IBM公司的系统业务部门实现17亿美元营收,较上年同期降低10%。系统硬件营收则为13亿美元,其中操作系统软件贡献4亿美元。
IBM公司CFO Martin Schroeter指出,“Power业务的增长速度实现环比改善,但总体营收仍有所下滑。增长速度的改善反映出我们向不断增长的Linux市场过渡已经取得成效,但拥有高价值空间的Unix市场则不断缩水。我们的Linux on Power业务营收有所提升,而我们也得到了更为可观的市场份额。”
“在Unix方面,营收下滑主要源自我们的低端与中端系统。高端系统仍然保持增长。”
存储业务营收则“主要受到增幅高达两位数的全闪存阵列产品的强劲推动。闪存已经成为我们中端与高端存储产品营收提升的催化剂,而存储硬件利润率亦在逐年增加。”IBM公司目前的闪存同比营收增长已经保持了两个季度。
IBM公司种子季度存储硬件营收数字,包括实现营收增长的最近两个季度。
IBM公司强调称,z Systems的业绩表现反映出大型机的产品发布周期——其中最新产品z14已经于当季度末正式推出。连续两个季度的存储业务营收提升则主要受到闪存的带动,且z Systems与存储业务的毛利率亦有所改善; 不过二者的整体利润额度仍然遭遇下滑(下降3.9%,目前为52.7%)。
IBM公司认为存储营收的核心正逐步转向软件层面,而内部存储硬件的增长区间则主要集中在闪存领域——这一点在其业绩结果当中亦得到证明。另外,云端数据存储处于增长态势,IBM自身的云规模正在稳步扩大,目前已经覆盖其全球近60座数据中心。
劳埃德银行(签订了十年期协议)与美国航空公司等客户近期都已经签署了IBM云服务的合作协议。
Schroeter解释称,“我们将把该银行的业务迁移至IBM云当中,同时确保应用套件同这套基础设施相匹配……美国航空公司本季度亦宣布将全面转向IBM云,同时利用云资源作为其数字化转型的基础。其将要迁移的包括aa.com等关键应用程序、面向客户的移动应用以及全球信息亭网络。”
“着眼于整个行业乃至世界各地,我们的客户意识到数据——特别是其自有数据,已经成为一切企业获得竞争优势的关键。需要强调的是,世界上80%的数据由企业所持有。”
根据我们的理解,IBM公司正计划逐步将一部分客户本地工作负载(包括x86、Power与大型机)迁移至其云数据中心之内,同时提供内部部署配合IBM公有云的混合解决方案——这是否将切断Amazon、Azure以及谷歌Cloud Platform的企业发展之路?
IT部门则需要自发将其客户群体转移至IBM版本的公有云当中,从而获得更低的资本成本与更出色的灵活性水平。一旦这些客户将其工作负载转移至IBM云,其它竞争对手将更难面向IBM客户群体销售自己的服务器、存储乃至软件产品。
Schroeter针对这一点就IBM的企业客户数据进行了说明:“这部分数据无法通过全球网络进行搜索。其中包括客户数据、病患数据、临床数据、供应链数据以及交易数据。各企业希望解锁并利用这些数据。也正因为如此,企业才有意愿通过其信任的合作方接触云计算,并借助后者提供的先进工具与行业专长。另外,企业客户亦将借此获得符合自身目标的数据模型与业务模式——这正是IBM云加沃森组合的优势所在。”
好文章,需要你的鼓励
在迪拜Gitex 2025大会上,阿联酋成为全球AI领导者的雄心备受关注。微软正帮助该地区组织从AI实验阶段转向实际应用,通过三重方法提供AI助手、协同AI代理和AI战略顾问。微软已在阿联酋大举投资数据中心,去年培训了10万名政府员工,计划到2027年培训100万学习者。阿联酋任命了全球首位AI部长,各部门都配备了首席AI官。微软与政府机构和企业合作,在公民服务和金融流程等领域实现AI的实际应用,构建全面的AI生态系统。
查尔斯大学和意大利布鲁诺·凯斯勒基金会的研究团队首次系统性解决了同声传译AI系统延迟评估的准确性问题。他们发现现有评估方法存在严重偏差,常给出相互矛盾的结果,并提出了YAAL新指标和SOFTSEGMENTER对齐工具。YAAL准确性达96%,比传统方法提升20多个百分点。研究还开发了专门的长音频评估工具LongYAAL,为AI翻译技术发展提供了可靠的测量标准。
苹果与俄亥俄州立大学研究人员发布名为FS-DFM的新模型,采用少步离散流匹配技术,仅需8轮快速优化即可生成完整长文本,效果媲美需要上千步骤的扩散模型。该模型通过三步训练法:处理不同优化预算、使用教师模型指导、调整迭代机制来实现突破。测试显示,参数量仅1.7亿至17亿的FS-DFM变体在困惑度和熵值指标上均优于70-80亿参数的大型扩散模型。
印度理工学院团队构建了史上最大规模印度文化AI测试基准DRISHTIKON,包含64288道多语言多模态题目,覆盖15种语言和36个地区。研究评估了13个主流AI模型的文化理解能力,发现即使最先进的AI也存在显著文化盲区,特别是在低资源语言和复杂推理任务上表现不佳,为构建文化感知AI提供了重要指导。