在上周超越苹果并实现3万亿美元市值之后,微软连续第五个季度实现创纪录的收入和两年内的最大利润增幅,再次证明了在商业人工智能市场上的领先地位。
Azure云业务实现30%的增长,是该季度成功的一个重要原因,超过了分析师预期的27%的增幅,微软将这一增长的6%归因于与Azure AI和其他AI服务相关的需求,而且这个数字也是上个季度AI贡献的两倍。
微软在第二季度的收入为620亿美元,相比去年同期的527亿美元增长18%,高于分析师预期的611亿美元。调整后每股利润为2.93美元,远高于预期的2.77美元。净利润增长33%,达到219亿美元,这是微软近三年来最强劲的季度收入增长。
关于AI的一切
微软在分析师财报电话会议上讲的全都是关于AI的。微软公司首席执行官Satya Nadella(如图)表示:“我们已经从谈论AI转向大规模应用AI,Azure凭借我们的AI优势抢占了份额。”

他表示,微软的Azure AI云服务目前拥有53000家客户,其中超过三分之一是在过去12个月内注册的。他说:“如今,超过一半的财富500强企业都在使用Azure AI,我们正在把AI集成到整个数据分析堆栈中。”
在过去12个月内,微软的股价上涨了近70%,而纳斯达克综合指数则上涨了40%。今天盘后交易中,该股跌幅不到1%,分析师将此次下跌归因于本月涨幅超过10%后的获利回吐。
微软此次的财报中第一次纳入了视频游戏开发商动视暴雪公司(Activision Blizzard)的业绩。微软表示,动视暴雪的销售额使整体收入提高了4个百分点,但没有提及裁员1900的计划。
Copilot增强信心
在和分析师的电话会议上,微软高管们热情地谈论了微软为软件开发人员、销售代表和客户服务代表推出的一系列软件助手。
“Copilots帮助超过30000家公司改善了销售和客户服务,Windows版本的Copilot已经运行在超过7500万台Windows 10和11电脑上。”
Nadella将Copilot的采用与20世纪80年代的PC进行了比较,当时本地桌面处理能力永久性地改变了工作流程。
“它会出现在你的应用中并成为一种日常习惯,它被用于总结和起草。空白页这种东西会消失。现在你拥有了企业中最重要的数据,而且是可以通过自然语言查询到的。”
Bernstein分析师Mark Moerdler表示,微软的AI产品“比竞争对手的产品先进得多,这不是营销宣传,是事实证据。”
财报细分结果
该季度微软的Intelligent cloud业务收入增长了20%,达到259亿美元,高于普遍预期的253亿美元。面向桌面的More Personal Computing业务收入增长了19%,达到169亿美元,超出了168亿美元的普遍预期。
服务器产品和云服务收入按固定汇率计算增长了20%,一部分原因是Azure实现了强劲增长。Office商业产品和云服务收入按固定汇率计算增长了13%,其中Office 365商业收入增长了16%。Dynamics收入增长了19%。
微软公司首席财务官Amy Hood没有提供第三财季总收入指引,但表示,生产力应用的销售额预计增长约12%,Office 365收入预计增长约15%,智能云销售额预计增长约18%。
她说:“我们看到客户参与度随着时间的推移而增长,这是你从我们那里听到的乐观情绪的一个重要动力。”
好文章,需要你的鼓励
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。