微软近日公布了财报,云计算收入增长放缓,同时预警下一季度销售额将低于预期约20亿美元,微软股价在盘后交易中出现大幅下跌。
微软的第一财季业绩超出了预期水平,在不计入某些成本(如股票补偿)之后的每股收益为2.35美元,低于去年同期的每股2.71美元,略高于华尔街预测的每股2.31美元。
第一财季的收入同比增长11%,达到501亿美元,高于市场普遍预期的496.6亿美元,总利润为175.6亿美元。
微软公司董事长兼首席执行官Satya Nadella(如图)表示:“在一个面对越来越大逆风的世界中,数字技术是最终的顺风趋势。在这种环境下,我们专注于帮助客户变得事半功倍,同时投资于长期增长领域、并以严格的方式管理我们的成本结构。”
过去几年中微软大部分的增长动力都是来自于Azure云计算业务,最近有人担心随着美国进入潜在的衰退,这部分业务可能会失去动力。这些担忧似乎是有道理的,因为局微软透露,第一财季Azure的收入仅增长了35%,低于上个季度的40%,远低于一年前的50%。
这也是微软自两年前开始发布此类数据以来的最慢增幅。值得注意的是,微软仅公布了Azure的收入增幅,而竞争对手Azure和Alphabet都公布了更为详细的云收入情况。
微软首席财务官Amy Hood在电话会议上表示,当前这个季度Azure可能会出现类似的收入增长环比放缓,这让情况变得更加复杂了。她警告说,按固定汇率计算,增幅将减少5个百分点。此外她表示,本月早些时候微软裁员近1000人之后,正在考虑采取更多削减成本的措施。
她说:“我们持续帮助客户事半功倍,与此同时我们在公司内部也在做着相同的事情。今年我们的全年运营费用增长有望大幅放缓,同时在去年所做的人力投入方面,我们将着重提高其生产力。”
Hood在发出这一警告之前,还公布了微软第二财季预期,同样令人感到担忧。她告诉分析师,微软预计该季度的收入在523.5亿美元至533.5亿美元之间,低于分析师普遍预期的561.6亿美元,微软智能云业务部门(包括Azure)的销售额预计在212.5亿美元至215.5亿美元之间,略低于华尔街预期的218.2亿美元。
这个消息一出,微软股价在盘后交易中下跌超过6%,超过了当天早些时候略高于1%的涨幅,同时也引发了对整个云计算行业的担忧,Amazon的股价也下跌了4%多。
微软行业合作伙伴的反应则更为积极一些。数字化转型服务提供商Ensono公司的首席技术官Gordon McKenna表示,微软的业绩只是反映了每家大型科技公司最近几个月不得不做出的艰难财务决策。他没有详细展开,而是重点提及了微软对云业务的持续投资。
他说:“在今年的Ignite大会之后,微软持续进行投资,为企业组织打造最好的产品和平台来满足他们的所有需求,包括混合式办公、安全措施、云部署、AI工具等等。当我们现在身处于经济困境的时候,我预计微软将继续发展并依靠他们的合作伙伴来提供高质量的服务,从而帮助客户取得业务成果。”
不过,微软必须应对的不仅仅是云业务增长停滞不前,微软还受到了美元走强和个人电脑在经过新冠疫情期间销量飙升之后出现下滑的影响。根据财报显示,该季度微软的个人电脑收入为133亿美元,与一年前同期相比是持平的。
好文章,需要你的鼓励
前谷歌资深工程师David Petrou创立的AI初创公司Continua宣布完成800万美元种子轮融资,由GV领投。该公司开发AI智能体技术,可加入SMS、iMessage和Discord等群聊平台,为用户协作提供智能支持。Continua能够在群聊中自动设置提醒、发起投票、添加日历邀请或生成待办清单,解决群聊混乱问题。公司通过微调技术让AI理解群聊动态,具备社交智能,只在需要时提供帮助。
艾伦人工智能研究院开发的MolmoAct是首个开源的机器人空间推理模型,通过"看懂-规划-执行"三步思考法让机器人具备类人的空间理解能力。它不仅在多项基准测试中表现优异,还支持直观的视觉轨迹调教,用户可直接在屏幕上画线指导机器人行为。研究团队完全开源了模型、代码和数据集,为全球机器人研究提供强大基础平台。
Anthropic宣布为企业客户增加Claude单次提示词的信息处理量,以吸引更多开发者使用其AI编程模型。Claude Sonnet 4现支持100万token上下文窗口,可处理75万词或7.5万行代码的请求,是此前限制的5倍,超过OpenAI GPT-5的40万token。该功能也将通过Amazon Bedrock和Google Cloud等云合作伙伴提供。更大的上下文窗口有助于AI模型更好地处理软件工程问题和长期自主编程任务。
这项由北京大学和清华大学联合完成的研究首次提出时间自奖励语言模型,通过"锚定拒绝"和"未来引导选择"策略解决了AI自学习中的梯度消失问题。该方法让AI既能从过去的低水平样本中学习反面教材,又能向未来的高水平样本学习正面目标,成功维持了清晰的学习对比信号,在多个基准测试中显著优于传统自奖励方法。