IBM近日公布了第一财季财报,利润超出预期,收入略低于预期。

IBM提及了Red Hat混合云和AI这两个战略业务领域实现两位数的收入增长,同时表示,全球企业对AI的需求使得他们对IBM软件和咨询业务都有巨大的潜在上升空间。该季度Red Hat的收入同比增长11%,数据和AI收入同比增长10%。
该季度总收入较去年同期下降0.4%,至154.7亿美元,低于市场普遍预期的155.8亿美元。然而,每股收益2.18美元超出了分析师预期的2.01美元,但低于去年同期的每股收益2.31美元。
该季度IBM的毛利率为54.9%,同比增长1.6%;营业利润率增长1.4%,达到55.9%。IBM高管们重申,今年预期收入增长在3%至5%之间,并称这两个指标是2023年的关键绩效指标。
财报发布后,IBM股价在盘后交易中下跌略高于1%。
“扎实的执行力”
IBM公司首席执行官Arvind Krishna(如图)表示:“我们AI和混合云战略持续扎实的执行力,使得我们对实现全年自由现金流和收入预期充满信心。”
IBM报告称,按固定汇率计算,该季度软件收入增长了8%,其中咨询收入增长了6%,基础设施收入下降了14%。IBM公司首席财务官James Kavanaugh表示:“我们的基础运营产品业绩表现良好。”
他表示,尽管基础设施收入下降了14%,与正常的大型机产品周期一致,但IBM看到在线交易处理市场展现出异常的弹性。他说:“我们在2022年看到OLTP出现拐点性的转变,我们有广泛的机会基础来获得这些收入。”
Constellation Research首席分析师Holger Mueller表示:“IBM正面临着经济放缓和货币汇率发展挑战的双重不利因素。但好消息是,Red Hat保持了11%的增长,另一方面数据和AI产品组合的强劲势头也给IBM带来了增长。”
Pundit-IT首席分析师Charles King也认为IBM的战略产品表现不错。他说:“Red Hat继续提供软件产品,也是IBM混合云战略和解决方案的核心,最好的消息是IBM的大型企业和小型企业客户咨询签约量同比增长了24%。”
生成式AI带来的机会
IBM高管表示,市场对生成式AI的兴趣,对于IBM来说是重大利好。Krishna表示,他“非常兴奋地”看到市场对5月份IBM推出的WatsonX的最初反应。WatsonX是一款旨在帮助企业更轻松地构建和部署AI模型的产品套件。
Krishna把WatsonX比作Red Hat的OpenShift,后者是在2019年首次推出的,每年收入大约翻一番。他说:“OpenShift的年化运行率量是11亿美元,它让你感受到我们对这些AI项目有多兴奋。”
分析师King对此表示认同,他表示,有超过150家客户参与了WatsonX平台的开发,并“表明对企业级生成式AI解决方案的需求将会十分强劲。”
尽管Watson AI平台自《危险边缘》中获胜以来,市场表现并不理想。十多年前,IBM很大程度上可以被视为AI市场的领导者,“该公司已经系统地解决了阻碍新AI平台的大多数严重问题。”
他特别指出了IBM在开发大型语言模型工具和数据集、解决数据隐私和安全问题、以及建立一套AI开发中遵循的道德标准方面所做的工作。他说:“IBM在AI方面所做的努力,特别是在生成充满错误的报告和学期论文方面可能并不为人所知,但IBM正在稳步添加支持AI的特性和功能,显着改进企业客户所依赖的应用和解决方案的性能。”
Krishna表示,全球对AI的兴趣十分浓厚,其中北美、西欧和南美部分地区处于领先地位。“AI的用例包括IT运营、改进自动化、客户服务、增强人力资源、预测性维护、合规性监控、安全、销售、管理和供应链等。就像我们围绕Red Hat打造了规模数十亿美金的咨询业务一样,我们也会对AI采取同样的策略。”
好文章,需要你的鼓励
机器人智能公司Inbolt将于2026年6月在芝加哥Automate展会上发布两项新能力:Inbolt机器人编程功能和扩展版机器人控制模块。新功能可让工程师直接基于CAD模型构建程序,结合视觉模型实时定位实体零件并自动调整运动路径,彻底消除传统调试中耗时数周的手动示教环节。此次更新还将原生支持安川机器人,使平台覆盖品牌扩展至六个。
Mind Lab提出三轴PEFT框架,通过增强共享基础模型、缩小个人适配器、扩展持久化适配器种群,探索百万个人AI模型的可行路径。
本文提供了一套完整的笔记本电脑深度清洁方案。硬件方面,介绍了如何用温和洗涤剂清洁机身、用微纤维布擦拭屏幕、用压缩空气清理键盘及清洁充电线的正确方法。软件方面,建议及时更新操作系统与驱动程序,删除冗余文件与临时下载内容,并通过开启Windows Storage Sense功能实现自动清理,同时将剩余文件整理归类,保持系统整洁高效运行。
K-BROWSECOMP是一套专门测试AI在韩语网络中多步搜索推理能力的基准测试集,包含400道题,揭示全球顶尖AI模型在韩语环境下存在严重性能下滑,韩国本土模型得分更低至0%至10%。