考。
Nvidia 正在全球数据中心推广 AI 芯片,其最新 Blackwell 架构在 MLPerf 基准测试中获得最高性能,大幅加速下一代 AI 应用的训练与部署。
这项研究提出了LoHoVLA,一种用于长时序实体任务的统一视觉-语言-动作模型,融合了高层任务规划和低层动作控制功能。与传统方法不同,它利用单一预训练视觉语言模型同时生成语言子任务和机器人动作,并采用分层闭环控制机制增强鲁棒性。研究团队构建了包含20个长时序任务的LoHoSet数据集,实验结果显示LoHoVLA在Ravens模拟器中显著优于现有方法,展现出统一架构在实现可泛化实体智能方面的潜力。