在连续两个季度盈利不及预期后,投资者终于对微软云业务重燃希望,然而较为疲软的预期改变了他们最初的乐观。
第二季度微软的智能云业务整体收入略好于预期。该季度,微软的收益同比下降12%至164亿美元,即每股收益2.20美元,其中包括了每股12美分的遣散费、减值和租赁合并成本,这意味着调整后的收益为每股2.32美元,略好于分析师普遍预期的2.29美元。
该季度微软的收入为527亿美元,略低于分析师预期的529亿美元,高于去年同期的517亿美元。微软表示,该季度的假期期间利润下滑了12%多,促使微软上周宣布了裁员10000名员工的计划,占员工总数的5%,截止2022年底的员工总人数相比去年同期仍增加了19%。
投资者们最初对微软智能云业务收入215亿美元、超过分析师预期的214亿美元这个消息是感到高兴的。微软股价去年10月出现大幅下跌,当时微软报告称Azure基础设施即服务业务季度仅增长35%,远低于去年同期50%的增长率。
然而高管们在电话会议上给出的预期,很快抹去了当天早些时候大部分的股价涨幅。微软公司首席财务官Amy Hood表示:“我们预计在12月底看到业务趋势将持续到第三季度,而且预订量将同比持平。”
Hood表示,下一季度智能云业务收入的增长率预计将从24%降至19%。Azure业务的增长“按固定汇率计算将下滑4到5个百分点”,预计下半年整体收入也将放缓,营业利润率下降约1%。
她给出的这一预测让微软股价在盘后交易中最初4%的涨幅回落到略高于1%。在经济不确定性加剧的时期,人们仍然担心上周宣布的裁员反映了微软整体的健康状况。
昨天微软刚刚宣布加码机器学习初创公司OpenAI的承诺可能是恰逢其时的,其中一部分原因是微软为了向投资者证明微软是认真对待云业务恢复高速增长的。
Pund-IT首席分析师Charles King表示:“微软在AI方面的投入旨在对那些劳动密集型任务进行简化或者自动化,这可能会影响Azure和其他业务部门的盈利能力。但是我相信,微软希望把OpenAI作为一个长期的变革引擎。”
在Dynamics产品和云服务收入增长20%以及Dynamics 365销售额增长29%的带动下,微软生产力和业务流程部门的收入按固定汇率计算增长了13%,达到170亿美元。
微软的智能云业务增长了24%,其中Azure和其他云服务收入增长38%,而此前微软自己预期的增幅是37%,上个季度的增幅为35%。
正如预期的那样,更多个人计算业务的收入下滑了16%,其中Windows OEM收入下滑了39%。IDC上个月发布的一份报告预测,PC和平板电脑的单位出货量将从去年的4.568亿台降至4.29亿台,比2021年减少近12%。然而,微软该业务142亿美元的收入远低于分析师预期的147亿美元,而且“美国市场的表现低于预期水平”,Hood说。
Constellation Research副总裁、首席分析师Holger Mueller表示,尽管微软在企业应用方面投入了大量资金,但该业务的命运仍然与PC和云计算是紧密相关的。他说:“这在未来三到五年内都不会改变,因此微软对游戏和硬件的押注还没有奏效,或者说还没有起飞。”
Mueller指出,尽管收入增长不到2%,但该季度总收入成本同比增长超过3%。“微软存在成本问题,他们花了太多钱来保持利润率,这对该季度控制成本来说不是个好兆头。”
King对此表示认同,与纯粹面向企业的公司相比,微软更容易受到消费者情绪波动的影响。尽管“美国的通货膨胀正在缓解,但仍然是微软许多主要全球市场面临的一个沉重问题。”
不过他对首席执行官Satya Nadella的领导能力表示了信心。“如果你把今天的微软与十年前的微软进行比较的话,会发现微软的变化是非常显著的。我预计这些变化还将持续下去,微软将变得比以往任何时候都更强大、更出色。”
好文章,需要你的鼓励
字节跳动Seed团队提出的虚拟宽度网络(VWN)通过解耦嵌入宽度与主干宽度,在几乎不增加计算成本的情况下显著提升模型表示能力。8倍虚拟宽度扩展使训练效率提升2.5-3.5倍,且发现虚拟宽度因子与损失呈对数线性关系,为大模型效率优化开辟新维度。
亚马逊研究团队通过测试15个AI模型发现,当AI助手记住用户背景信息时,会对相同情感情况产生不同理解,称为"个性化陷阱"。优势社会地位用户获得更准确的情感解释,而弱势群体接受质量较低的理解。这种系统性偏见可能在心理健康、教育等领域放大社会不平等,提醒我们需要在追求AI个性化的同时确保算法公平性。
两家公司在OverdriveAI峰会上分享了AI应用经验。Verizon拥有超过1000个AI模型,用于预测客户呼叫原因和提供个性化服务,将AI推向边缘计算。Collectors则利用AI识别收藏品真伪,将每张卡片的鉴定时间从7分钟缩短至7秒,估值从8.5亿美元增长至43亿美元。
微软等机构联合研发了DOCREWARD文档奖励模型,专门评估文档的结构布局和视觉风格专业度。该模型基于包含11.7万对文档的大规模数据集训练,在人类偏好准确性测试中超越GPT-5达19.4个百分点。研究解决了现有AI工作流忽视文档视觉呈现的问题,为智能文档生成和专业化排版提供了新的技术方案。