在刚刚过去的这个季度,微软的表现超出了预期水平。在2023财年第四季度,微软营收为561.89亿美元,同比增长8%, 净利润为201亿美元,同比增长20%。扣除股票补偿等特定成本之前的利润达到每股2.69美元,收入增长8%,达到561.9亿美元,该业绩超出了分析师的预期,此前华尔街预期每股收益为2.55美元,销售额为554.7亿美元。
然而,微软可能难以复制这一成功。微软公司首席财务官Amy Hood在电话会议上表示,微软预计2024财年第一季度的营收将在538亿美元至548亿美元之间,意味着增长约8%,中间值低于华尔街普遍预期的549.4亿美元。
微软给出的谨慎指引反映出增幅相比去年将出现大幅放缓。目前微软已经连续三个季度收入增速低于10%,这是自2017年以来首次出现这种情况。
但这并不是因为缺乏努力。该季度的亮点之一是微软的Intelligent Cloud业务,该业务实现营收239.9亿美元,同比增长15%,高于华尔街普遍预期的237.9亿美元,这部分业务包括Azure公有云、Windows Server、SQL Server、GitHub、Nuance、Visual Studio和企业服务。
微软没有公布Azure的具体收入,但表示,这部分业务该季度增长了26%,超出了分析师预期的25%。微软公司首席执行官Satya Nadella(如图)在电话会议上对分析师表示,“微软云”的年收入超过1100亿美元,其中Azure贡献了一半多。
Azure的收入增幅略低于竞争对手Google的云基础设施部门Google Cloud上个季度的增幅,后者今天早些时候报告增长了28%。
尽管云业务仍在增长,但增速要比以前慢得多。在新冠疫情高峰期,Azure云曾以50%甚至更高的速度增长,但如今,客户变得更加谨慎了。
Hood在电话会议中表示,由于对经济形势的担忧,许多客户正在调整现有的工作负载以降低成本,而且这种情况已经持续了一段时间,她说,该季度“我们看到上一季度优化和新工作负载趋势还在延续中”。
其他方面,微软的More Personal Computing部门(包括Windows、设备、游戏和搜索广告的销售额)收入为139.1亿美元,比去年同期下降4%,但略高于市场普遍预期的135.8亿美元。
这部分损失是由于向设备制造商销售的Windows许可减少所造成的。个人电脑市场正在下滑,市场观察机构Gartner最近报告称,该季度个人电脑销量下降了约17%,因此,PC制造商购买的Windows许可数量减少了12%。
这种情况不太可能很快得到改善,这也是微软发布指引表现疲软的原因之一。微软预计,第一季度More Personal Computing业务的收入在125亿至129亿美元之间,低于分析师预期的132.2亿美元。
微软的另一个主要部门是Productivity and Business Processes部门,其中包括Office、LinkedIn和Dynamics 365等产品。这部分业务的收入增长了10%,达到182.9亿美元,超出华尔街预期的180.6亿美元。
Constellation Research分析师Holger Mueller表示,总而言之,微软在第四季度取得了强劲的业绩,成功地保持了业务最重要部分的增长。
他表示:“关键的里程碑是,服务收入首次达到了产品收入的两倍多,这表明微软正在把产品传统抛在身后。虽然全年产品收入减少了80亿美元,但服务收入却弥补了这一不足,同期增长了220亿美元。总体来看,微软显然希望成为一家服务型公司,它需要源源不断的服务创新来继续这一转型,而且微软完全有能力做到这一点。”
由于增长乏力,微软被迫削减开支,这一点在今天的收益报告中得到了体现。微软的研发成本七年来首次下降。此前,Nadella曾在今年五月向员工表示,今年不会加薪。随后,7月份微软宣布了第二轮裁员。
不过,微软至少持续在生成式AI上投入巨资。该季度,微软宣布为企业员工提供由OpenAI大型语言模型支持的新搜索体验。Bing Chat Enterprise的推出,恰逢微软公布了面向Microsoft 365生产力应用的Copilot助手的定价。尽管尚不清楚Copilot何时推出,但每个用户每月的费用为30美元。
人工智能也推动了微软的云业务。微软表示,Azure OpenAI服务允许企业访问OpenAI的大型语言模型,目前已经有超过11000个客户,而三个月前仅为4500个。
Hood表示,微软在人工智能方面的努力,可能会对公司2024财年的收入产生更大的影响。她说:“需求强劲且处于领先地位,随着Azure AI规模的扩大以及我们Copilot临近上市,我们的人工智能服务也将呈现出渐进式的增长。”
好文章,需要你的鼓励
多伦多大学研究团队提出Squeeze3D压缩框架,巧妙利用3D生成模型的隐含压缩能力,通过训练映射网络桥接编码器与生成器的潜在空间,实现了极致的3D数据压缩。该技术对纹理网格、点云和辐射场分别达到2187倍、55倍和619倍的压缩比,同时保持高视觉质量,且无需针对特定对象训练网络,为3D内容传输和存储提供了革命性解决方案。
浙江大学与腾讯联合研究团队提出MoA异构适配器混合方法,通过整合不同类型的参数高效微调技术,解决了传统同质化专家混合方法中的表征坍塌和负载不均衡问题。该方法在数学和常识推理任务上显著优于现有方法,同时大幅降低训练参数和计算成本,为大模型高效微调提供了新的技术路径。
耶鲁、哥大等四校联合研发的RKEFino1模型,通过在Fino1基础上注入XBRL、CDM、MOF三大监管框架知识,显著提升了AI在数字监管报告任务中的表现。该模型在知识问答准确率提升超过一倍,数学推理能力从56.87%提升至70.69%,并在新颖的数值实体识别任务中展现良好潜力,为金融AI合规应用开辟新路径。
加州大学圣巴巴拉分校研究团队开发出能够自我进化的AI智能体,通过《卡坦岛拓荒者》桌游测试,这些AI能在游戏过程中自主修改策略和代码。实验显示,具备自我进化能力的AI显著超越静态版本,其中Claude 3.7模型性能提升达95%。研究验证了AI从被动工具向主动伙伴转变的可能性,为复杂决策场景中的AI应用开辟新路径。