IBM在第三季度财报中透露,其"Project Bob"开发者辅助工具已将程序员生产力提升45%,这一显著改进可能是IBM利润率提升或新一轮裁员的原因。
IBM首席执行官Arvind Krishna在公司2025年第三季度财报中公布了这一数据。该季度IBM营收达163.3亿美元,净利润17.5亿美元,同比增长9%,与2024年第三季度3.3亿美元的亏损形成鲜明对比。
Krishna指出,IBM在生成式AI相关业务中获得了95亿美元的订单,这是一项重大成就。大型机营收同比增长59%,这一成果反映了新款Z17机器的成功发布。新一代大型机的推出帮助IBM基础设施营收同比增长15%。AI技术也是这一增长的重要推动因素,因为正如Krishna所指出的,存储是AI基础设施的关键组成部分,IBM因此销售了大量存储设备。
这位首席执行官表示,相比公司的公有云业务,IBM的基础设施业务将从AI热潮中获得更多收益。
当被问及IBM云是否能实现其他服务AI工作负载的云运营商所报告的增长时,Krishna指出IBM与超大规模云服务商建立了合作伙伴关系。
"我们之前没有谈论过,但这绝不是秘密,例如,我们是CoreWeave的大客户之一。我们也在AWS、Azure以及GCP上使用大量基础设施,"他说。"我们有巨大的机会既开展咨询项目,又在这些基础设施上为客户部署我们的软件。"
Krishna提到了"我们的一个大型健康保险客户",该客户不愿使用公有云,"但他们完全愿意在云中获得私有实例,并在那里部署模型,部署我们的软件堆栈并实现增长。所以我们倾向于这样做。"
"在某些情况下,我们也会这样做,例如,对于Grok,我们在人们自己的数据中心部署Grok。这是一个巨大的机会。这将在我们的咨询和软件方面体现为营收增长,因为在Grok基础设施之上,我们在某些情况下会部署我们的软件堆栈。所以这不仅仅是我们在自己的云中获得机会,更重要的是这是一个我们能够把握的增长载体,有助于提高软件和咨询业务的整体增长率。"
这表明IBM云无需大量采购GPU,也无需匹配竞争对手超大规模云服务商在新建和改进数据中心方面的巨额资本支出。
Krishna赞扬了红帽的表现,其预订量增长"约20%",营收增长12%,但也注意到软件业务部门的增长有所放缓——尽管其AI增强产品需求旺盛——并预测未来营收将稳定在"十几或接近十几的增长"。
首席财务官James Kavanaugh补充说:"从软件角度来看,今年迄今为止我们整体增长8.5%,目前接近9%。其中约两个百分点的增长来自我们的生成式AI业务。"
AI技术也在帮助IBM的咨询业务,该业务在本季度恢复增长,目前正在进行200个涉及IBM所称"数字工作者"(即智能体AI的IBM术语)的项目。
公司预测2025财年全年不变汇率营收增长将超过5%。然而,投资者对所听到的消息并不满意,IBM股价在盘后交易中从每股超过288美元跌至269美元。
Q&A
Q1:IBM的Project Bob工具是什么?它有什么作用?
A:Project Bob是IBM开发的开发者辅助工具,它利用AI技术帮助程序员提高编程效率。根据IBM第三季度财报,这款工具已经将程序员的生产力提升了45%,成为IBM提高运营效率的重要技术手段。
Q2:IBM为什么选择租用竞争对手的GPU而不是自建云基础设施?
A:IBM采用合作伙伴模式,与CoreWeave、AWS、Azure和GCP等超大规模云服务商合作,在其基础设施上为客户部署IBM的软件和咨询服务。这样做可以避免巨额资本支出,同时仍能从AI热潮中获益。
Q3:IBM的AI业务表现如何?
A:IBM在生成式AI相关业务中获得了95亿美元的订单,AI技术推动了基础设施营收同比增长15%。在软件业务中,约两个百分点的增长来自生成式AI业务,咨询业务也在进行200个涉及智能体AI的项目。
好文章,需要你的鼓励
阿布扎比科技创新研究院团队首次发现大语言模型生成的JavaScript代码具有独特"指纹"特征,开发出能够准确识别代码AI来源的系统。研究创建了包含25万代码样本的大规模数据集,涵盖20个不同AI模型,识别准确率在5类任务中达到95.8%,即使代码经过混淆处理仍保持85%以上准确率,为网络安全、教育评估和软件取证提供重要技术支持。
国际能源署发布的2025年世界能源展望报告显示,全球AI竞赛推动创纪录的石油、天然气、煤炭和核能消耗,加剧地缘政治紧张局势和气候危机。数据中心用电量预计到2035年将增长三倍,全球数据中心投资预计2025年达5800亿美元,超过全球石油供应投资的5400亿美元。报告呼吁采取新方法实现2050年净零排放目标。
斯坦福大学研究团队首次系统比较了人类与AI在文本理解任务中的表现。通过HUME评估框架测试16个任务发现:人类平均77.6%,最佳AI为80.1%,排名第4。人类在非英语文化理解任务中显著优于AI,而AI在信息处理任务中更出色。研究揭示了当前AI评估体系的缺陷,指出AI的高分往往出现在任务标准模糊的情况下。