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
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。