微软 2025Q4业绩电话会议分析师问答lg...

点击收听微软2025Q4业绩电话会议回放 $微软(MSFT)$

基思·韦斯

首先，我想问一个稍微长远的问题。你们一直以来都有软件初创公司作为客户，同时也是潜在的新兴竞争对手。但现在人工智能实验室的情况有所不同。投资者给出的估值是假设这些公司会成为软件行业的主要参与者。他们给出的收入预测是数百亿甚至数千亿美元。而且这些初创公司也已经成长为你们最大的客户之一，因此它们如今对微软的贡献巨大。

因此，支持这些企业似乎有很多潜在机会，但随着这些企业规模扩大，它们是否还会继续成为你们的客户也未可知。他们可能会将部分基础设施外包出去。而且，他们很有可能成为潜在的竞争对手。那么，作为微软的管理者，作为资本的管理者，你们如何在这些快速崛起的人工智能实验室和人工智能初创企业中管理风险与回报呢？

萨蒂亚·纳德拉

我觉得现在和之前的时代没什么不同。一直以来，都会有新的公司涌现，我称之为“头部应用”或“头部”——事实上，这些公司对于新平台的诞生至关重要。

当我开始使用 Azure 的时候，我常常望着湖面，看到 Netflix 和 Amazon，然后我说：“我希望 Netflix 能在 Azure 上运行。” 从某种意义上说，这就是我们现在所拥有的，即在 Azure 上运行的最大 AI 工作负载。

当这种情况发生时，您可以更快地了解工作负载，更快地优化整个平台，从您正在做的事情开始——我们使用 Cosmos DB 为 ChatGPT 或 Copilot 等聊天界面所做的事情，猜猜看，对于未来的任何 AI 应用程序来说都是最相关的。

我们目前构建的整个数据栈将针对人们所说的任何人工智能应用中最难的挑战之一——情境工程——进行优化。情境工程指的是如何收集数据，并确保问题相关的情境在长期内保持稳定，从而获得所需的智能，最终交付所需的结果。因此，这些工作负载结果对于我们学习构建产品和平台而言，都是无价的。

然后，从广义上讲，或者更确切地说，随着时间的推移，它们将会得到广泛的传播。事实上，我和艾米追踪的不仅仅是头部应用程序的使用情况，还包括所有正在构建的二级应用程序的类型。

所以，Keith，我想你的问题是，只要我们有头部应用来塑造平台，然后，我们就能实现广泛的传播。从某种意义上说，这两者都是我们正在看到的。所以我对我们未来良好的发展感到非常满意。

马克·L·莫德勒

Satya 和 Amy，GenAI 革命已经进行了两年多了，应用仍处于早期阶段，并且正在快速发展。您认为软件公司如何才能将 AI 转化为 SaaS 应用的最佳方式？您认为在 AI 的变现方面存在哪些差异？

横向来看，像 M365 Copilot 或 Dynamics CRM Copilot 这样更通用的应用，与代理端非常有针对性的容量相比，应该如何选择？此外，您如何看待 SaaS AI 利润率的长期走势？

萨蒂亚·纳德拉

我的意思是，如果我把范围扩大到SaaS之外，我认为服务器到云的转变本质上是服务器使用范围的扩展。云本质上就是这样的，我们做了很多服务器，但所需的专业知识、资金、启动、构建和扩展服务器所需的时间都很困难。因此，市场达到了一定的规模。

而使用云，您可以灵活地购买它，可以爆发，可以加速或减速，所需的专业知识就会减少，所以它只是数量级的提高。

这就是正在发生的事情。所以，如果你认同这种观点，认为智能基本上是计算量的对数，那就意味着计算量将会增长，你必须尽可能高效地利用它，才能不断创造智能。

那么，除了基础设施之外，它还有哪些具体表现呢？对于 Keith 之前的问题，我稍微谈了一下基础设施是如何成型的，数据层是如何成型的，应用服务器是如何构建的。这些都是经典的基础设施类别，它们将继续存在，但发展速度将提高一到两个数量级。

所以实际上，我们追踪的另一个数据是每个 GPU 都需要存储和计算。这个比例对于基础设施的增长来说也是呈指数级增长的。

所以，当你进入应用层时，SaaS 应用本身正在构建高效的智能代理和聊天界面。它们也在构建自主代理。

代理有点像应用程序，或许像数据库应用程序，但它们在用户交互中的使用越来越广泛。我认为 GitHub Copilot 就是一个很好的例子。它最初是 IDE 上的代码补全功能。后来我们添加了聊天界面，然后又添加了代理模式。现在我们有了一个自主代理，它实际上是完全异步工作的，对吧？所以这四个功能现在基本上都成了 GitHub 的一部分。

顺便说一句，事实证明，所有其他进行任何形式编码的工具都在添加越来越多的 GitHub 代码库。所以，如果我要考虑 GitHub 的盈利，我们有机会通过 GitHub Enterprise 实现盈利，然后我们还可以考虑 GitHub Copilot，以及各种不同规格的 GitHub Copilot。

这与 Microsoft 365 的情况完全一样，也与 Dynamics 365 的情况完全一样。所以你必须非常开放地利用你的数据层、业务逻辑层和 UI 层，并在其中进行更广泛的扩展。只要你这样做，使用率就会上升，我认为这会在结果中体现出来。

艾米·E·胡德

马克，我想，如果你想思考一下你提到的所有事情和层次，你会发现我们在这次转型中也看到了非常类似的盈利工具，对吧？有按用户逻辑，也有按用户层级划分的模式。有时这些层级与消费相关，有时则是纯粹的消费模式。

我认为你将继续看到这些模型的融合。尤其是随着人工智能模型能力的增长，最终你会发现团队会想要限制模型的使用，用最好的模型来完成最好的工作。我认为这些模型的融合将在未来继续成为我们关注的焦点。

卡尔·埃米尔·凯尔斯特德

Satya 和 Amy，Azure 连续第二个季度呈现大幅增长，这似乎得益于本地部署到 Azure 的迁移活动加速。请问您能否结合您与客户的大量沟通，谈谈是否有两三个具体的催化剂推动了这种迁移？您认为这种趋势会持续多久？

萨蒂亚·纳德拉

实际上只有三件事正在发生。一是迁移。一个很好的例子就是我在与雀巢的谈话中提到的，他们迁移了 SAP 实例，以及与之相关的大量数据和大量服务器。这是一个典型的例子。我认为，无论是 VMware 迁移、SAP 迁移，还是我们自己的服务器迁移，都进展得相当顺利。但事实证明，我们离终点还很远，充其量也只是处于中期阶段。

第二件正在发生的事情是云原生应用正在不断扩展。这甚至不包括所有人工智能应用，比如说传统的云原生电商公司。这些应用正在大规模扩展。其中一些客户以前没有使用 Azure，但现在越来越多地使用，因为他们可能是为了人工智能而来，但现在他们留下来不仅仅是为了人工智能。所以对我来说，这是你从 Azure 整体数据中看到的另一件事。

当然，还有新的AI工作负载。所以，从某种意义上说，这三件事是相辅相成的，但这也是推动我们增长的动力。

布伦特·约翰·蒂尔

Satya，回到本季度全面强劲的业绩，有什么事情让您印象深刻或感到惊讶吗？您之前以为不会看到，但本季度却看到了？我认为，仅仅是增长幅度就让很多人感到震惊。

萨蒂亚·纳德拉

我不知道有什么事情真的让我们感到惊讶。但我认为，我们在构建这些人工智能应用程序的过程中，以及总体上，注意到的是，这个平台已经不再只是“这是模型，这是API，进行一些调用”那么简单了，对吧？我的意思是，从某种意义上说，这在一年前就已经达到了最先进的水平。

而现在，这些新兴的、状态化的应用模式，甚至需要对应用堆栈进行大量的重新思考。我的意思是，即使是存储层，考虑到你的复杂程度，你到底想通过预处理构建多少索引，才能让你的即时工程（或者我称之为上下文工程）变得更好、质量更高？

所以我认为所有这些都正在涌现。所以当我看到 Azure Search、Fabric 和 Cosmos DB 这样的产品时，我发现所有这些东西，包括围绕它们的框架，都变得越来越强大，足以构建重要的应用程序。

令我感到高兴的是，公司内部、公司外部的学习曲线、堆栈的传播、应用程序的出现速度都快得多。

我总是回想起来，嘿，当关系数据库出现的时候，人们花了一段时间才构建一个ERP系统。而现在，我们正在以非常非常快的速度构建相当复杂的应用程序，我想，这是基于它正在出现的成熟度。

雷莫·伦肖

我之前对 Copilot 有一个疑问，显然我是巴克莱银行的忠实用户。仔细想想，我们都意识到 Copilot 是人工智能的一部分，但数据正变得越来越重要。从那以后，我们就可以开始考虑座席了。

萨蒂亚，您在与客户的谈话中看到了什么？您认为 Copilot 实际上只是一个起点，从那以后，它的应用范围会变得越来越广泛？

萨蒂亚·纳德拉

即使在 Copilot 内部，我相信你也看到了，对吧？现在有分析师和研究员，仅举两个例子，当然还有人，所有第三方代理。所以，是的，它不仅仅是请求和响应，它本质上是生成应用程序，然后执行工作并返回。

但即使对于异步工作来说，UI 仍然非常重要。为了指导异步工作，你需要 UI。为了监控异步工作，你也需要 UI。或许情况会有所不同，它可能不是一个聊天界面。当然，你需要一种方法来检查异步工作是什么，对吧？

就拿我在 GitHub 上举的例子来说吧。即使你没有使用 GitHub Copilot 创建核心签入或拉取请求，有趣的是，即使你使用 Claude Code 或其他任何语言编写代码，我们也看到 GitHub Copilot 代码审查代理的使用率大幅提升。

我认为所有这些系统都在发生这种情况。你说得完全正确——它一开始会有一个更注重聊天的用户界面，但很快就会超越这个范围。你可以在 M365、Dynamics 365 和 GitHub 中看到它。

卡斯图里·戈帕兰·兰甘

艾米，我想承认的是，几个季度前您曾说过，你们会达到一个可以加速 Azure 业务发展、同时降低资本支出的阶段。您确实做到了。但前景如何？当我查看下一季度的资本支出指引时，我当然会将其视为云服务业务的积极指标。

但是，我们应该如何看待未来几年资本支出与 Azure 增长率曲线的对比，尤其是在我听到 Satya 提到 AI 堆栈正在消耗越来越多的基础设施的情况下？我们是否必须继续这样做，等待推理和应用程序的神奇启动，从而创造更丰富的毛利率组合？祝贺本季度。

艾米·E·胡德

首先，让我先回顾一下，当你想到我对资本支出的全年评论以及超过 300 亿美元的第一季度指引时，你首先必须明白，我们有 3680 亿美元的合同积压订单需要交付，这不仅涉及 Azure，还涉及整个微软云。

因此，就对投资回报率、增长率和相关性感到满意而言，我感到非常高兴，因为我们的支出与我们需要交付的账面业务基本相关，我们需要团队尽最大努力执行，以尽快、有效地实现产能到位。

所以，你看，我们说过增长率会逐年下降，但本质上，我们的投资，尤其是在服务器、GPU、CPU、网络存储等短期资产上的投资，与我们看到的积压订单和需求曲线息息相关。天哪，我在一月份就说过，我认为到六月份我们的供需状况会更好。现在我说，我希望到十二月情况会更好。

这并不是因为我们放缓了资本支出。即使我们加快了支出，并试图尽快获得租赁，让 CPU 和 GPU 尽快投入系统，我们仍然看到需求在改善。

所以，Kash，我不太关注收入增长和资本支出增长何时会交汇。我专注于积累订单、拓展业务和交付产能，就我们目前完成这些任务的能力而言，我们看到了良好的投资回报率。

所以我不希望人们过度关注某个关键点。因为当你处于这种扩张性的时刻时，选择一个数据点通常意味着你会在市场份额增长和获胜方面做出过于保守的选择。所以我倾向于把更多的精力放在那里。

萨蒂亚·纳德拉

我认为另一件事是——我记得我在之前的财报中也提到过，主机托管商和超大规模数据中心的区别在于软件。这里也一样。我举的那个GPT4o例子完全是软件，对吧，去年也做了优化。

所以，我们知道如何运用软件技能，让任何硬件都变得更好几倍。这就是良率的来源。但正如艾米所说，当你真正开始建设工厂时，你不会想把它序列化。你只想全力以赴，在各个方面都努力，而随着时间的推移，这种努力会逐渐积累。

艾米·E·胡德

我确实认为，当萨蒂亚谈到软件层时，他指的是将其与复合S曲线联系起来，这一点很重要。所以我想提醒大家，这是我们在之前的云转型过程中看到的，也是我们当时的运作方式。同样的技能和逻辑，如果能以更快的速度运用，就能应用于同样的转型。

迈克尔·詹姆斯·图林

艾米，也许利润率方面也不错。听到你们预期明年的运营利润率将持平，这令人印象深刻，因为你们正在吸收一些向 Azure 和一些更专注于 AI 的产品组合转变。

您能否更详细地谈谈你们如何管理这些权衡，并抵消部分业务组合变化的影响？我特别想知道，您认为内部利用人工智能带来的生产力提升有哪些值得强调的？或者，您能否提及其他任何支撑全年预期的因素？

艾米·E·胡德

我认为真正需要关注的是，当你考虑利润率时，我认为有时人们会把大量精力放在成本控制上，以此作为利润率的驱动因素。另一个驱动因素是专注于确保你提供一款具有竞争力和创新性的优秀产品，并能够占据市场份额，因为这会推动收入增长。而收入本身，以及收入增长，正如你们大家（甚至可能比我更了解）所了解的，是实现利润率提升的持久途径。它会自我增强。

话虽如此，我想指出的第二件事，其实就是我之前和Kash谈过的事情，Satya和我都提到过，那就是运用我们所有的技能来提高效率，无论它存在于堆栈的哪个层级，S曲线是复合的，我们正在做这项工作，并且在构建的同时专注于此。所以，即使我们继续投资，你也会看到改进。

当然，关键在于继续让优秀的人才专注于我们拥有最大市场、最有可能成功的产品和机遇。因此，当我们做到这三件事，精力充沛、注意力集中的时候，我对利润交付就充满信心。

但请不要误会，一切真的都始于产品，终于产品，而产品也是我们真正关注的重点，并将产品交付给客户。

(这份记录可能不是100％的准确率，并且可能包含拼写错误和其他不准确的。提供此记录，没有任何形式的明示或暗示的保证。表达的记录任何意见并不反映老虎的意见)