美国纽约州ARMONK,东部时间2020年1月21日,IBM(NYSE:IBM)发布2019第四季度及全年业绩报告。
IBM公司董事长、总裁兼首席执行官罗睿兰(Ginni Rometty)表示:“我们为2019年画上了一个圆满的句号,第四季度实现了全面的营收增长,特别在云业务营收方面增长加速。展望未来,这为我们在2020年实现持续的营收增长奠定了基础,我们将继续帮助客户将关键业务负载转移至混合云,支持他们进一步扩展认知型企业之旅。“
IBM高级副总裁兼首席财务官James Kavanaugh表示:“在第四季度我们继续投资在高价值增长领域并采取了一些大胆的举措——其中包括多个业务剥离和一个大型收购——以更好地维持业务定位,这些都在强劲的毛利业绩上表现出来了。在完成红帽收购之后,通过强劲的自由现金流和严格的财务管理,我们下半年的业绩显著。”
第四季度,公司经营活动创造净现金流35亿美元,不计入全球融资部门的应收账款为67亿美元。IBM自由现金流为60亿美元,通过派发股息的形式向股东返还了14亿美元。
2019全年,公司经营活动创造净现金流148亿美元,不计入全球融资部门的应收账款为143亿美元。IBM自由现金流为119亿美元,向股东返还71亿美元,其中通过派发股息的形式向股东返还了57亿美元,通过回购股票的形式向股东返还了14亿美元。
截止第四季度结束,IBM持有现金为90亿美元,其中包括可转换债券。负债为629亿美元,其中包括全球融资部门的应收账款247亿美元——自第三季度末减少34亿美元,自第二季度末减少101亿美元。
云及认知软件部门(包括Red Hat在内的云和数据平台、认知应用和交易处理平台)——营收为72亿美元,增长8.7%(按调整后汇率计算增长9.4%),重点增长领域为云、安全、物联网;其中云和数据平台增长19%(按调整后汇率计算增长20%),认知应用增长1%; 交易处理平台,增长3%(按调整后汇率计算增长4%)
全球企业咨询服务部(包括咨询、应用管理和全球流程服务)——营收为42亿美元,下降0.6%(按调整后汇率计算下降0.3%),咨询服务继续增长,增长4%
全球信息科技服务部(包括基础设施和云服务以及技术支持服务)——营收为69亿美元,下降4.8%(按调整后汇率计算下降4.0%)
系统部(包括系统硬件和操作系统软件业务) ——营收为30亿美元,上升16%(按调整后汇率计算上升16.5%),IBM Z增长高达62%(按调整后汇率计算上升63%);存储系统营收增长3%
全球融资部(包括融资和二手设备出售业务)——营收为3.01亿美元,下降25.3%(按调整后汇率计算下降24.9%),反映出OEM商业融资的收缩。
全年业绩反映出于2019年7月完成的Red Hat收购的影响。合并摊薄后每股收益10.56美元,较2018年的9.52美元增长11%。合并净收入为94亿美元,年增长8%。全年营收总额为771亿美元,年下降3.1%(按调整后业务和汇率计算上升0.2%),2018全年为796亿美元。
从持续经营获得的经营(非美国通用会计准则non-GAAP)摊薄后每股收益为12.81美元,较2018年13.81美元下降7%。全年经营(非美国通用会计准则non-GAAP)净收入为114亿美元,较上一年度的127亿美元下降10%。
IBM预期GAAP每股摊薄收益至少10.57美元,经营(非美国通用会计准则non-GAAP)每股摊薄收益至少13.35美元。经营(非美国通用会计准则non-GAAP)摊薄后每股收益预期不包括每股2.78美元的购买无形资产摊销费用和其它与收购相关的费用,包括结算前费用,如财务成本、退休相关费用和税收改革制定的影响。IBM预期自由现金流约125亿美元。
好文章,需要你的鼓励
IBM Spyre加速器将于本月晚些时候正式推出,为z17大型机、LinuxONE 5和Power11系统等企业级硬件的AI能力提供显著提升。该加速器基于定制芯片的PCIe卡,配备32个独立加速器核心,专为处理AI工作负载需求而设计。系统最多可配置48张Spyre卡,支持多模型AI处理,包括生成式AI和大语言模型,主要应用于金融交易欺诈检测等关键业务场景。
加拿大女王大学研究团队首次对开源AI生态系统进行端到端许可证合规审计,发现35.5%的AI模型在集成到应用时存在许可证违规。他们开发的LicenseRec系统能自动检测冲突并修复86.4%的违规问题,揭示了AI供应链中系统性的"许可证漂移"现象及其法律风险。
意大利初创公司Ganiga开发了AI驱动的智能垃圾分拣机器人Hoooly,能自动识别并分类垃圾和可回收物。该公司产品包括机器人垃圾桶、智能盖子和废物追踪软件,旨在解决全球塑料回收率不足10%的问题。2024年公司收入50万美元,已向谷歌和多个机场销售超120台设备,计划融资300万美元并拓展美国市场。
这项由剑桥大学、清华大学和伊利诺伊大学合作的研究首次将扩散大语言模型引入语音识别领域,开发出Whisper-LLaDA系统。该系统具备双向理解能力,能够同时考虑语音的前后文信息,在LibriSpeech数据集上实现了12.3%的错误率相对改进,同时在大多数配置下提供了更快的推理速度,为语音识别技术开辟了新的发展方向。