在连续四个季度收下滑之后,今天IBM公布第一季度季度财报,收入增长1%,但投资者倍感意外,IBM股价也在盘后交易中上涨了3%多。这让我们不禁推测,未来几周其他即几家相继发布财报的科技巨头也将带来同样的惊喜。
该季度IBM的收入同比增长至177.3亿美元,超出了分析师平均预期的173.2亿美元。每股收益为1.77美元,也超出了分析师预期的1.69美元。
某种程度上这个意外只是个时机问题,因为按固定汇率调整之后,收入实际上降低了2%。尽管如此,截止到最近,来自IBM任何良好的财务消息都受到了好评,IBM高管们为即将到来的这个季度和全财年描绘了一幅亮丽的画面。
IBM首席财务官James Kavanaugh表示:“我们对收入增长和现金流这两项已经采取了措施的方面充满信心。我们重申,尽管有波折和汇率波动,我们仍预计全年收入是增加的。”
Moor Insights&Strategy总裁Patrick Moorhead表示:“对于这家全身心投入云端的公司来说,这是个不错的开局,对IBM来说,最美好的日子就在眼前。”
而对那些希望了解IBM即将分拆价值190亿美元的基础设施服务业务详情的分析师们来说,可能要让他们失望了,因为IBM高官们只是重申了在年底之前完成分拆的承诺。新公司名为Kyndryl,主要是由IBM现有的全球技术服务业务构成。
疫情影响正在逐渐消散
随着新冠疫情所带来的影响开始消散,IBM高官们对于市场状况的改善总体上持乐观态度。IBM首席执行官Arvind Krishna表示:“支出环境与第四季度相比总体上有所改善。”他指出,与疫情相关的局部封锁和供应链中断加大了预测的难度。“我们看到客户加快了他们的数字化转型,与此同时,我们的混合云业务也发挥了非常重要的作用。”
IBM已经将Krishna领导下的战略定位范围缩小到了混合云和人工智能领域。他表示,混合云是一个规模达1万亿美元的市场机会,到目前为止,只有不到25%的工作负载进行了迁移。IBM称,目前已经有3000家客户在使用IBM混合云平台。
Pund-IT首席分析师Charles King表示:“鉴于IBM Cloud在Krishna当前战略和未来计划中发挥着至关重要的作用,实现这一增长尤是令人欣喜的。”
从细分部门来看,IBM的云与认知软件业务收入增长了4%,系统收入增长了4%,全球业务服务收入增长了2%。从季度来看,云收入为65亿美元,增长了21%;从年来看,云收入为263亿美元,增长了19%。全球业务服务和认知部门的云收入增长尤其强劲,分别增长了33%和38%。
系统收入的增长则主要是由IBM Z大型机产品线贡献的。Kavanaugh说,这部分销售增长49%,表现“非常强劲,尤其是产品周期的六个季度了”。他说,到目前为止,Z15的销量已经超过了上一代Z14。
财报中有一项不足,那就是全球技术服务部门的收入从去年同期的64.7亿美元下降1.5%至63.7亿美元,不过这个数字仍略高于华尔街的预期,但签约量下降了27%。
Kavanaugh说,签约量这一项是不合适做同期对比的,因为去年IBM同期完成了两笔大金额的交易。他说:“并非所有的签约量级都是一样的。去年,GTS签约量增长了40%多,另外还有四分之一的新客户,这意味着尽管与Kyndryl分拆开了,我们仍然有新增的业务。”
Pund-IT分析师King认为,GTS的小幅下降无需担心。他说:“这比很多人预期的要小得多,对于Kyndryl来说应该是个好消息。”
好文章,需要你的鼓励
OpenAI首席执行官Sam Altman表示,鉴于投资者的AI炒作和大量资本支出,我们目前正处于AI泡沫中。他承认投资者对AI过度兴奋,但仍认为AI是长期以来最重要的技术。ChatGPT目前拥有7亿周活跃用户,是全球第五大网站。由于服务器容量不足,OpenAI无法发布已开发的更好模型,计划在不久的将来投资万亿美元建设数据中心。
阿里巴巴团队提出FantasyTalking2,通过创新的多专家协作框架TLPO解决音频驱动人像动画中动作自然度、唇同步和视觉质量的优化冲突问题。该方法构建智能评委Talking-Critic和41万样本数据集,训练三个专业模块分别优化不同维度,再通过时间步-层级自适应融合实现协调。实验显示全面超越现有技术,用户评价提升超12%。
英伟达推出新的小型语言模型Nemotron-Nano-9B-v2,拥有90亿参数,在同类基准测试中表现最佳。该模型采用Mamba-Transformer混合架构,支持多语言处理和代码生成,可在单个A10 GPU上运行。独特的可切换推理功能允许用户通过控制令牌开启或关闭AI推理过程,并可管理推理预算以平衡准确性和延迟。模型基于合成数据集训练,采用企业友好的开源许可协议,支持商业化使用。
UC Berkeley团队提出XQUANT技术,通过存储输入激活X而非传统KV缓存来突破AI推理的内存瓶颈。该方法能将内存使用量减少至1/7.7,升级版XQUANT-CL更可实现12.5倍节省,同时几乎不影响模型性能。研究针对现代AI模型特点进行优化,为在有限硬件资源下运行更强大AI模型提供了新思路。