微软周三发布的2025财年第四季度财报显示,公司营收超出预期,主要得益于蓬勃发展的云业务和AI技术。
微软董事长兼首席执行官萨蒂亚·纳德拉在声明中表示:"云计算和AI是推动各行各业商业变革的驱动力。"
纳德拉首次披露了微软Azure云计算平台的营收数据。他表示,在截至6月30日的财年中,Azure营收超过750亿美元,同比增长34%,这得益于"所有工作负载的增长",包括AI工作负载。平均而言,Azure每季度带来近190亿美元营收,与云计算领域的王者AWS相比仍有约100亿美元的差距。AWS最近公布的第一季度净销售额约为290亿美元。根据Alphabet第二季度财报,谷歌云的年化营收规模为500亿美元。
纳德拉在财报电话会议上表示:"我们继续引领AI基础设施浪潮,今年每个季度都在夺取市场份额。"
尽管微软计划在2025财年投入800亿美元资本支出建设能够处理AI业务的数据中心,但纳德拉并未详细说明AI在其中的具体贡献,这引起了金融分析师的关注。
伯恩斯坦研究公司高级分析师马克·默德勒在电话会议中询问,企业如何最好地将AI作为软件服务进行货币化。
纳德拉给出了一个冗长的回答,将AI比作云业务,考虑到两者已经紧密结合,这种比较是合理的。
微软首席财务官艾米·胡德提供了更有针对性的回应,断言AI货币化将类似于其他软件货币化方式。
她说:"有按用户付费的逻辑,有按用户分层的模式。有时这些层级与消费相关,有时是纯粹的消费模式。我认为随着AI模型能力的增长,你会继续看到这些模式的融合。"
换句话说,微软正在为其产品添加AI功能,费用也会随之而来。随着AI融入每个应用程序和服务,所有营收都可以归因于AI。
而这样的营收规模相当可观。总体而言,这家IT巨头第四季度营收达764亿美元,同比增长18%,营业收入343亿美元,增长23%,净收入272亿美元,增长24%。每股收益达到3.65美元,增长24%。
整个财年,微软营收达2817亿美元,增长15%,营业收入1285亿美元,增长17%,净收入1018亿美元,增长16%。每股收益达到13.64美元,增长16%。
Azure属于微软智能云业务集团,该集团第四季度营收299亿美元,增长26%。
公司的生产力和业务流程集团营收331亿美元,增长16%。这包括Microsoft 365商业版和消费者产品、LinkedIn和Dynamics产品。
更个人化计算集团营收135亿美元,增长9%。这包括Windows OEM和设备、Xbox内容和服务,以及搜索和新闻广告营收。
对资本支出和AI营收产生的担忧似乎并未困扰投资者,微软财报发布后股价上涨约8%。投资者的热情使公司市值在盘后交易中突破4万亿美元,成为继AI军火商英伟达之后历史上第二家触及4万亿美元市值大关的公司。
Q&A
Q1:微软Azure云平台的营收表现如何?
A:微软首次披露Azure营收数据,在截至6月30日的财年中,Azure营收超过750亿美元,同比增长34%。平均每季度带来近190亿美元营收,虽然与AWS仍有差距,但增长势头强劲。
Q2:微软如何通过AI技术实现盈利?
A:微软CFO艾米·胡德表示,AI货币化将采用多种模式,包括按用户付费、用户分层和消费模式的融合。微软正在为其产品添加AI功能,随着AI融入每个应用程序和服务,所有营收都可以归因于AI。
Q3:微软第四季度整体财务表现怎么样?
A:微软第四季度营收764亿美元,同比增长18%;净收入272亿美元,增长24%;每股收益3.65美元,增长24%。整个财年营收2817亿美元,增长15%,各项指标均超出预期。
好文章,需要你的鼓励
微软近年来频繁出现技术故障和服务中断,从Windows更新删除用户文件到Azure云服务因配置错误而崩溃,质量控制问题愈发突出。2014年公司大幅裁减测试团队后,采用敏捷开发模式替代传统测试方法,但结果并不理想。虽然Windows生态系统庞大复杂,某些问题在所难免,但Azure作为微软核心云服务,反复因配置变更导致客户服务中断,已不仅仅是质量控制问题,更是对公司技术能力的质疑。
Meta研究团队发现仅仅改变AI示例间的分隔符号就能导致模型性能产生高达45%的巨大差异,甚至可以操纵AI排行榜排名。这个看似微不足道的格式选择问题普遍存在于所有主流AI模型中,包括最先进的GPT-4o,揭示了当前AI评测体系的根本性缺陷。研究提出通过明确说明分隔符类型等方法可以部分缓解这一问题。
当团队准备部署大语言模型时,面临开源与闭源的选择。专家讨论显示,美国在开源AI领域相对落后,而中国有更多开源模型。开源系统建立在信任基础上,需要开放数据、模型架构和参数。然而,即使是被称为"开源"的DeepSeek也并非完全开源。企业客户往往倾向于闭源系统,但开源权重模型仍能提供基础设施选择自由。AI主权成为国家安全考量,各国希望控制本地化AI发展命运。
香港中文大学研究团队开发出CALM训练框架和STORM模型,通过轻量化干预方式让40亿参数小模型在优化建模任务上达到6710亿参数大模型的性能。该方法保护模型原生推理能力,仅修改2.6%内容就实现显著提升,为AI优化建模应用大幅降低了技术门槛和成本。