IBM近日公布了稳健的第二季度财务业绩,超出了分析师的预期水平,而这主要得益于IBM的企业客户增加了AI支出。IBM股价在盘后交易中上涨了约3%。
该季度IBM的每股收益(不包括股票薪酬等某些成本)为2.43美元,远高于分析师普遍预期的每股2.20美元。收入增长2%,至157.7亿美元,轻松超过华尔街预期的156.2亿美元。
总体来看,IBM的净利润为18.3亿美元,高于去年同期的15.8亿美元。
IBM公司首席执行官Arvind Krishna(如图)在一份声明中表示,IBM的生成式AI业务已增长至20多亿美元,这得益于一年前推出的Watsonx开发平台。
Krishna表示:“鉴于我们上半年的业绩,我们上调了全年自由现金流预期,目前预计自由现金流将超过120亿美元。”三个月前,在之前的财报电话会议上,IBM预计到今年年底自由现金流将达到120亿美元左右。“我们对技术支出的宏观前景仍然充满信心,”Krishna在电话会议上向分析师这样表示。
近几个月来,IBM一直专注于扩展Watsonx平台,该平台使企业能够构建和部署AI聊天机器人,以及增强其他AI程序的代码。此外,IBM于最近开源了Granite系列大型语言模型,以推广IBM其他的一些AI服务。
Global X研究分析师Tejas Dessai表示:“生成式AI的商业化正在加速,让IBM等多元化的企业技术公司能够利用日益增长的、AI集成带来的需求。”
Krishna在电话会议上告诉分析师,IBM继续受到高利率和通货膨胀的影响。尽管世界其他地区存在不确定性,但IBM的主要业务部门继续顺利运转。该季度IBM的软件业务收入为67.4亿美元,比去年同期增长7%,高于华尔街预期的64.9亿美元。
其中,Red Hat的增长率为7%,对于这个收购来的软件业务来说,算是一个相对缓慢的季度,而该业务曾经每季度的增长率一直超过20%。不过,Krishna表示,Red Hat该季度的订单量有所增加,这对今年剩余的时间来说是一个好兆头。
IBM的咨询业务收入为51.8亿美元,较去年同期下降1%,略低于华尔街52.3亿美元的目标。与此同时,IBM的基础设施部门(包括IBM标志性的大型计算机)该季度销售额为36.5亿美元,增长0.8%,高于华尔街普遍预期的53.1亿美元。IBM公司首席财务官Jim Kavanaugh在电话会议上表示,当前一代z16大型机的表现仍然优于之前的销售周期。
IBM的软件业务日益重要,多年来IBM从一家传统硬件公司逐渐转变为一家专注于高增长软件和服务公司,如今这一转型达到了顶峰。IBM一直在努力加速这个转型过程,在今年4月宣布计划以64亿美元收购“基础设施即代码”软件巨头HashiCorp。
HashiCorp在上周的更新中透露,监管机构已经要求提供有关计划收购的更多信息。这表明,交易审批流程可能会因监管审查的加强而延迟,尽管目前尚无迹象表明该交易遭到反对。Krishna告诉分析师,他仍然“非常有信心”这次交易能够在今年年底前完成。
该季度IBM还宣布与Palo Alto Networks建立新的合作伙伴关系。IBM表示,这家安全公司将收购IBM的QRadar软件即服务资产,成为IBM在网络、云和安全运营方面的首选网络安全合作伙伴。
在这次股价上涨之前,IBM的股价今年迄今为止已经上涨14%,与更广泛的标准普尔500指数基本一致。
好文章,需要你的鼓励
最新数据显示,Windows 11市场份额已达50.24%,首次超越Windows 10的46.84%。这一转变主要源于Windows 10即将于2025年10月14日结束支持,企业用户加速迁移。一年前Windows 10份额还高达66.04%,而Windows 11仅为29.75%。企业多采用分批迁移策略,部分选择付费延长支持或转向Windows 365。硬件销售受限,AI PC等高端产品销量平平,市场份额提升更多来自系统升级而非新设备采购。
清华大学团队开发出LangScene-X系统,仅需两张照片就能重建完整的3D语言场景。该系统通过TriMap视频扩散模型生成RGB图像、法线图和语义图,配合语言量化压缩器实现高效特征处理,最终构建可进行自然语言查询的三维空间。实验显示其准确率比现有方法提高10-30%,为VR/AR、机器人导航、智能搜索等应用提供了新的技术路径。
新一代液态基础模型突破传统变换器架构,能耗降低10-20倍,可直接在手机等边缘设备运行。该技术基于线虫大脑结构开发,支持离线运行,无需云服务和数据中心基础设施。在性能基准测试中已超越同等规模的Meta Llama和微软Phi模型,为企业级应用和边缘计算提供低成本、高性能解决方案,在隐私保护、安全性和低延迟方面具有显著优势。
IntelliGen AI推出IntFold可控蛋白质结构预测模型,不仅达到AlphaFold 3同等精度,更具备独特的"可控性"特征。该系统能根据需求定制预测特定蛋白质状态,在药物结合亲和力预测等关键应用中表现突出。通过模块化适配器设计,IntFold可高效适应不同任务而无需重新训练,为精准医学和药物发现开辟了新路径。