社区

点击收听微软2026Q2业绩电话会议回放 $微软(MSFT)$

Keith Weiss，
摩根士丹利研究部

我看到微软的财报显示，其盈利同比增长了24%，这是一个非常亮眼的成绩。你们的执行力很强，营收增长良好，利润率也在扩大。但是，我查看了盘后交易，发现股价仍然下跌。我认为投资者担忧的核心问题之一是资本支出增长速度超过了预期，而Azure的增长速度可能略低于预期。我认为这根本上源于对长期资本支出投资回报率的担忧。所以我希望你们能帮我们解答一些疑问，比如我们应该如何看待容量扩张，以及这会对Azure未来的增长产生怎样的影响。更重要的是，我们应该如何看待这项投资最终的投资回报率？

Amy Hood
执行副总裁兼首席财务官

谢谢，Keith。我先来，Satya 可以补充一些更全面的评论。我认为首先，你问的是一个非常直接的关联问题，也是很多投资者都在关注的，那就是资本支出和 Azure 收入之间的关系。上个季度，我们尝试过，而且我认为本季度也会继续尝试，更具体地讨论资本支出都用在了哪些方面，特别是 CPU 和 GPU 上的短期资本支出，以及这些支出最终会体现在哪些方面。

有时候，我认为最好把我们提供的 Azure 指导意见看作是关于我们能够通过 Azure 实现的收入分配的容量指南。因为当我们投入资金并部署 GPU（特别是 CPU，更准确地说是 GPU）时，我们实际上是在做出长期决策。我们首先要解决的是销售中不断增长的使用量，以及 M365 Copilot 和 GitHub Copilot（我们的第一方应用）加速发展带来的问题。然后，我们会确保对研发和产品创新进行长期投资。我认为，您在过去一段时间里看到的我们和产品的发展加速，很大程度上源于我们将 GPU 和容量分配给了我们过去几年招聘的许多优秀的 AI 人才。

最终，剩余的资金将用于满足 Azure 不断增长的需求。我经常被问到这个问题，不妨这样想：如果我把第一季度和第二季度新增的 GPU 全部分配给 Azure，KPI 将会超过 40。我认为最重要的是要意识到，这关乎对整个技术栈各个层面的投资，而这些投资最终都会惠及客户。我希望这能帮助我们更好地理解资本增长，它体现在方方面面，包括业务的收入增长和运营支出增长，因为我们对人才进行了投资。

Satya Nadella
董事长兼首席执行官

是的，我觉得你——艾米已经解释清楚了。但基本上，作为投资者，我认为当你考虑我们的资本以及我们投资组合的通用市场价值时，你当然应该想到Azure。但你也应该考虑M365 Copilot、GitHub Pilot、Dragon Copilot和Security Copilot。所有这些都具有通用市场价值和终身价值。我的意思是，如果你仔细想想，获得Azure客户对我们来说至关重要，但获得M365、GitHub或Dragon Copilot的客户也同样重要，顺便说一句，这些都是我们新增的业务和潜在市场。因此，我们不想只最大化单一业务的价值，我们希望能够在资源有限的情况下合理分配资源，从而构建最佳的终身价值投资组合。这是一方面。另一方面，艾米提到的研发也是一方面。我的意思是，你必须考虑到计算本身也是一种研发，这算是第二个方面。因此，很显然，我们正在利用所有这些因素来优化长期发展。

Mark Moerdler
Bernstein Institutional Services LLC，研究部

恭喜本季度业绩。我们认为投资者想要了解的另一个问题是，如何看待硬件资本支出投资与收入和利润率之间的关系。你们的服务器资本化周期为6年，但平均RPO（恢复点目标）为2.5年，高于上季度的2年。鉴于大部分资本支出都集中在人工智能领域，投资者如何才能确信你们能够在硬件6年的使用寿命内获得足够的收入，从而实现稳健的收入和毛利润增长，并希望增长幅度能与CPU收入的增长幅度相近？

Amy Hood
执行副总裁兼首席财务官

谢谢，马克。我先从宏观层面谈谈，萨蒂亚也可以补充。我认为，当我们谈到平均期限时，我们需要考虑的是——我们需要记住，平均期限是我们各种合同安排的综合体现。很多合同都围绕着像M365或我们的BizApps产品组合，期限较短，比如3年左右。坦白说，它们的期限确实很短。剩下的大部分是Azure合同，期限较长。正如您在本季度看到的，我们将Azure合同的期限从大约2年延长到了2.5年。我们可以这样理解：我们目前投入的大部分资金，以及我们购买的很多GPU，其大部分使用寿命都已经签订了合同。因此，您提到的很多风险并不存在，因为它们的整个使用寿命都已经售出。部分原因是由于 M365 的一些特性，导致 RPO 期限较短。如果只看 Azure，RPO 的期限则稍长一些。这主要是基于 CPU 的，而不仅仅是 GPU。我们之前讨论过的 GPU 合同，包括一些最大客户的合同，都是在 GPU 的整个使用寿命周期内提供的。因此，不存在您可能提到的风险。希望这些信息对您有所帮助。

Satya Nadella
董事长兼首席执行官

是的。还有一点我想补充，除了艾米提到的，也就是设备已经按合同约定了使用寿命之外，我们还会使用软件持续维护我们车队中那些逐渐老化的最新型号。这就能保证设备的使用寿命。归根结底，我们希望——这也是我们不断考虑更新车队的原因，对吧？所以，关键不在于每年购买大量设备，而在于每年都遵循摩尔定律，不断更新设备，利用软件进行优化。

Amy Hood
执行副总裁兼首席财务官

马克，或许我得再强调一下，以免你没注意到，随着产品使用寿命的延长，交付效率实际上会越来越高。也就是说，当产品售罄后，利润率实际上会随着时间的推移而提高。我认为这一点值得大家注意，因为我们在CPU领域经常看到这种情况。

Brent Thill
富瑞有限责任公司，研究部

艾米，关于积压工作中有 45% 与 OpenAI 相关这一点，我很好奇你是否能发表一下看法，显然大家都很担心其持久性。我知道你可能在这方面没什么可说的，但我认为每个人都担心风险敞口。如果你能谈谈你和萨蒂亚的看法，以及你们各自的观察结果，那就太好了。

Amy Hood
执行副总裁兼首席财务官

布伦特，我想我可能会从完全不同的角度来看待这个问题。首先要说明的是，我们之所以讨论这个数字，是因为其中 55%（约 3500 亿美元）与我们产品组合的广度相关，涵盖了各种解决方案、Azure 平台、各个行业和各个地区的众多客户。这是一个相当可观的 RPO 平衡，比大多数同行都要大，也比大多数同行更加多元化。坦白说，我们对此非常有信心。

仅这部分就增长了 28%，这确实令人印象深刻，无论是在覆盖面还是用户采纳率方面，都取得了显著的进步。这也是我被问到最多的问题：它按客户群体、行业和地域划分都实现了增长，而且增长非常稳定。所以，如果你想问我对 OpenAI、合同以及双方关系的看法，我可以告诉你，这是一个非常棒的合作伙伴关系。我们将继续为他们提供规模化支持，我们对此感到非常兴奋。我们隶属于一家非常成功的企业，对此我们感到非常自豪。这使我们能够在产品开发和应用创新方面保持领先地位。

Karl Keirstead
瑞银投资银行研究部

艾米，无论你如何分配第一方和第三方的产能，你能否就新增产能的规模做个定性评价？我认为去年12月季度新增的1吉瓦产能非常惊人，因此产能增长正在加速。但我认为很多投资者都在关注亚特兰大费尔沃特和威斯康星州费尔沃特，他们很想了解未来几个季度新增产能的规模，无论这些产能将如何分配。

Amy Hood
执行副总裁兼首席财务官

是的，卡尔，我想我们已经说过一些事情了。我们正在竭尽全力尽快增加产能。你提到了亚特兰大或威斯康星州等具体地点，但这些都需要数年时间才能交付。所以我并不认为应该过分关注具体地点。我们真正需要做的，也是我们正在全力以赴的事情，是在全球范围内增加产能。其中大部分产能将在美国增加，也就是你提到的那两个地点，但为了满足客户需求和不断增长的使用量，我们也需要在全球范围内增加产能。我们将继续建设长期基础设施。具体来说，我们需要确保有足够的电力、土地和设施，并且一旦GPU和CPU开发完成，我们将尽快安装到这些设施中。

最后，我们会尽力提高效率，优化施工速度和运营方式，使其发挥最大效用。所以，卡尔，我认为这并非仅仅关乎两个地方，我肯定会先抛开这一点。那是长达数年的交付周期。但实际上，我们只需要确保所有正在建设或即将开工的地点都能按时完工。我们正在尽最大努力加快进度。

Mark Murphy
摩根大通公司研究部

Satya，Maia 200 加速器在推理方面的性能表现相当出色，尤其与 TPU、Trinium 和 Blackwell 等成熟产品相比更是如此。您能否从芯片技术在微软核心竞争力中的地位角度来解读这一成就？Amy，从未来推理成本的毛利率来看，这方面有哪些值得关注的影响？

Satya Nadella
董事长兼首席执行官

是的，谢谢你的提问。有几点需要说明。首先，我们在自主研发芯片方面已经投入了很长时间，尝试过各种不同的方法。因此，我们对 Maia 200 的进展感到非常兴奋，尤其是在想到运行 GPT-5.2 模型以及我们在 FB4 大会上 GEMS 处理器上取得的性能时，这充分证明，当面对新的工作负载，或者说新的工作负载类型时，我们可以从模型、芯片到整个系统进行端到端的创新。这不仅仅关乎芯片本身，还关乎机架级网络的运行方式，以及针对特定工作负载优化的内存配置。

另一方面，我们显然在与自己的超级智能团队密切合作，反复测试所有模型。正如您所想，我们构建的任何东西都将针对 Maia 进行优化。所以我们对此充满信心。我认为，我们应该从整体上看待这个问题，因为我们还处于起步阶段。我的意思是，看看芯片和系统创新的数量就知道了。自去年 12 月以来，我认为新的趋势是每个人都在谈论低延迟推理，对吧？因此，我们想要确保的一点是，我们不会被任何单一技术所束缚。事实上，我们与 NVIDIA 和 AMD 都建立了良好的合作关系，他们在创新，我们也在创新。我们希望在任何特定时间点，我们的服务器都能获得最佳的总体拥有成本 (TCO)。这并非一朝一夕之功。我认为很多人只是在讨论谁领先。但请记住，你必须始终保持领先。这意味着您需要认真考虑将市场上涌现的大量创新技术应用到您的机队中，从而使您的机队在总体拥有成本 (TCO) 层面上获得根本优势。这就是我的看法，我们对 Maia、Cobalt、DPU 和 NIC 都感到非常兴奋。我们拥有强大的系统能力，这意味着我们可以进行垂直整合。但垂直整合并不意味着我们只能进行垂直整合。我们希望保持灵活性，而这正是我们所做的。

Brad Zelnick
德意志银行研究部

Satya，我们在 Ignite 大会上从 Judson 那里听到了很多关于前沿转型的信息，我们也看到客户在采用微软 AI 技术栈后获得了突破性的收益。您能否帮我们分析一下企业开启这些转型之旅的势头？以及，他们作为前沿企业，在微软的支出预计会增加多少？

Satya Nadella
董事长兼首席执行官

是的，谢谢。我认为我们目前看到的一个趋势是，我们的三大主要产品套件的采用率都在不断提高，对吧？比如 M365、安全解决方案以及 GitHub。事实上，这非常令人着迷。我的意思是，这三者过去对我们的客户产生了叠加效应，例如 Entra 作为身份管理系统，或者 Defender 作为安全防护系统，三者结合使用都非常有效。

但现在你看到的是类似 Work IQ 的东西，对吧？我这么说只是为了帮你解释一下，对于任何使用微软产品的公司来说，最重要的底层数据库就是 Microsoft 365 的数据。原因在于它包含了所有隐性信息，比如你的员工是谁，他们之间的关系，他们正在进行的项目，他们的工作成果，以及他们的沟通记录。这对于任何业务流程和工作流来说都是极其重要的资产。

事实上，我之前在视频里提到的场景是，现在你可以把 Work IQ 当作 MCP 服务器和 GitHub 代码库，然后说：“嘿，请看看我上个月在 Teams 里的设计会议记录，告诉我我的代码库是否反映了这些会议内容。”我的意思是，这是一种非常宏观的思考方式，它说明了我们之前在工具业务和 GitHub 业务方面所做的一切，现在是如何突然发生变革的，对吧？这种智能代理确实在某种程度上改变了公司，对吧？我认为，最神奇的地方在于，当你部署这些工具之后，这些代理就能帮助你进行协调，为你的企业带来更大的效益。

当然，除此之外，还有企业正在经历的转型。我们应该如何看待客户服务？我们应该如何看待市场营销？我们应该如何看待财务？我们应该如何思考这些问题并构建我们自己的代理？Fabric 和 Foundry 中的所有服务都围绕着这个主题展开。当然，GitHub 工具以及低代码/无代码工具也在为他们提供帮助。我有一些关于这些工具使用情况的统计数据。但对我来说，最令人兴奋的是新的代理系统，例如 M365 Copilot、GitHub Copilot 和 Security Copilot，它们汇聚在一起，放大了所有数据和部署带来的优势。我认为，这可能是目前最具变革性的影响。

Raimo Lenschow
巴克莱银行有限公司研究部

过去几个季度我们一直在讨论——除了GPU方面，您还谈到了Azure的CPU，而且去年1月初你们进行了一些运营调整。您能谈谈当时的情况吗？或许可以从更宏观的角度来看待这个问题，比如客户是否意识到，如果想要真正交付人工智能，迁移到云端至关重要。那么，我们在云转型方面看到了什么？

Satya Nadella
董事长兼首席执行官

我没完全……

Jonathan Neilson
投资者关系副总裁

抱歉，Raimo，您问的是关于SMC CPU方面的问题吗？或者您能再说一遍吗？

Raimo Lenschow
巴克莱银行有限公司研究部

是的，抱歉。我当时在想Azure的CPU方面的问题，因为我们那边做了一些运营方面的调整。而且我们也经常听到业内人士说，他们意识到如果想真正实现人工智能，就必须使用云服务，这似乎正在推动人工智能的发展。

Satya Nadella
董事长兼首席执行官

是的，我想我明白了。首先，我在之前的发言中提到过，在考虑人工智能工作负载时，应该将其视为人工智能加速器的计算资源，对吧？因为从某种意义上说，任何智能体都会通过一些工具（例如容器）生成，而这些工具显然需要计算资源才能运行。事实上，我们——即使是在考虑构建集群时，我们也会考虑计算资源的比例，或者考虑训练任务的计算资源。人工智能训练任务需要大量的计算资源和与计算资源密切相关的存储资源。因此——推理也是如此。

因此，在代理模式下进行推理实际上需要为代理配置一台计算机或计算资源。所以并非如此——它们不需要GPU。它们确实在GPU上运行，但它们需要计算机，也就是计算和存储设备。这就是即使在新环境下，情况依然如此。

您提到的另一点是云迁移仍在进行中。事实上，我掌握的一项统计数据显示，SQL Server（最新版本）作为 Azure 上的 IaaS 服务正在快速增长。因此，这也是我们必须考虑商业云并使其与 AI 云保持平衡的原因之一，因为当客户迁移现有工作负载或构建新的工作负载时，他们需要在部署区域内拥有所有这些基础设施组件。

(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)