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
四川大学研究团队发现,当前先进的AI模型在面对信息不完整的数学问题时,缺乏主动询问澄清信息的能力,更倾向于基于假设给出答案。
中南大学等机构联合发布TextAtlas5M数据集,包含500万图像-文本对,专门解决AI长文本图像生成难题。该数据集平均文本长度148.82词,远超现有数据集,涵盖广告、学术、教育等真实场景。配套的TextAtlasEval基准测试显示,即使最先进的商业模型也面临显著挑战,为AI图像生成技术指明了新的发展方向。
从11岁就梦想造人形机器人的Bernt Bornich,用'huggable'形容他的Neo Gamma机器人——这个能举起150磅的66磅'运动员',正以家庭为试验场突破AI学习瓶颈:'工厂20小时就触及学习天花板,而家庭环境的多样性才是通往AGI的钥匙'。
剑桥大学研究团队创建了史上最难的AI视觉测试ZeroBench,包含100道精心设计的视觉推理题目。在这项测试中,包括GPT-4o、Claude、Gemini在内的20个全球最先进AI模型全部得了0分,暴露了当前AI在基础视觉理解上的严重缺陷。研究发现AI主要在计数、空间推理等基础任务上失败,而非逻辑推理能力不足。