IBM公司公布的营收与每股收益均超出分析师预期,但由于管理层拒绝上调全年业绩预测,其股价在盘后早盘交易中一度下跌逾7%。
按固定汇率计算,IBM第一季度营收增长6%,达到159亿美元,高于分析师预测的156.2亿美元。每股收益增长19%,至1.91美元,超出分析师预期的1.81美元。毛利润达92亿美元,同比增长12%,毛利率上升1.1个百分点至57.7%。
首席财务官詹姆斯·卡瓦纳表示,第一季度营收增速创十年来最强。"这是一个极为强劲的年度开局,"他说。
尽管如此,管理层仍拒绝上调全年预测,重申2026年固定汇率营收增速超过5%、自由现金流较上年增加约10亿美元的此前预期。
这一表态似乎令投资者失望。尽管IBM历来不在第一季度后上调预期,股价仍在盘后交易中下跌逾6%。
核研究公司分析师邓肯·范·库特伦表示:"目前许多公司在发布财报前面临较高预期,一旦表现未能尽善尽美,便会遭到市场惩罚。"
不过,IBM本季度各项业务表现几近完美。按固定汇率计算,软件营收增长8%,基础设施营收增长12%,其中新款大型机产品线销售额大涨48%,为整体增长提供了有力支撑。
自首席执行官阿尔文·克里希纳五年前接任以来,软件销售一直是公司的重点方向。"我们对软件业务比上个季度更为乐观,"卡瓦纳说。
IBM并未单独披露人工智能相关营收,但管理层表示需求强劲且持续增长。"AI正在重塑客户的运营环境,"卡瓦纳表示,"IBM对信任、安全与治理的专注,使我们能够为客户切实创造价值。"
范·库特伦指出,数据产品营收16%的增幅表明IBM的AI战略正在获得客户认可。"这看起来是AI带动需求在业绩中的体现,"他说,"企业需要数据、数据架构和运行时环境,而IBM三者兼备。"
基础设施营收的增长同样令人鼓舞。大型机销售近50%的涨幅"说明'一切都将转向超大规模云服务商'的论断并未成真",他表示,"受监管的企业正在大力投资本地AI基础设施,而这恰恰是IBM的优势所在。"
混合云业务(主要为红帽产品)营收增长10%。卡瓦纳表示,红帽OpenShift年化营收已达20亿美元并持续增长。自动化业务增长7%,数据业务增长16%,交易处理业务增长2%。
唯一的软肋是咨询业务,营收为53亿美元,与上年基本持平。"这表明企业正在推进已签约的项目,但可能尚未加速拓展新业务,"范·库特伦表示,"值得持续关注。"
克里希纳表示,中东地区的紧张局势目前尚未对IBM业务造成影响。"我们在中东实现了数十年来最强劲的增长,"他说,"预计这一势头将延续至第二季度。"
截至第一季度末,IBM持有现金、限制性现金及有价证券共计118亿美元,较2025年末减少26亿美元,债务年初至今增加51亿美元。
自由现金流增长3亿美元至22亿美元。卡瓦纳表示,这一指标已日益成为华尔街对公司估值的核心参考依据。
Q&A
Q1:IBM第一季度业绩表现如何?
A:IBM第一季度表现强劲,按固定汇率计算营收增长6%至159亿美元,超出分析师预期;每股收益增长19%至1.91美元,亦优于预期。首席财务官詹姆斯·卡瓦纳表示,这是十年来最强劲的第一季度营收增速。但由于管理层未上调全年预期,股价在盘后交易中下跌超6%。
Q2:IBM的AI业务在财报中有哪些体现?
A:IBM未单独披露AI营收,但管理层强调AI需求强劲且持续增长。分析师指出,数据产品营收16%的增幅是AI带动需求的具体体现。IBM在AI领域聚焦信任、安全与治理,企业客户对数据、数据架构和运行时环境的需求均能由IBM一站式满足。
Q3:IBM咨询业务为何表现疲软?
A:IBM咨询业务第一季度营收约53亿美元,与上年基本持平,成为整体业绩中的唯一软肋。分析师认为,这意味着企业正在执行已签约的项目,但尚未积极拓展新合同,后续表现值得持续关注。
好文章,需要你的鼓励
Uber年度失物报告首次纳入无人驾驶出租车数据。过去一年,乘客在Uber平台的机器人出租车中遗留了数千件物品,包括手机、钥匙、钱包等常见物品,以及假牙、15磅溜溜球等奇特物件。乘客可通过App联系客服找回失物,支付15美元即可享受同城配送,或前往车辆停放站自取。Uber表示,将依托现有运营体系为自动驾驶业务提供全面支持,计划2025年底前在全球15座城市开通无人驾驶打车服务。
TREK方法通过引入外部验证解法对AI进行短期校准,解决了GRPO训练在困难题目上因无法探索正确解法区域而陷入瓶颈的问题,在数学推理和智能体任务上均取得明显提升。
Uber周三发布了一款基于现代Ioniq 5改装的数据采集原型车,搭载14个摄像头、8个固态激光雷达和9个雷达,通过英伟达双驱Thor计算机处理数据。Uber计划今年在全球部署500辆此类车辆,每月可采集200万英里高保真驾驶数据,供Avride、Waymo、WeRide等30余家自动驾驶合作伙伴使用。这是Uber自2020年出售自动驾驶部门以来首次自主组装车辆,也是其AV Labs部门的重要进展。
SkillOpt-Lite通过将智能体技能优化形式化为零阶优化问题,提出极简流水线:把执行轨迹存为文本文件,让AI直接用文件系统工具翻日志、找规律、改技能,配合独立验证门控,比复杂的多智能体优化框架跑得更快效果更好,并自然延伸至执行框架自动优化(HarnessOpt),使轻量模型能够超越大模型。