微软(408.59, -1.13, -0.28%)今天发布了该公司的2024财年第二财季财报。报告显示，微软第二财季营收为620.20亿美元，同比增长18%，不计入汇率变动的影响为同比增长16%;净利润为218.70亿美元，同比增长33%，不计入汇率变动的影响为同比增长30%。微软第二财季调整后每股收益和营收均超出华尔街分析师预期，但其盘后股价仍旧下跌逾2%(注：微软财年与自然年不同步，截止2023年12月31日的季度为微软2024财年第二财季)。

　　详见：微软第二财季营收620.2亿美元 净利润同比增长33%

　　财报发布后，微软CEO萨提亚·纳德拉(Satya Nadella)、执行副总裁兼CFO艾米·胡德(Amy Hood)、首席会计官爱丽丝·卓拉(Alice Jolla)和副总法律顾问基斯·多利弗(Keith Dolliver)等公司高管出席了随后举行的财报电话会议，解读财报要点，并回答分析师提问。

　　伯恩斯坦分析师Mark Moerdler：艾米谈到了Azure云业务的稳定增长，可否请管理层谈谈Azure人工智能部分的增长潜力，我知道将人工智能部分和非人工智能部分业务分开计算可能比较有难度，所以可否回答我以下两个相关问题。第一，企业数据优化活动逐步稳定，但也将成为公司营收的重要贡献，之后我们会看到非人工智能相关消费趋于稳定吗?上云业务和数据推理需求能否出现加速增长?第二，关于人工智能部分业务，可否请管理层判断一下从训练驱动Azure使用量增长转向推理驱动使用量增长的时间点?推理驱动占比较大的时间点?

　　萨提亚·纳德拉：大家所看到的大部分都是同推理服务功能相关的，大型语言模型训练在Azure营收贡献中占比很小，部分用户使用Azure进行小规模训练和微调的活动还存在，但是都不是主要的活动，所以Azure业务的数据都是同推理相关的。

　　人工智能的新增载荷都是应用在前沿领域，比如对于微软而言就是Azure OpenAI的前沿模式，当然也不限于某一个特定模型，一般来讲，你拿过来一个模型，首先都要做RLHF(基于人类反馈中强化学习)，然后执行微调，检索，这个过程中会触及存储，数据计量和计算机计量的问题，也会有精减模型规模的操作，其中会涉及训练，但也都是使用推理基础设施的小规模训练活动。

　　当然，人工智能载荷也是有生命周期的，包括搭建，再搭建和随时优化的过程。至于你提到的关于企业数据优化活动的问题，我们在上个季度提到，市场上的新载荷层出不穷，周而复始，客户有优化现有载荷的需求，也有开始新载荷的计划，但是以前那种大规模优化的景象不会再现，而常态化的、源源不绝的优化需求依然存在，无论是否与人工智能相关。

　　艾米·胡德：我们对于数据优化可能有多种描述方法，但本质是一样的，本财年下半年我们将坚持提升人工智能相关业务的贡献占比，相关业务也开始呈现规模化的增长，也希望大家能够理解我们对于这一规模化增长前景的描述。推理载荷将推动生产力的增长，推高营收增速，这些都是相关的，还有就是客户维护业务(TAM)的增长是同人工智能和非人工智能业务都相关的。

　　杰弗瑞分析师Brent Thill：艾米，考虑到公司在人工智能方面的投资，微软在第二财季所取得的利润率增长是令人震惊的，我很想知道这一成绩是如何取得的，在扩大人工智能相关业务的过程中，公司着重管理了哪些方面的成本?

　　艾米·胡德：我们在这方面确实着力不小，考虑到一年前暴增的影响，公司在第二财季所取得的利润率提升大部分还都是运转率方面的改善，当然，从绝对数字上看，利润率的提升也是非常不错的，这也反映了萨提亚和我反复提及的，在技术栈上投资需要坚持的一致性原则，对于任何团队而言，投资的目标都是增强人工智能赋能，可能投入的资源并不要太多，这也是我们投资基础设施的转型方向，坚持人工智能优先。这个跟我们用什么样的术语描述关系不大，而同团队日复一日的坚持有关，这是创造机会的关键，利润率改善是众多团队成员合作的结果。

　　我们谈到了Office 365，Azure核心平台服务，以及设备产品业务的实质性改善。毛利率改善，人工智能载荷的增加，以及团队规模控制都是我们能在第二财季取得佳绩的原因。我们还将继续投资，挖掘下一个十年的机会，同时也履行好对于客户的各种日常服务承诺。

　　高盛(386.87, 6.31, 1.66%)分析师Kash Rangan：萨提亚，云计算行业这十年的发展对于科技栈的改变超乎想象，数据层和操作系统层面的本质出现了极大的变化，公司管理层如何预测生成式人工智能对于技术栈的改变?

　　萨提亚·纳德拉：是有非常基础性的影响的，可以说核心计算基础设施本身也发生了变化，包括算力密度、数据库设计、CPU、网络、存储等等方面，载荷也发生了变化。过去一年中我感觉最振奋人心的事情就是数据层为适应人工智能技术发展而出现的演进，其中一个非常天才的改变就是实现存储和计算层的分离，在计算层面完成各种工作，并在业务层面将各种计算整合，这是我所说的工具层面的变化。利用GPT Copilot编程辅助工具提升Office服务的可扩展性，是我们在技术栈上所做的工作之一，我是说在云上搭建人工智能服务是非常有效的，而人工智能发过来也推动了云服务的演进，包括基础设施和app层面的变化。