IBM今天发布的第四季度财报和2019年指引均超出了分析师预期,尽管连续两个季度收入下滑,但IBM股价在投资者推动下仍然有所上涨。
根据IBM财报显示,在如股票报酬等某些成本之前的收益为每股4.87美元,收入为218亿美元,这与去年同期相比下降了3%,但IBM首席财务官James Kavanaugh将其归因于货币转移,以及与去年IBM大型机表现特别突出的那个季度进行对比等原因。
尽管如此,这一结果仍然超过了华尔街此前预期的每股盈利4.84美元,收入217.5亿美元。
IBM的全年表现也超出了预期,2018年每股总收益达到13.81美元,收入为796亿美元。这比上一年增加了1%。分析师早些时候预期IBM今年每股收益为13.78美元。
股东们也给出了热情洋溢的回应,IBM股价在盘后交易中上涨了7%多。
市场研究公司Wikibon联合创始人兼首席分析师Dave Vellante表示:“IBM试图超出预期表现,这在很大程度上要归功于传统的可靠服务业务和管理华尔街的期望。此外IBM还以股息和股票回购的形式将85%的自由现金流返还给投资者,这些都起到了帮助作用。”
IBM首席执行官Ginni Rometty在声明中表示,恢复全年收入增长反映了“市场对我们在混合云、人工智能、分析和安全领域的服务和领先解决方案的需求还在不断增长”。
IBM高管们进一步强调了今年IBM业绩的积极方面,指出收入中有398亿美元(几乎是其总收入的一半)来自所谓的“战略项目”包括分析、云、移动和社交。
这个数字令人印象深刻,但一些分析师提出了对IBM云业务增长的担忧。今年IBM的云计算收入为192亿美元,比2017年增长12%。然而,这仅仅是上一年增长率的一半,远远低于市场领导者AWS、微软和谷歌。
尽管Kavanaugh在财报电话会上正面地谈及云计算业绩,但他们可能对云计算增长停滞多少感到有些失望。IBM一直在努力推动这项业务,因为IBM希望从人工智能和安全软件等新服务中获取大部分收入,而不是传统的咨询和硬件销售。
Vellante表示:“IBM正在追求高价值的机会,这意味着他们不会在云计算领域与AWS展开正面交锋,而是试图将复杂的高价值工作负载转向云模式,也就是很多混合/内部部署、大量应用现代化、大量服务和一些随售的硬件。”
这个策略在很大程度上解释了为什么IBM去年10月决定以330亿美元重磅收购开源软件公司Red Hat。宣布这一消息的时候Rometty表示,今年晚些时候该交易完成的时候,Red Hat将成为IBM的一个“游戏规则改变者”。
Pund-IT公司首席分析师Charles King表示:“收购Red Hat将会给IBM云业务画上浓墨重彩的一笔。”Red Hate Enterprise Linux在很多大公司的混合云和多云环境中扮演着核心角色,Red Hat的服务产品和结构应该与IBM的产品保持一致。有人可能会说,IBM收购Red Hat的价格太高,但在我看来,这项投资应该能够获得丰厚的回报。”
IBM肯定希望自己的投资能够获得回报,否则就有可能陷入连续季度收入下滑的陷阱。此前IBM的收入连续六年下滑,直到最终在2018年1月扭转了局势。但在连续两个季度实现增长之后,收入又下滑了两个季度。
尽管如此,IBM目前仍然乐观地认为,下滑只是暂时的。目前IBM尚未公布第一季度的指引,但表示,目标是2019年全年每股收益13.90美元,其中不包括预计年中完成的红帽收购所带来的影响。该预期略高于当前分析师预期的每股收益13.79美元。
好文章,需要你的鼓励
本文探讨如何使用生成式AI和大语言模型作为倾听者,帮助用户表达内心想法。许多主流AI如ChatGPT、Claude等被设计成用户的"最佳伙伴",或试图提供心理健康建议,但有时用户只想要一个尊重的倾听者。文章提供了有效的提示词技巧,指导AI保持中性、尊重的态度,专注于倾听和理解,而非给出建议或判断。同时提醒用户注意隐私保护和AI的局限性。
北京大学团队开发出WoW世界模型,这是首个真正理解物理规律的AI系统。通过200万机器人互动数据训练,WoW不仅能生成逼真视频,更能理解重力、碰撞等物理定律。其创新的SOPHIA框架让AI具备自我纠错能力,在物理理解测试中达到80.16%准确率。该技术将推动智能机器人、视频制作等领域发展,为通用人工智能奠定重要基础。
人工通用智能和超级人工智能的出现,可能会创造出一种全新的外星智能形态。传统AI基于人类智能模式构建,但AGI和ASI一旦存在,可能会选择创造完全不同于人类认知方式的新型智能。这种外星人工智能既可能带来突破性进展,如找到癌症治愈方法,也可能存在未知风险。目前尚不确定这种新智能形态是否会超越人类智能,以及我们是否应该追求这一可能改变人类命运的技术突破。
香港大学和蚂蚁集团联合推出PromptCoT 2.0,这是一种让AI自动生成高质量训练题目的创新方法。通过"概念-思路-题目"的三步策略,AI能像老师备课一样先构思解题思路再出题,大幅提升了题目质量和训练效果。实验显示该方法在数学竞赛和编程任务上都取得了显著提升,为解决AI训练数据稀缺问题提供了新思路。