25日,微软发布了 2024 年第一财季财报,得益于AI产品和云业务的增长,微软在这一季度增长有所加速。
截至9月份的第一季度,微软收入增长13%,达到565亿美金,高于去年同期11%的增幅,也远高于金融分析师预期的545.5亿美金。稀释后的每股收益为2.99美金,高于去年同期的2.35美金,也大大超出了2.65美金的普遍预期。
该季度微软的Azure公有云业务增长了29%,高于上季度的26%,也高于分析师普遍预期的27.2%,这是五个季度以来微软云计算增长首次实现同期加速。按照固定汇率计算,微软云收入达318亿美金,增长23%。微软股价在盘后交易中上涨近4%。
Pund-IT首席分析师Charles King表示,随着智能云、Azure、服务器产品和云服务的强劲增长,“我预计今晚微软将会开香槟庆祝了”。
今年早些时候,微软向OpenAI投资100亿美金后,就有分析师对微软AI业务的乐观前景做出了积极回应。微软公司首席财务官Amy Hood表示:“高于预期的AI消费促进了Azure的收入增长。”
微软公司首席执行官Satay Nadella表示,微软将在整个产品线中注入Copilot AI助手,“通过Copilot,我们将为世界各地的人们和企业打造真正的AI时代。我们正在迅速把AI融入到技术堆栈的每一层中。”
他把Azure该季度的增长很大程度上归功于微软在AI方面的投资。Nadella表示:“我们拥有最好的AI基础设施,可用于训练和推理,我们的AI服务部署地区也比其他任何云提供商都要多。”
AI推动云支出
Forrester Research副总裁、研究总监Glenn O’Donnell表示,这对于保持势头至关重要。他表示:“微软已经渗透到几乎所有企业,但也需要展示持续的创新,而如今这就意味着AI。微软的增长速度比其他公司更快,这很大程度上要归功于AI。”
从产品线来看,Office商业产品和云服务收入增长了14%,Office 365商业销售额增长了17%。Dynamics收入增长21%,Dynamics 365增长26%。
搜索和新闻广告销售额(主要来自微软的Bing搜索引擎)增长了9%,这表明微软期望通过将OpenAI技术纳入Bing获得任何收入提升的策略尚未产生重的大影响。
King表示:“如果未来12到24个月内这个趋势没有发生转变的话,那么微软在OpenAI上的投资价值可能会受到质疑。”
但O’Donnell对Bing的前景更为乐观一些。他说:“生成式AI正在改变整个搜索的概念,公共[大型语言模型]的不准确仍然阻碍了的使用。”然而,随着大型语言模型的发展进步,“Bing将成为谷歌更强有力的竞争者,并在此过程中吸走宝贵的广告收入。”他指出,搜索对于微软来说只是很小一部分的收入来源,但对谷歌来说却是很大一部分业务。
微软高管对下一季度和财年的指导持谨慎态度,称利润率可能会保持不变。Hood表示,生产力和业务流程业务预计增长11%至12%,Office Commercial收入预计增长16%,Azure预计增长26%至27%。
尽管Gartner预测明年全球IT支出增长8%,但投资者仍然感到不安。O’Donnell表示,政府可能对AI使用实施监管,加上地缘政治不稳定,使得预测变得十分困难。他表示:“除了AI之外,科技支出仍然疲软,因此持续的个人电脑和数据中心支出疲软肯定会冲击微软和其他公司。尽管如此,微软仍拥有坚如磐石的基础,并且相比科技领域大多数公司处于更有利的地位,能够继续增长。”
King对此表示认同,微软广泛的产品线使其免受一些对业务范围较窄的公司的冲击。“在这次财报电话会议之前,我会说个人计算领域可能会表现的相对弱一些。然而,该集团的收入比指导范围高出约10亿美金,甚至OEM收入也增长了4%,而微软已经为市场的下降做好了准备。”
好文章,需要你的鼓励
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。
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。
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。