IBM 公司表示有信心应对不确定的经济环境,今日发布的营收和盈利数据均超出分析师预期,并重申了全年财务指引。
第一季度每股收益为 1.60 美元,较一年前的 1.68 美元有所下降,但高于市场普遍预期的 1.42 美元。营收增长 0.5%,达到 145.4 亿美元,超出预期的 143.9 亿美元。
增长主要得益于 IBM 的软件部门,其在固定汇率下增长 9%,达到 60 亿美元。软件现占 IBM 业务的约 45%,其中 80% 为持续性收入。由 Red Hat 主导的混合云业务增长 13%,这是其连续第七个季度实现中两位数增长。
自动化收入增长 15%,数据业务增长 7%。根据首席财务官 James Kavanaugh 的说法,由于“客户在非必需项目上推迟决策”,IBM 的咨询部门收入保持在 51 亿美元不变。
Kavanaugh 表示,考虑到客户对特朗普政府不断波动的关税政策影响存在不确定性,IBM 对今年咨询业务的贡献持谨慎态度。不过他指出,“在第二季度前 3 周内,我们并未观察到客户购买行为有任何重大变化。” IBM 预计其咨询业务在可预见的未来每年将增长 5% 至 6%,并认为其推动基础设施销售的能力具有战略价值。
首席执行官 Arvind Krishna(如图所示)指出,“咨询业务更容易受到非必需削减和 DOGE 相关举措的影响”( DOGE 指的是政府效率部 ),但他表示这种影响对 IBM 整体业务预期是温和的。
他说:“我们处理退伍军人福利申领,协助一般服务管理局( General Services Administration )进行采购,支持实施薪资系统。我并不认为这些服务是可有可无的。我们预计这些业务将继续稳步发展。”
IBM 表示预计第二季度营收将在 164 亿美元至 167.5 亿美元之间,高于市场普遍预测的 163.1 亿美元。尽管整体财报乐观,IBM 股价在盘后交易初期下跌超过 6%。不过,其股价今年已上涨近 12%,而 S&P 500 指数则下跌超过 8%。
为了强调成本管控的重要性,IBM 报告其毛利率达 55.2%,较一年前的 53.5% 提升。税前利润率为 8%,较上年的 7.5% 增长。Kavanaugh 表示,公司已将人工智能嵌入超过 70 个工作流程,并通过提升供应链效率节省支出超过 10 亿美元。
Kavanaugh 说:“我们在 2024 年末实现了 35 亿美元的年度持续性成本节约,并且我们在本季度的毛利表现中持续看到这些努力的效果。这些举措构建了一个正向循环,使我们能够重新投入业务,增强财务灵活性并进一步拓宽利润率。”
高管们指出,IBM 有充足实力应对贸易战,其进口商品支出仅占总支出的 5%,而联邦政府合同收入也不足 5%。
首席执行官 Arvind Krishna 表示:“在短期内,不确定性可能会令客户观望;然而,在动荡时期,混合云自动化、数据主权以及本地部署解决方案的价值将显得更加关键。”他补充称,IBM 预测“国内生产总值将出现轻微放缓,而非大幅下滑。”
关税影响有限
Kavanaugh 表示,目前美国关税政策对 IBM 的影响“非常有限。虽然我们在美国以外的直接业务较少,但我们正策略性地评估替代渠道及其他措施以降低关税影响”,这一策略使得本季度库存上升了约 10%。
高管们还强调了公司在人工智能领域的领先优势,目前的签单额已超过 60 亿美元,上个季度达到 10 亿美元。Krishna 表示,随着基础设施业务比重的提升,当客户将人工智能融入数据处理时,将产生正向循环效应。
基础设施收入为 29 亿美元,下降了 4%,主要由于 Z16 大型机销售下降 14%,该产品处于生命周期末期,预计下月进行替换。
Krishna 表示,其继任产品 Z17“通过多模态 AI 能力实现更强的 AI 加速,新增保护数据的新安全特性,并提供利用 AI 改善系统易用性的工具。鉴于其显著较低的功耗、更高的容量增长及性能提升,这一价值主张在客户中引起了强烈共鸣。”
好文章,需要你的鼓励
本文介绍了 Agentic AI 的概念、特点及应用,强调其自主决策、分解任务与执行复杂目标的能力,并探讨了应用场景与潜在风险。
这项研究提出了一种名为"词汇偏向水印"(LBW)的新方法,专为自回归图像生成模型设计,能够抵抗传统水印技术容易被删除的重生成攻击。研究团队将代币库分为绿色和红色列表,通过软硬两种偏向策略鼓励模型在生成过程中选择绿色列表中的代币,并采用多绿色列表策略增强安全性。实验表明,LBW在多种攻击下展现出卓越的稳健性,尤其是在面对重生成攻击时表现突出,为AI生成内容的可追溯性提供了更可靠的技术保障。
本篇文章以 Navin Chaddha 的采访为主线,阐述了 AI 技术背后人际伙伴关系和早期合作的重要性,以及“协同智能即服务”的理念,强调未来创新依旧由人类主导,技术只是辅助工具。
南方科技大学林剑满团队开创性提出DGAD模型,解决通用物体组合中几何编辑与外观保持的双重挑战。该方法首先利用语义嵌入隐式捕捉物体几何特性,再通过密集交叉注意力机制精确对齐外观特征,成功实现物体在任意场景中的灵活编辑同时保持细节不变。实验表明,DGAD在编辑灵活性和外观保真度上均优于现有技术,为AR/VR内容创建等应用提供了强大工具。