IBM第二财季的业务收入继续呈现萎缩态势,不过利润增长速度快于分析师的预期,并且重申了全年的盈利预期。
这一消息最初让投资者感到振奋,但在召开了分析师电话会议之后投资者情绪转为负面,导致IBM股价在数小时后下跌超过1%。
该季度IBM的利润增长3%,达到每股3.17美元,高于分析师预期的3.08美元(这些数据不包括刚刚与上周完成收购的Red Hat的业绩)。IBM表示,将在8月2日提供有关Red Hat红对母公司财务的影响以及进一步整合计划的细节。
在过去的12个月中,IBM的云计算产品和服务的收入达到195亿美元,按货币调整后计算增长了8%。云计算和数据平台、认知应用和交易处理平台等战略领域的收入均有中等个位数增长,全球企业咨询服务部门(IBM GBS)的云相关收入增长了17%。
Pund-IT首席分析师Charles King表示:“该部门的持续增长可以视为IBM Cloud经受住了来自AWS和微软Azure攻击的一个信号。”
虽然IBM有时被认为在云计算领域远远落后,但“只有AWS和Azure拥有更大份额的云收入,而云占据了IBM收入的25%,”Moor Insights&Strategy总裁兼首席分析师Patrick Moorhead表示。“IBM服务业务中有30%涉及到云,这是一个好兆头。”
IBM将赌注押在了混合云和多云领域,希望利用自己在全球企业级领域的实力来管理内部部署环境和公有云基础设施。收购Red Hat是这一战略的核心,但IBM的价值主张仍不够明朗,Forrester首席分析师Andrew Bartels这样表示:“这方面是有机会的,但IBM并没有体现出很大的差异化,它的私有云和混合云解决方案增长要比公有云产品慢得多。”
然而,King认为IBM能够“充分认识到混合云的影响力,这一点要领先于其他厂商。很难找到另一个主流云厂商的服务能够更符合企业的需求”。
认知领域的角逐
IBM仍然努力在认知软件(包括IBM的分析应用和人工智能应用)方面寻找突破性增长。 Bartels表示:“这是IBM业务中具有最大增长潜力的一部分,但IBM尚未意识到这种潜力。Cognos [商业智能]等核心产品相对陈旧了。在收购Tableau之后,Watson AI产品看起来也成本颇高,落后于AWS、谷歌、微软甚至是Salesforce.com的AI产品。”
IBM在战略领域的增长一定程度上抵消了GBS部门的下滑,以及因为现有Z系列大型机产品在今年底更新之前结束周明周期所导致的硬件和操作系统销售额18%(货币调整之后)下滑。IBM首席财务官James Kavanaugh表示,该季度基于IBM Power处理器的服务器销售额增长了9%。
IBM继续专注于加强其资产负债表,这方面IBM表现得还不错。Kavanaugh表示,IBM“非常非常关注”的利润率毛利率提高了一个百分点,达到了47%,是5年来的最大增幅。税前利润率上升了2%。
在过去12个月中IBM积累了127亿美元的现金。Kavanaugh表示:“我们正在管理这项业务以增加利润和现金贡献。在这方面我们一直在采取行动,不再强调低价值的业务。”
然而,由于大宗交易数量在该季度同比减少了20%,导致未交货订单有所减少。Kavanaugh称客户不断变化的采购偏好使得他们更关注长期订单。“我们的绝对未交货订单数量正在减少,但整体仍然是1110亿美元的规模。”
King说,虽然IBM尚未恢复可持续的增长,但已经走上了正确的轨道。“对季度收益的痴迷常常掩盖了一个问题,比如一家公司是否满足股东的期望以及对未来的投资情况,”他说。 “这对IBM来说尤其重要,因为它的季度股息远远超过竞争对手的股息。”
4月IBM连续第24年上调了第二季度股息,从每股1.57美元提升至1.62美元。
好文章,需要你的鼓励
在“PEC 2025 AI创新者大会暨第二届提示工程峰会”上,一场以“AIGC创作新范式——双脑智能时代:心智驱动的生产力变革”为主题的分论坛,成为现场最具张力的对话空间。
人民大学团队开发了Search-o1框架,让AI在推理时能像侦探一样边查资料边思考。系统通过检测不确定性词汇自动触发搜索,并用知识精炼模块从海量资料中提取关键信息无缝融入推理过程。在博士级科学问题测试中,该系统整体准确率达63.6%,在物理和生物领域甚至超越人类专家水平,为AI推理能力带来突破性提升。
Linux Mint团队计划加快发布周期,在未来几个月推出两个新版本。LMDE 7代号"Gigi"基于Debian 13开发,将包含libAdapta库以支持Gtk4应用的主题功能。新版本将停止提供32位版本支持。同时Cinnamon桌面的Wayland支持持续改进,在菜单、状态小程序和键盘输入处理方面表现更佳,有望成为完整支持Wayland的重要桌面环境之一。
Anthropic研究团队开发的REINFORCE++算法通过采用全局优势标准化解决了AI训练中的"过度拟合"问题。该算法摒弃了传统PPO方法中昂贵的价值网络组件,用统一评价标准替代针对单个问题的局部基准,有效避免了"奖励破解"现象。实验显示,REINFORCE++在处理新问题时表现更稳定,特别是在长文本推理和工具集成场景中展现出优异的泛化能力,为开发更实用可靠的AI系统提供了新思路。