IBM今天公布第三季度财报显示,该季度收入增长比投资者预期的低了近2亿美元,这一结果令投资者倍感意外,但如果不计算预计年底剥离的子公司Kyndryl的话,总收入是增长的。
针对剥离业务和汇率进行调整之后,该季度IBM收入小幅下滑0.2%至176亿美元,不包括Kyndryl业务的话收入增长1.9%,此前分析师预期的收入为177.9亿美元。该季度IBM的每股收益为2.52美元,符合预期水平,较上年同期下降2%。
投资者不喜欢意外,因此IBM股价在盘后交易中下滑超过4%。
IBM高管则向分析师们展现了一个看涨的前景,称公司业绩低于预期意味着从投资角度是长期看涨的。公司首席财务官James Kavanaugh表示:“我们看到了市场机会,并将进行投资以获得未来收入。”
从以往来看,第四季度Kyndryl通常会贡献50亿美元的收入,由于短期内难以做出预测,因此IBM建议投资者们重点关注利润率和自由现金流,而不是收入增长。IBM看起来似乎很期待将Kyndryl剥离,以摆脱低利润业务从而专注于软件和服务。
Pund-IT首席分析师Charles King表示,剥离战略是合理的。“尽管Kyndryl的业务部门和工作团队贡献了可观的年收入,但利润率的下滑拖累了整体表现,剥离策略对IBM的盈利能力也许是有利的。”
CCS Insight公司软件开发研究总监Bola Rotibi对此表示认同。她说,IBM一直说要“成为一个更敏捷的企业,并定位为一家更多以客户为中心的公司,因此剥离Kyndryl将让Kyndryl和IBM都能够更有效地集中精力。你可以看看市场中的领先厂商,几乎所有厂商都把重点转移到提高产品组合中软件所占的份额上。”
备受关注的IBM云业务,经过调整之后收入增长11%至278亿美元,云和认知软件产品业务销售额增长了28%。支持IBM混合云战略的子公司Red Hat,收入增长了17%,整体云收入增长了20%。
King表示,尽管2019年IBM以340亿美元收购Red Hat的时候,有一些分析师认为这笔交易太贵了,但是现在Red Hat为IBM实现了期待中的云业务提升。“IBM致力于支持各种公有云平台,以及打造一种云相关开放技术的通用语言,收购Red Hat是IBM这一战略最为广泛的一个例子,不断增长的收入流表明,这项战略正在步入正轨。”
虽然IBM“尚未实现和主流超大规模云厂商类似的增长,但我认为IBM的策略更有针对性,是明智的做法,”Rotibi说。
专注于实现增长
尽管收入低于预期,但IBM首席执行官Arvind Krishna并没有放弃早先关于要“从2022年开始稳步增长”的承若。他在一份声明中称:“我们更加专注于更好地服务客户,有信心实现中等个位数收入增长的中期目标,创造强劲的自由现金流。”
Kavanaugh在和分析师的电话会上表示:“我们正处于IBM发展未来的关键节点上,预计第四季度会实现中等个位数的增长。”
IBM表示,剥离服务业务将让IBM能够专注于增长,目前IBM的收入中有40%来自软件,30%来自咨询。Rotibi表示,这一策略是符合市场方向的。“企业仍然在投资基础设施,但是灵活性、敏捷性和自动化都是通过软件实现的。”
Rotibi说,IBM专注于金融服务等垂直行业云的做法,也是与其他竞争对手不同的。“这是利用了IBM通过服务业务在这些行业市场中所占据的稳固地位。”
IBM的自由现金流很强劲,达到111亿美元,过去12个月中增加了3亿美元。IBM将把部分资金用于偿还340亿美元收购Red Hat所产生的债务。该季度结束时,IBM负债为545亿美元,自2020年底以来负债减少了70亿美元,自2年前完成收入Red Hat时减少了185亿美元。
从部门来看,GBS(包括咨询、应用管理和全球流程服务)增长了11%达到44亿美元,其中云收入增长了37%。
GTS全球技术服务收入减少5.4%至62亿美元。基础设施和云服务销售额下滑6%,技术支持服务销售额下滑5%,而这些业务大多数将成为Kyndryl的组成部分。
System部门收入下滑12.4%,主要是由于预期产品周期更新导致市场对IBM Z系列大型机需求减弱。另外,存储业务收入增长了11%。
好文章,需要你的鼓励
CIO们正面临众多复杂挑战,其多样性值得关注。除了企业安全和成本控制等传统问题,人工智能快速发展和地缘政治环境正在颠覆常规业务模式。主要挑战包括:AI技术快速演进、IT部门AI应用、AI网络攻击威胁、AIOps智能运维、快速实现价值、地缘政治影响、成本控制、人才短缺、安全风险管理以及未来准备等十个方面。
北航团队发布AnimaX技术,能够根据文字描述让静态3D模型自动生成动画。该系统支持人形角色、动物、家具等各类模型,仅需6分钟即可完成高质量动画生成,效率远超传统方法。通过多视角视频-姿态联合扩散模型,AnimaX有效结合了视频AI的运动理解能力与骨骼动画的精确控制,在16万动画序列数据集上训练后展现出卓越性能。
过去两年间,许多组织启动了大量AI概念验证项目,但失败率高且投资回报率令人失望。如今出现新趋势,组织开始重新评估AI实验的撒网策略。IT观察者发现,许多组织正在减少AI概念验证项目数量,IT领导转向商业AI工具,专注于有限的战略性目标用例。专家表示,组织正从大规模实验转向更专注、结果导向的AI部署,优先考虑能深度融入运营工作流程并产生可衡量结果的少数用例。
这项研究解决了AI图片描述中的两大难题:描述不平衡和内容虚构。通过创新的"侦探式追问"方法,让AI能生成更详细准确的图片描述,显著提升了多个AI系统的性能表现,为无障碍技术、教育、电商等领域带来实用价值。