AI革命:揭开微软无与伦比的AI技术面纱

news2024/9/28 11:17:20

来源:猛兽财经  作者:猛兽财经

猛兽财经

2023年7月25日,全球科技行业的领导者之一微软(MSFT)公布了其2023财年第四季度的财报。

除了举世闻名的Windows操作系统,微软还通过笔记本电脑、个人电脑和服务器等产品改变了世界,该公司的软件产品组合包括Microsoft 365、SQL、Office等,由于美联储的高利率导致消费者支出疲软,这些产品的销售收入在最近几个季度出现了放缓的趋势。

但是最近几个月,情况已经开始好转了,微软的首席执行官萨蒂亚·纳德拉也在不断的放出利好消息来提高投资者对微软的信心。

首先是微软在与美国联邦贸易委员会的诉讼中获胜的消息,以及英国竞争与市场管理局已开始对微软收购动视暴雪进行第二轮审查的消息。此外,路透社还在7月21日报道称,英国竞争与市场管理局可能会在8月的第二周就该交易达成新的初步意见。猛兽财经认为,微软完成此次收购的可能性很高,这不仅将使公司的游戏业务重新回归增长,还将减少卖空者对其股价的影响。

其次是微软在云计算方面取得了巨大进展,这要归功于微软的Azure,它已成为亚马逊(AMZN)网络服务和谷歌云平台的主要竞争对手。在2023年7月18日举办的微软Inspire大会上微软公布了企业版必应,并提供了有关微软365 Copilot人工智能助理技术的更多信息。例如,Microsoft 365 Copilot将采取订阅付费模式,费用为每位用户每月30美元。猛兽财经认为这个价格对客户是很有吸引力的,因为这些功能可以大幅的提高员工的生产力。因此,市场对Microsoft 365 Copilot的需求将在其正式推出后像滚雪球一样增长。

另一方面,受益于人工智能的爆火和Azure OpenAI服务用户数量的增加,自2023年初以来,微软的股价已经上涨了44%以上,一举超过了甲骨文(ORCL)、VMware和Alphabet等竞争对手的股价。

微软的财务状况及其前景

微软2023年前三个月的收入为528.6亿美元,比上一季度增长了0.21%,比2022财年第三季度增长了7.1%。除此之外,在过去九个季度中,微软的实际收入也已经连续七个季度超过了分析师的普遍预期,这表明华尔街严重低估了微软。

猛兽财经相信,由于首席执行官萨蒂亚·纳德拉的创新战略,微软正在有效的应对行业竞争和消费者支出复苏缓慢的问题。

最近几个月,微软并没有止步于已经取得的进步,而是继续在全球范围内开发和销售平板电脑、游戏机以及其他设备。核心运营部门智能云业务的收入也已经占到了占微软2023年第三季度总收入的41.8%左右。


 

猛兽财经

与去年相比,微软2023财年第四季度收入大幅增长的原因主要是——服务器产品和云服务以及办公产品的增长。微软管理层在第四季度继续投资数亿美元开发人工智能技术,并将其应用到了公司的各种服务中。因此,在财报会议上,微软的首席执行官萨蒂亚·纳德拉发表了以下言论。

【我们还将下一代人工智能技术中引入Power平台,因此任何人都可以使用自然语言自动化工作流程,创建应用程序或网页以及构建虚拟代理和分析数据。目前已经有超过36000家组织在Power Platform中使用了现有的人工智能功能。随着我们在Power Apps中的新Copilot,我们正在将这些功能扩展到终端用户,他们可以通过对话而不是点击,就可以与任何应用程序进行交互。总而言之,我们现在已经拥有了近3300万月活跃用户,同比增长了近50%。】

在逐渐增加人工智能功能,并对一度衰落的必应进行进一步改进后,我们用户对微软的满意度在最近几周已经有所提高。因此,必应手机应用的下载量正在高速增长,最终对微软的广告收入产生了积极影响。根据StatCounter的数据,必应在美国主机搜索引擎市场的份额已经超过了谷歌(GOOG)。

微软的行业领先地位和收入增长背后的主要原因是研发方面的大力投入。由于设备、企业产品和服务的增加不仅提高了业务流程的效率,而且改善了与客户的交互。因此,该公司可以吸引更多的用户和广告商到其平台。微软的研发支出也在持续增长,在2023财年第三季度达到了69.9亿美元,占总收入的13.2%,是该行业研发支出最高的公司之一。
 

微软2023财年第三季度的营业利润率为42.29%,不但高于上一季度,也高于2021年1月1日至2023年3月底41.8%的中位数。同时,猛兽财经预计到2023年,微软的营业利润率将继续保持稳定,并达到43.5%,到2024年,由于新产品的推出、通货膨胀的降低以及对Azure等云服务的需求增加,这一数值将会增加到45.1%。

微软2023年前三个月的每股收益为2.45美元,环比增长了5.2%,同样值得注意的是,在过去9个季度中,微软的每股收益已经连续8个季度超出了分析师的普遍预期。

微软目前的Non-GAAP P/E为36.77倍,比行业的平均水平高出了91.5%,比过去五年的平均水平高出了15.98%。

另一方面,36.77倍倍Non-GAAP P/E 表明,在华尔街对人工智能的狂热追捧以及美国和欧元区消费者支出急剧放缓的情况下,微软的估值略微被高估了。

猛兽财经认为微软最近几个季度的每股收益好于市场预期的一个主要原因是,它一直在积极的进行股票回购。在2023财年第三季度,微软回购了约55.1亿美元的股票。与此同时,截至2023年3月底,微软股票的剩余授权金额为269亿美元,这使其管理层能够最大限度地减少卖空者对公司股价的影响。

结论

最近几周,微软首席执行官萨蒂亚•纳德拉继续为投资者带来好消息:微软成功推进了收购动视暴雪的交易。微软赢得了对美国联邦贸易委员会的法律诉讼。此外,路透社在7月21日报道称,英国竞争与市场管理局可能会在8月的第二周就该交易达成新的初步意见。猛兽财经认为,微软完成此次收购的可能性很高,最终将加快该公司的游戏业务进一步增长。

猛兽财经相信微软拥有数百万用户的游戏社区也将继续增长和发展,继续为微软创造大量的商业机会。在当今快节奏的世界中,游戏是推动元宇宙平台发展的最重要资产之一。最终,收购动视暴雪的交易将使微软能够在中国和印度等快速增长的市场大幅扩张,并产生大量收入。

在净利润同比增长和大力对研发进行投入的推动下,微软正在快速开发应用于云服务和Office产品的人工智能技术。微软目前的股息率为0.79%,总债务/EBITDA比率已经下降到了0.79倍的历史低点,这些都是微软成为长期投资者投资其股票的众多理由之一。
 

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/808783.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

ARM裸机-2

1、搞清楚各种版本号 1.1、ARM的型号命名问题 ARM7和ARMv7不是一回事。 Cortex-A9比Cortex-A7更先出来。 型号很乱,初学者容易分不清哪个是哪个,比较迷茫。 1.2、ARM的几种版本号 ARM内核版本号(ARM卖给别人的核心版本号) …

IntelliJ IDEA 2023.2 主要更新了什么?(图文版)

🌷🍁 博主猫头虎 带您 Go to New World.✨🍁 🦄 博客首页——猫头虎的博客🎐 🐳《面试题大全专栏》 文章图文并茂🦕生动形象🦖简单易学!欢迎大家来踩踩~🌺 &a…

无敌的服务注册中心Spring CloudAlibaba Nacos不进来看一看吗?

1、Nacos概述 Nacos支持发现、配置和管理几乎所有类型的服务。其Key features:Service Discovery And Service Health Check、Dynamic configuration management、Dynamic DNS service、Service governance and metadata management 官网 2、Nacos安装运行 安装 …

LearnOpenGL_Day1

文章目录 前期准备下载GLFW下载GLAD 引入库文件生成窗口重要概念——双缓冲 (double buffer)代码实现 学习总结 前期准备 下载GLFW GLFW DOWNLOAD 解压后使用CMake编译至新创建的bulid文件夹下: 下载GLAD 引入库文件 创建好工程&#x…

git的ssh方式对接码云

一、环境准备: 1、git下载,360管家或是百度。 2、vs2022,百度下载。 二、配置git: 1、打开准备存放文件的文件夹,右键,选择“Git Bash here”,弹出命令窗口, 输入:ss…

平板光波导中传播常数β的matlab计算(验证了是对的)

参照的是导波光学_王建(清华大学)的公式(3-1-2、3-1-3),算的参数是这本书的图3-3的。 function []PropagationConstantsMain() clear;clc;close all lambda01.55;%真空或空气中的入射波长,单位um k02*pi/lambda0; m3;%导模阶数(需要人为指定) n11.62;%芯…

入门redis你一定需要知道的命令

1、各种数据类型的特点 字符串(string):普通字符串,Redis中最简单的数据类型 哈希(hash):也叫散列,类似于Java中的HashMap结构 列表(list):按照插入顺序排序,可以有重复元素,类似于Java中的Li…

回归预测 | MATLAB实现WOA-ELM鲸鱼算法优化极限学习机多输入单输出回归预测

回归预测 | MATLAB实现WOA-ELM鲸鱼算法优化极限学习机多输入单输出回归预测 目录 回归预测 | MATLAB实现WOA-ELM鲸鱼算法优化极限学习机多输入单输出回归预测效果一览基本介绍程序设计参考资料 效果一览 基本介绍 Matlab实现WOA-ELM鲸鱼算法优化极限学习机多输入回归预测&#…

流数据湖平台Apache Paimon(二)集成 Flink 引擎

文章目录 第2章 集成 Flink 引擎2.1 环境准备2.1.1 安装 Flink2.1.2 上传 jar 包2.1.3 启动 Hadoop2.1.4 启动 sql-client 2.2 Catalog2.2.1 文件系统2.2.2 Hive Catalog2.2.3 sql 初始化文件 2.3 DDL2.3.1 建表2.3.2 修改表 2.4 DML2.4.1 插入数据2.4.2 覆盖数据2.4.3 更新数据…

idea插件开发-自定义语言4-Syntax Highlighter

SyntaxHighlighter用于指定应如何突出显示特定范围的文本,ColorSettingPage可以定义颜色。 一、Syntax Highter 1、文本属性键 TextAttributesKey用于指定应如何突出显示特定范围的文本。不同类型的数据比如关键字、数字、字符串等如果要突出显示都需…

ReID网络(一):MGN网络

Start MGN 1. 序言 现代基于感知的信息中,视觉信息占了80~85%。基于视觉信息的处理和分析被应用到诸如安防、电力、汽车等领域。 以安防市场为例,早在2017年,行业咨询公司IHS Market,我国在公共和私人领域安装有摄像头约1.76亿…

《TCP IP网络编程》第十三章

第 13 章 多种 I/O 函数 13.1 send & recv 函数 Linux 中的 send & recv&#xff1a; send 函数定义&#xff1a; #include <sys/socket.h> ssize_t send(int sockfd, const void *buf, size_t nbytes, int flags); /* 成功时返回发送的字节数&#xff0c;失败…

36.悬浮板

悬浮板 html部分 <div class"container"><div class"square"></div> </div>css部分 *{margin: 0;padding: 0; } body{background-color: #111;height: 100vh;overflow: hidden;display: flex;justify-content: center;align-it…

layui框架学习(33:流加载模块)

Layui中的流加载模块flow主要支持信息流加载和图片懒加载两部分内容&#xff0c;前者是指动态加载后续内容&#xff0c;示例的话可以参考csdn个人博客主页&#xff0c;鼠标移动到页面底部时自动加载更多内容&#xff0c;而后者是指页面显示图片时才会延迟加载图片信息。   fl…

苍穹外卖-day08

苍穹外卖-day08 本项目学自黑马程序员的《苍穹外卖》项目&#xff0c;是瑞吉外卖的Plus版本 功能更多&#xff0c;更加丰富。 结合资料&#xff0c;和自己对学习过程中的一些看法和问题解决情况上传课件笔记 视频&#xff1a;https://www.bilibili.com/video/BV1TP411v7v6/?sp…

第17节 R语言分析:生物统计数据集 R 编码分析和绘图

生物统计数据集 R 编码分析和绘图 生物统计学,用于对给定文件 data.csv 中的医疗数据应用 R 编码,该文件是患者人口统计数据集,包含有关来自各种祖先谱系的个体的标准信息。 数据集特征解释 脚本 output= file("Output.txt") # File name of output log sink(o…

[数据集][目标检测]城市道路井盖破损丢失目标检测1377张

数据集制作单位&#xff1a;未来自主研究中心(FIRC) 数据集格式&#xff1a;Pascal VOC格式(不包含分割路径的txt文件和yolo格式的txt文件&#xff0c;仅仅包含jpg图片和对应的xml) 图片数量(jpg文件个数)&#xff1a;1377 标注数量(xml文件个数)&#xff1a;1377 标注类别数&a…

Spring源码(五)— 解析XML配置文件(二) 定制化标签解析流程

上一篇以bean标签为例&#xff0c;介绍了属于defaultNamesapce标签的解析流程&#xff0c;但是defaultNamespace中默认的标签只有bean、beans、alias、import这四个&#xff0c;而我们平时在xml中配置的标签有很多。那其余的标签是如何解析&#xff1f; 在这篇文章会详细介绍定…

一个监控系统的典型架构

监控系统的典型架构图&#xff0c;从左往右看&#xff0c;采集器是负责采集监控数据的&#xff0c;采集到数据之后传输给服务端&#xff0c;通常是直接写入时序库。然后就是对时序库的数据进行分析和可视化&#xff0c;分析部分最典型的就是告警规则判断&#xff0c;即图上的告…

【李宏毅机器学习·学习笔记】Deep Learning General Guidance

本节课可视为机器学习系列课程的一个前期攻略&#xff0c;这节课主要对Machine Learning 的框架进行了简单的介绍&#xff1b;并以training data上的loss大小为切入点&#xff0c;介绍了几种常见的在模型训练的过程中容易出现的情况。 课程视频&#xff1a; Youtube&#xff1…