Amazon Web Services (AWS) 在最新的财务报告中显示,截至 2024 年 12 月 31 日的这个季度,连续第二个季度实现同比 19% 的收入增长。
公司第四季度收入从 2023 年同期的 240 亿美元增长至 288 亿美元,利润从 2023 年第四季度的 71 亿美元增长至 2024 年的 106 亿美元。
这些业绩表明公司继续保持着"显著加速"的增长势头,公司表示这得益于 2023 年 11 月发布的第三季度业绩。
当时,公司将这一趋势归功于企业越来越多地关注扩大对其公有云技术的使用,此前由于宏观经济压力,企业在 2023 年大部分时间里缩减了其向云端迁移的计划。
这家公有云巨头的全年业绩进一步证实了这一趋势,公司报告显示收入同比增长 19% 至 1076 亿美元,并实现扭亏为盈,2024 年运营收入达 398 亿美元,而 2023 年亏损 27 亿美元。
亚马逊总裁兼首席执行官 Andy Jassy 在公司财报中表示,2024 年第四季度对 AWS 来说是一个"创新显著"的季度,公司推出了新的人工智能芯片和基础模型。
在分析师电话会议上(由金融新闻网站 The Motley Fool 整理),Jassy 表示公司预计 AWS 在未来几年会经历起起落落,但总的来说,他对其云服务将支撑全球大部分 AI 工作负载持乐观态度。
"按照大多数标准来看,AWS 是一个相当大的业务。尽管由于企业采用周期、容量考虑和技术进步的影响,我们预计未来几年的增长会有波动,但我们对 AWS 客户和业务的前景感到乐观,这一点怎么强调都不为过,"Jassy 说。
"虽然有些人可能难以想象一个几乎每个应用程序都融入生成式 AI、大多数公司都拥有自己的代理来完成各种任务并相互交互的世界...但这就是我们一直在思考的世界。我们仍然相信,这个世界将主要建立在云之上,其中最大的比例将在 AWS 上。"
AI 采用对 AWS 财务业绩的积极影响在最近几个季度一直是一个反复出现的主题,但 Jassy 在电话会议上还表示,AWS 仍然专注于帮助公司实现基础设施现代化,并将其从本地环境迁移到公有云。
在这一点上,他提到了公司签署的一些新协议,其中云迁移仍然是核心重点,这使得公司增加了许多新客户。
无论如何,为适应不断增长的公有云和 AI 工作负载需求而建设基础数据中心基础设施将产生成本,公司报告最后一个季度的资本投资支出超过 260 亿美元。
亚马逊首席财务官 Brian Olsavsky 表示,这将代表 2025 年全年的资本支出趋势,AWS 计划在未来 12 个月内在基础设施上投资约 1000 亿美元。
"与 2024 年类似,大部分支出将用于支持不断增长的技术基础设施需求,"Olsavsky 说。
IT 市场观察机构 Forrester 的首席分析师 Lee Sustar 表示,AWS 客户将很高兴听到公司的基础设施投资计划,但这些业绩让投资者感到失望。
"AWS 在 2024 年 19% 的年收入增长对大多数公司来说都是值得庆祝的,但由于对 AI 热潮的期望,投资者感到失望,"他说。
"亚马逊 CEO Andy Jassy 在电话会议上强调,现有设备将提前报废,这将对 2025 年的运营收入造成重大影响,此外还需要持续进行大额投资以支持 AWS 的扩建,尽管这将导致运营利润率降低。投资者可能对此感到不耐烦,但 AWS 客户会欢迎这些持续的投资。"
好文章,需要你的鼓励
数字孪生技术正在改变网络安全防御模式,从被动响应转向主动预测。这种实时学习演进的虚拟副本让安全团队能够在威胁发生前预见攻击。组织可以在数字孪生环境中预演明日的攻击,将防御从事后反应转变为事前排演。通过动态更新的IT生态系统副本,团队可在真实条件下压力测试防御体系,模拟零日漏洞攻击并制定应对策略,从根本上重塑网络安全实践方式。
香港中文大学联合上海AI实验室推出Dispider系统,首次实现AI视频"边看边聊"能力。通过创新的三分式架构设计,将感知、决策、反应功能独立分离,让AI能像人类一样在观看视频过程中进行实时交流,在StreamingBench测试中显著超越现有系统,为教育、娱乐、医疗、安防等领域的视频AI应用开启新可能。
Linux内核开发面临动荡时期,Rust语言引入引发摩擦,多名核心开发者相继离职。文章介绍了三个有趣的替代方案:Managarm是基于微内核的操作系统,支持运行Linux软件;Asterinas采用Rust语言开发,使用新型framekernel架构实现内核隔离;Xous同样基于Rust和微内核设计,已有实际硬件产品Precursor发布。这些项目证明了除Linux之外,还有许多令人兴奋的操作系统研发工作正在进行。
Atla公司发布Selene Mini,这是一个仅有80亿参数的AI评估模型,却在11个基准测试中全面超越GPT-4o-mini。通过精心的数据筛选和创新训练策略,该模型不仅能准确评判文本质量,还能在医疗、金融等专业领域表现出色。研究团队将模型完全开源,为AI评估技术的普及和发展做出贡献。