IBM今天公布财报结果显示,第一季度净收入超出此前预期,但季度收入下滑幅度大于预期令投资者感到失望,导致股价在盘后交易中下跌超过3%。
IBM将这归咎于亚太地区的决策延迟,从而不再重点谈及增长,而是转向关注盈利指标。此外,IBM在全年指引方面保持着每股13.90美元的水平。
IBM首席财务官James Kavanaugh表示,IBM这个季度表现“强劲”,但他也承认存在一些失误。
“该季度我们有很好的通路,而且根据客户的采购决策我们没有执行。不过我们有一个不错的开端,让我们有信心保持预期指引的水平。”IBM对Red Hat的收购有望在第二季度完成,但这部分并不包括在全年指引中。
该季度,IBM调整后季度收益为每股2.25美元,略高于此前预期的2.22美元。收入同比减少5%至181.8亿美元,低于市场预期的184.7亿美元。
IBM几乎每个主要的业务板块都在下滑或者几乎没有增长,包括认知解决方案(按固定汇率计算增长2%)、全球商业服务(增长4%)、全球技术服务(下滑3%)和系统业务(下滑9%),唯一的例外是云平台业务,虽然IBM拒绝提供这部分业务的季度数据,但透露称,云业务现在年收入规模约为195亿美元,在过去12个月中增长了10%。
尽管这一增幅仍然落后于一些最大型的公有云厂商,但195亿美元的数字“与Ginni Rometty担任IBM首席执行官时云业务在IBM所有收入中所占的4%的份额相比,还是有很大变化的,” Pund-IT总裁兼首席执行官Charles King这样表示。
IBM很久以前就不再试图在公有云市场中取胜,而是把精力集中在混合云、多云以及大约80%尚未转向云的企业工作负载。King表示:“IBM拥有比许多竞争对手更丰富的经验和更深度的多云产品。”
Z系列大型机产品线收入下滑38%显然给IBM的系统收入带来了一定的影响,而且该系列产品已经接近两年的产品周期。这部分下滑一定程度上被IBM Power系统产品线连续第六个季度的增长抵消了,但IBM没有提供这方面的更多细节。
IBM在经历了两年多连续几个季度下滑之后连续三个季度收入增长,而这次收入再次下滑,不过IBM并没有一味追求延续高增长的神话。Kavanaugh表示:“我们围绕毛利、利润和现金对业务进行管理。”
在这方面,IBM基本上是符合预期的。毛利率增长了1%,其中GBS作为IBM利润率最低的业务,其利润率增长了2.8%,税前营业利润率增长了3.2%。
Kavanaugh说:“这是多年来我们实现的最强劲的毛利率。我们的基础业务模式在关键高价值领域增长方面发挥着作用,无论是云、安全、数字还是数据/人工智能,而且我们还有强大的运营杠杆。”
IBM此前一直低估了低利润和原始设备制造商业务,而更青睐于那些更有利可图的业务。 Kavanaugh表示,IBM将加大对服务业务的投入,特别是GTS,这部分涉及90%的企业合同。
尽管季度数据不尽如人意,但IBM表示其服务通路是不错的。“IBM尚未完成交付的服务达到1120亿美元,其中超过30%是云计算相关的,对未来来说这是一个好兆头。”
与此前公布的收益报告相比,IBM显然没有将所谓“战略紧迫性”业务或者预计将重塑IBM的高增长业务纳入财报中。Kavanaugh说,分拆出这些数据没有什么必要,因为这已经占到了IBM 2018年收入的一半以上。“我们从投资者那里得到的反馈是,战略紧迫性业务的衡量标准得到了认可。”
好文章,需要你的鼓励
上海交通大学研究团队开发出革命性AI癌症诊断系统,通过深度学习技术分析50万张细胞图像,实现94.2%的诊断准确率,诊断时间从30分钟缩短至2分钟。该系统不仅能识别多种癌症类型,还具备解释性功能,已在多家医院试点应用。研究成果发表于《Nature Communications》,展示了AI在精准医疗领域的巨大潜力。
南华理工大学等机构提出3DFlowAction方法,让机器人通过预测物体3D运动轨迹来学习操作技能。该研究创建了包含11万个实例的ManiFlow-110k数据集,构建了能预测三维光流的世界模型,实现了跨机器人平台的技能迁移。在四个复杂操作任务上成功率达70%,无需特定硬件训练即可在不同机器人上部署,为通用机器人操作技术发展开辟新路径。
这是首个系统性探索跨视角协作智能的综合性研究,由南京大学、东京大学等顶尖机构联合完成。研究团队首次将"第一人称视角"与"第三人称视角"的协作应用进行了全面梳理,提出了三大技术方向和十三个关键任务,涵盖从智能厨房到手术机器人的八大应用场景。这项突破性工作为人工智能向人类认知迈进提供了重要的技术路径和理论基础。
这项由台湾大学与微软研究团队合作的研究探索了使用音频感知大语言模型(ALLMs)作为自动评判员来评估语音生成模型的说话风格。研究设计了"语音风格指令跟随"和"角色扮演"两个任务,测试了四种语音模型的表现,并比较了人类与AI评判的一致性。结果表明,特别是Gemini-2.5-pro模型,其评判结果与人类评判的一致性甚至超过了人类评判者之间的一致性,证明ALLMs可以作为可靠的自动评估工具。同时研究也发现,即使是最先进的语音模型在说话风格控制方面仍有显著改进空间。