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
本周在圣路易斯举办的SC25超级计算大会上,多家科技巨头发布了面向AI热潮的高性能计算产品。英伟达推出Apollo物理仿真AI模型和两套基于Grace-Blackwell架构的RIKEN超级计算机。戴尔发布AMD Instinct驱动的XE9785服务器和英特尔R770AP服务器,以及两款新交换机。法国与AMD合作建设首台百亿亿次超级计算机Alice Recoque,预算6.4亿美元,将成为欧洲第二台百亿亿次系统。
谷歌DeepMind等顶级机构联合研究揭示,当前12种主流AI安全防护系统在面对专业自适应攻击时几乎全部失效,成功率超过90%。研究团队通过强化学习、搜索算法和人类红队攻击等多种方法,系统性地突破了包括提示工程、对抗训练、输入过滤和秘密检测在内的各类防护技术,暴露了AI安全评估的根本缺陷。
人工智能为已经过度充斥内容的社交媒体世界增添更多燃料。AI的大规模生产能力让内容泛滥问题更加严重,同时算法操控也变得更加可疑。在广告领域,AI工具可能彻底改变传统广告模式,通过智能代理的受托责任替代常见广告形式。未来AI甚至可能使用人类的AI化身代笔写书,模仿其声音、历史和个性。这引发了关于人类作者身份和写作本质的深刻思考。
西蒙弗雷泽大学和Adobe研究院联合开发的MultiCOIN技术,能够将两张静态图片转换为高质量的过渡视频。该技术支持轨迹、深度、文本和区域四种控制方式,可单独或组合使用。采用双分支架构和分阶段训练策略,在运动控制精度上比现有技术提升53%以上,为视频制作提供了前所未有的灵活性和精确度。