微软(513.24, 0.67, 0.13%)今天发布了该公司的2025财年第四财季及全年财报：营收为764.41亿美元，同比增长18%，不计入汇率变动的影响为同比增长17%；净利润为272.33亿美元，同比增长24%，不计入汇率变动的影响为同比增长22%（注：微软财年与自然年不同步）。

 

　　详见：微软第四财季营收764.41亿美元 净利润同比增长24%

　　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）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。

 

　　以下是电话会议实录：

 

　　摩根士丹利(144.94, 1.38, 0.96%)分析师Keith Weiss：公司头部应用的使用情况如何？

 

　　萨提亚·纳德拉：工作负载方面的成果对我们而言极具价值，我们可以从中学习，进而开发产品和平台。而且，从更广泛的角度来说，随着时间推移，这些成果会实现融合。事实上，艾米和我所追踪的不仅包括头部应用的使用情况，还有各类二级应用的开发情况，这在某种程度上恰好能回答你的问题。只要我们有头部应用来塑造平台，之后就会出现扩散效应，而这两种情况目前都在我们的观察范围内，所以我对未来的深入发展和持续推进充满信心。

 

　　伯恩斯坦分析师Mark Moerdler：投资者都非常高兴公司能够超越上个季度的业绩。生成式人工智能革命如今已经开始两年多的时间了，其采用率仍处于初期阶段且在不断上升。管理层认为软件公司将通过何种最佳方式实现人工智能在SaaS（软件即服务）领域的商业变现？

 

　　管理层是否认为，像微软365 Copilot或Dynamics CRM Copilot客户关系管理这类横向的、更为适用于通用场景下的应用，与那些针对性极强的应用相比，在商业化变现方面存在差异？此外，从长期来看，应该如何看待SaaS人工智能业务的利润率走向？

 

　　萨提亚·纳德拉：如果不局限于SaaS这一个类别来看的话，就像从服务器到云的转型本质上是服务器使用量的扩大一样，云的发展过程其实就是这样。过去我们要做大量服务器相关的工作，但问题是，部署服务器、搭建架构、进行扩容需要专业知识、资金投入和时间成本，这些都是难题，所以当时的市场规模也就那么大。而有了云之后，你可以灵活地按需购买服务，能快速扩容也能及时缩容，对专业知识的要求也降低了。所以，这带来的变化是数量级上的。现在正在发生的情况也是如此。如果你认同“智能本质上是计算的对数”这一观点，那就意味着计算需求会不断增长，而我们必须尽可能高效地利用计算资源，才能持续创造智能。除了基础设施层面，这种趋势还体现在哪些方面？我刚刚提到过基础设施、数据层和应用服务器正在逐步成型。这些都是传统的基础设施类别，它们会继续存在，但规模会扩大一到两个数量级。实际上，我们还在追踪一个数据：每一块GPU都需要相应的存储和计算资源支持，这一比例的增长对于基础设施而言也是呈指数级的。

 

　　再看到应用层，SaaS应用本身现在确实在界面中融入了智能代理和聊天功能，而且还在开发自主代理。代理有点像应用程序，比如数据库应用程序，但它们越来越多地被用于用户交互过程中。我觉得GitHub Copilot程序员人工智能助手就是个很好的例子，它从一开始只是集成在IDE（集成开发环境）中的代码补全工具，之后我们为它添加了聊天界面，接着又加入了代理模式，现在已经有了自主代理，能够完全异步运行。所以，这四种功能如今都是GitHub的一部分。

 

　　顺带一提，其他所有涉及编码的工具也都在越来越多地借鉴GitHub的功能。所以，说到GitHub的商业化，我们一方面可以通过GitHub企业版来实现盈利，另一方面也可以针对GitHub Copilot以及它的各种功能形态来探索变现方式。微软365和Dynamics 365的情况也是完全一样的。

 

　　因此，我们必须放开思路，拓展数据层、业务逻辑层和用户界面层的功能，只要做到这一点，用户使用率就会上升，而这一点在业绩数据中也有所体现。

 

　　艾米·胡德：如果想了解各层级相关的所有情况，我们会发现，在这一转型过程中，商业化变现的模式也十分相似：有按用户收费的逻辑，也有分等级的按用户收费模式，这些等级有时与使用量相关，有时则是纯粹的按使用量计费模式。我觉得随着人工智能模型能力的提升，这些模式会继续融合。企业团队最终会找到调控使用量的方法，为特定任务匹配最适合的模型。所以，这种多种模式的融合在未来会持续下去。

 

　　瑞银(37.93, -0.07, -0.18%)分析师Karl Keirstead：这已经是公司连续第二个季度Azure实现了相当显著的增长，似乎这一成绩源于本地部署向Azure迁移活动的加速。我想请问管理层，结合你们与客户的交流，有没有两三个具体的推动因素在驱动这种迁移？以及你认为这一趋势的持续性如何？

 

　　萨提亚·纳德拉：主要有三个因素在起作用。首先是迁移活动。一个很好的例子是我在发言中提到的雀巢(87.65, 0.00, 0.00%)公司的SAP(290.5, 2.96, 1.03%)系统（企业管理和优化）迁移，他们将大量相关数据连同多台服务器一起迁移到了Azure，这算是一个典型案例。无论是VMware（数据中心虚拟化解决方案）迁移、SAP系统迁移，还是我们自身服务器的迁移，目前进展都很顺利，但实际上，这一进程还远未结束，乐观估计可能才刚到中途。

 

　　其次，云原生应用正在不断扩展，这里先不考虑所有人工智能相关的内容，单是那些传统的云原生企业，比如电子商务公司，其规模正在大幅扩张，其中一些客户以前并未使用Azure，但现在越来越多地选择了我们。他们最初可能是为了AI而来，但留下来的原因远不止AI。在我看来，这也是推动Azure整体业绩增长的一个因素。当然，还有新的AI工作负载。这三个因素在某种程度上相互促进，共同推动着我们的增长。

 

　　杰弗瑞分析师Brent Thill：这个季度有没有什么事让管理层格外注意到，或者感到意外的？那些公司本来没预料到，却实实在在发生了的事？因为我觉得这次业绩增长的幅度，确实让不少人感到震惊。

 

　　萨提亚·纳德拉：我其实不觉得有什么事真的让我们感到意外。我们在开发这些人工智能应用的过程中，以及从整体来看，发现平台的功能已不再局限于“这里有个模型、这里有个API，你调用一下就行”这种程度了，要知道，即便在一年前，这种模式或许都还算是最先进的。而现在，一种极具创新的应用模式正在兴起，这甚至需要我们对整个应用技术栈进行大幅重新思考。就拿存储层来说，其复杂程度已然提升——你需要通过预处理构建多大规模的索引，才能让你的上下文建构，变得更出色、质量更高，这些都是需要考量的。

 

　　我认为这一切都在逐步形成。所以，像Azure Search（AI驱动的信息检索平台）、Fabric（适合企业使用的端到端分析平台）和Cosmos DB（全球分布式多模型数据库服务）这类产品，我发现它们周边的各种框架正变得愈发强大，足以支撑开发复杂的应用。让我感到欣喜的是，无论是公司内部还是外部，大家的学习曲线都在上升，技术栈的普及速度以及应用开发的推进速度都快了很多。要知道，想当年关系型数据库刚出现时，人们是花了好长时间才搭建出ERP（企业资源计划）系统，但如今，依托不断提升的成熟度，我们能以极快的速度开发出相当复杂的应用。