IBM近日发布第三季度财报,结果略高于分析师预期,使得股价在盘后交易时段上涨了1%。
该季度IBM在不计入股票补偿等特定成本的收益为每股2.20美金,高于每股2.13美金的预期,收入较去年同期增长5%,达到147.5亿美元,也高于市场普遍预期的147.3亿美金。
IBM在该季度的净利润为17亿美金,去年同期因59亿美金养老金结算费用而亏损32亿美金,之后扭亏为盈。
该季度表现最好的是软件业务部门,该部门实现了62.7亿美金的收入,同比增长8%,符合分析师的普遍预期。IBM基础设施部门(包括大型机)收入较去年同期下降2%,为32.7亿美金,但这一数字明显高于分析师预测的31亿美金。咨询业务部门销售额为49.6亿美金,同比增长6%,但低于市场预期的51.1亿美金。
IBM首席执行官Arvind Krishna(如图)表示,客户对IBM watsonx人工智能和数据平台及其混合云平台表示非常赞赏,因为他们希望能够提高生产力。他表示:“这有助于推动我们的软件和咨询业务的稳健增长。因此,我们对全年的收入和自由现金流预期仍然充满信心。”
IBM在咨询领域的失误并不完全令人震惊,因为IBM在咨询领域的主要竞争对手之一埃森哲公司上个月表示,最近一个季度来自通信、媒体和技术客户的收入下降了12%。
IBM首席财务官Jim Kavanaugh在接受采访时表示,尽管未能符合预期,但IBM的咨询业务正在从竞争对手手中夺取市场份额。IBM最近加大了在咨询领域的力度,宣布在该季度与微软和AWS建立新的合作伙伴关系,重点关注生成式AI,IBM还承诺提供专业知识帮助云客户定义和实施利用生成式AI功能的策略。
即便如此,Kavanaugh表示,许多客户仍然关注降低成本,这给咨询项目带来了压力。
AI即使不是一鸣惊人,总体上仍然是一个充满希望的赌注。IBM软件业务中来自数据和AI的收入同比增长了6%。Pund-IT分析师Charles King指出,Krishna在电话会议中表示,第三季度生成式AI预订量“只有数亿美金”,并表示,明年收入运行率约为10亿美金。他说:“考虑到许多其他厂商才刚刚开始他们的生成式AI之旅,这是一个重要的里程碑。”
King还感兴趣的是,尽管硬件销量整体下降,但IBM旗舰的Z大型机销量仍增长了9%。他表示,由于大型机销售周期性的因素,这一结果令人感到惊讶。他说:“一些报告将此归因于传统交易工作负载的增长,但我想知道,IBM把IBM Z和LinuxOne定位于其他关键业务应用和安全流程的战略是否正在带来红利。”
Constellation Research分析师Holger Mueller表示,IBM的表现很好,达到了预期,但投资者最担心的是增长率仍处于个位数。Mueller表示:“未来几个季度,这一数字可能会有所回升,但也可能会进一步下滑。这可不好,因为投资者希望看到更大的缓冲,这样就不会导致收入萎缩。一大亮点是watsonx平台所表现出的强大吸引力。对AI和相关服务的需求对IBM来说是有利的,并且2024年估计还会继续如此。”
展望下一季度,IBM管理层重申了全年指引,称收入增长预计在3%至5%之间,自由现金流约为105亿美金,与之前的预测一致。
该季度IBM公布了在AI领域取得的多项进展,包括发布了watsonx平台上的Granite系列硬件高效型生成式AI模型,该模型可以执行总结文档、洞察提取和文本生成等任务。此外,IBM还宣布将在watsonx.ai studio上托管Meta Platforms开源的Llama 2,一个包含有700亿参数的大型语言模型,并为IBM大型机推出生成式AI代码助手。
IBM该季度还斥资46亿美金收购了Apptio,一家基于AI的云成本管理工具提供商。
IBM股价今年迄今为止下跌了约2%,落后于更广泛的标准普尔500指数,该指数今年上涨了9%。
好文章,需要你的鼓励
NVIDIA团队开发的SANA-Sprint技术实现了AI图像生成的重大突破,将传统需要20步的生成过程压缩至1步,在H100上仅需0.1秒即可生成1024×1024高清图像,速度比现有最快模型提升10倍以上。该技术通过创新的混合蒸馏策略,在大幅提升速度的同时保持了图像质量,并支持实时交互应用,为AI绘画从专业工具向大众应用的转变奠定了基础。
初创公司Positron获得5160万美元A轮融资,推出专门针对AI推理的Atlas芯片。该公司声称其芯片在性能功耗比和成本效益方面比英伟达H100高出2-5倍,并已获得Cloudflare等企业客户采用。Positron专注于内存优化设计,无需液体冷却,可直接部署在现有数据中心。公司计划2026年推出支持16万亿参数模型的下一代Titan平台。
北京人工智能研究院团队开发的DiagNote模型通过模仿人类做笔记的习惯,解决了AI在多轮视觉对话中容易"失忆"的问题。该研究构建了专门的MMDiag数据集,设计了双模块协作的AI架构,让机器学会像人类一样通过标记重点区域来保持专注力,为更自然的人机视觉交流奠定了基础。