北京时间10月30日早间消息，微软今天发布了该公司的2026财年第一财季财报。报告显示，微软第一财季营收为776.73亿美元，与去年同期的655.85亿美元相比增长18%，不计入汇率变动的影响为同比增长17%；净利润为277.47亿美元，与去年同期的246.67亿美元相比增长12%，不计入汇率变动的影响为同比增长11%。（注：微软财年与自然年不一致）
详见：微软第一财季营收776.73亿美元 净利润同比增长12%
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：
摩根士丹利分析师Keith Weiss：观察微软现状，公司已连续两个季度交出远超市场预期的成绩。无论是对比一年前，还是五年前的微软，这样的表现都令人意外。111%的商业预订增长率，说实话，此前没人能预料到。但矛盾的是，微软股价表现却跑输大盘。我想探讨的是，当前影响股价的核心隐忧究竟是什么，这种局面是否会改变？我认为“通用人工智能（AGI）”或许是这种顾虑的代名词，而这一概念也包含在你们与OpenAI的合作协议中。这个问题想提给萨提亚，当我们探讨AGI，或是应用与计算架构的变革时，公司是否看到了某些潜在的趋势，无论是AGI相关，还是其他领域的变化，可能会改变微软当前在市场中的强劲地位，导致其竞争优势持续减弱？在人工智能模型，尤其是AGI模型的演进过程中，您是否有担心的风险点？
萨提亚·纳德拉：感谢提问。我的回答主要分两部分。首先，我们对与OpenAI的新合作协议非常有信心,这份协议不仅明确了我们在知识产权（IP）方面的所有合作关系，也对“AGI”的定义做出了更清晰的界定，带来了更高的确定性。其次，你提到的问题触及了一个关键议题：此类AI系统如何真正落地到现实场景中，产生实际价值，既为使用这些系统的客户创造回报，也为系统的构建者带来收益。
当前情况的核心在于，即便AI的智能水平在持续提升，比如通过模型迭代带来指数级进步，但问题在于，这种进步始终是“参差不齐”的。人们常说“参差不齐的智能（jagged intelligence）”，也有人称之为“不稳定的智能（spicy intelligence）”。也就是说，一个AI模型可能在某项特定任务上表现极佳，但它的能力不会均衡地全面提升。因此，我们需要的不是单一产品，而是一套能“抚平这些参差不齐边缘”的系统——比如GitHub Agent HQ（微软整合多家编程智能体的统一管理平台）或Microsoft 365 Copilot（基于大型语言模型和微软图形的数据和AI辅助工具）。以M365 Copilot为例，它不仅能生成Excel表格，能理解Office JS（Microsoft Office 提供的JavaScript API）、自带公式，质量堪比专业建模者的作品，更重要的是，用户可以在Excel中开启“智能体模式（Agent Mode）”，对表格模型进行迭代优化，且整个过程有规可循、不会失控；之后还能将表格交给“分析师智能体（Analyst Agent）”，它会像专业数据分析师一样解读表格背后的信息。
我举这个例子是想说明，即便未来AI模型变得“神奇且全能”，我们仍需要这类系统架构。而且我认为，我们会在很长一段时间内处于“智能参差不齐”的阶段。目前我们聚焦的三大核心领域——GitHub（代码）、安全、Microsoft 365（办公），恰好是构建智能体组织的理想场景，能切实帮助客户落地AI。顺便提一句，我们也会将这套架构整合到“Foundry”服务中，开放给第三方客户使用，助力他们搭建多智能体系统。
所以，我对AI领域的进展非常乐观。协议中定义的“AGI”，短期内不可能实现；但通过构建上述系统，我们完全可以借助AI模型的进步，为客户创造巨大价值。这才是市场需要理解的核心问题，而我对微软在这一领域的推进能力充满信心。
杰弗瑞分析师Brent Thill：我的问题问给艾米。关于预订量的爆发式增长，我想很多人都会对风险的集中有所担忧。我记得公司提到过有多份1亿美元级别的合同，管理层不需要展开太多细节，我只想了解的是，面对51%的未履行订单额（RPO）增长和超110%的预订量增长，从全球范围来看，这些交易在覆盖广度和范围方面呈现出的哪些特点，令公司对于当前的业务态势有信心？
艾米·胡德：我们先谈谈RPO的情况。目前RPO余额已接近4000亿美元，我们一直在努力让大家理解其覆盖广度，这些订单涵盖了多款产品、各种规模的客户，也涉及不同成本结构，而且我们一直在稳步扩大这份增长平衡的业务组合，增速显然非常可观。但大家需要注意的是，正如萨提亚提到的，我们在构建系统和重点投资领域上的布局，决定了这些RPO分散在多款产品中，并非依赖单一业务。更关键的是，这些RPO的加权平均期限为2年，这意味着大部分订单会在相对较短的时间内被消化，毕竟，除非能从中获得实际价值，否则客户不会轻易投入使用。
这也是我们反复强调“是否能为客户创造真实价值”的原因——无论是我们的AI平台、AI解决方案，还是相关应用与系统，价值才是核心。所以我们需要正确看待RPO，它是由众多客户共同构建起来的业务储备，OpenAI确实是其中一部分，我们对双方的合作感到高兴，因为从OpenAI我们学到了很多东西，也帮助我们打造出了可规模化应用的领先系统，而这些系统最终能让所有其他客户受益。我们之所以努力披露更多关于RPO余额的细节，也是因为理解市场的担忧，比如这些订单是否期限过长，是否需要很久才能兑现等等。希望大家能通过这些信息意识到：签署这些合同的客户，都计划在短期内规模化使用我们的服务，能达成这样的业务成果，我认为是非常出色的执行表现。
伯恩斯坦研究公司分析师Mark Moerdler：恭喜微软取得出色的季度业绩，公司目前的表现确实令人惊叹。萨提亚、艾米，我想请教一个问题，这也是我在投资者交流和AI会议中被问到最多的问题：对于全球范围内当前大量的AI相关投资，你们有多大信心认为软件行业，甚至消费互联网业务能实现这些投资的变现？或者坦白说，我们是否正处于泡沫之中？另外艾米，你会关注哪些因素，以确保微软不会过度扩张以应对当前需求，同时保证需求的可持续性？
艾米·胡德：我先谈一下，之后萨提亚可以补充，我们不妨先把几个关键点串联起来看。正如之前提到的，目前微软的RPO已达4000亿美元，且多为短期订单，基于此，我们对基础设施的扩建需求非常大，而且这仅仅是为了满足当前已签约的业务，不包括10月1日之后可能新增的订单。关于这一点，有几个核心信息可以和大家分享。首先，我们正逐步转向短期资产的投入，尤其是GPU（图形处理器）和CPU（中央处理器），因为应用开发相关的工作负载需要大量消耗这些硬件资源。选择短期资产的核心逻辑在于，其使用周期能与客户合同期限，或者说我们对合同周期的预期相匹配。我觉得有时候市场在考虑风险时，可能没有意识到这些短期资产的使用寿命，与客户合同的期限其实高度吻合。所以从财务角度看，营收、订单量在资产负债表中的体现，与短期资产的折旧节奏实际上是基本匹配的。
另外你也知道，过去几年我们并非真的缺乏GPU或CPU这类硬件，而是缺少容纳这些硬件的物理空间和电力资源。因此，我们花了大量时间扩建相关基础设施，目前也在通过租赁的方式继续推进，而这类租赁资产属于长期资产，正如我们之前提到的，使用寿命可达15至20年。至于这么长的周期内，我们是否有信心充分利用这些资产？我的信心非常足。从当前的业务动态来看，我们一方面在转向GPU、CPU等短期资产的投入，另一方面也在调整这些资产的使用方式。而且我之前也提到过，过去多个季度中，我们的算力一直处于短缺状态，原本以为能逐步追平需求，但实际情况是需求仍在持续增长，这种增长并非集中在单一领域，而是覆盖多个业务板块。此外我们现有产品的使用率在提升，而且新推出的产品也能快速获得用户青睐，使用率增长迅猛。要知道，只有当用户真正看到价值时，才会愿意持续使用。我认为市场需要全面看待当前的周期：当看到如此明确的需求信号，且我们仍存在算力缺口时，加大投入是必要的，但我们的投入并非盲目，而是基于对用户使用模式和订单量的充分信心。
我之前也说过，目前我们在核心业务，如Azure云服务、自营应用等方面的算力供给上，仍可能存在缺口。因此，我们需要在产品研发上持续投资，同时对现有设备进行更新换代，淘汰老旧设备，我们会继续投入以确保这些目标达成。这关乎基础设施的现代化、服务质量的提升、交付能力的保障，以及需求的满足。基于这些考量，我对当前的投入策略很有信心，也为我们能高效推进这些工作、且背后有持续增长的业务订单支撑而感到乐观。
萨提亚·纳德拉：我来补充一下艾米的观点。如果着眼长远，我认为有两件事至关重要，它们直接影响我们对资本和研发资源的分配策略。第一件事是具有全球规模的“token工厂”（创造人工智能基础运算单元的基础设施）效率如何，说到底，这是我们业务的核心基础。要实现高效运营，首先需要打造“具备高度通用性的算力集群”（fungible fleet）。我们并非在全球某一个地区建一座超大规模数据中心，而是在全球范围布局，以支撑从模型推理、预训练、后训练，到强化学习（RL）、数据感知等各类需求，“通用性”对这套集群来说是重中之重。
第二件事是我们在持续推进算力集群的现代化迭代。我们不会只采购某一代英伟达硬件就满足所有算力需求，而是会遵循“摩尔定律”，每年持续更新硬件、完成折旧迭代，这期间，软件也会发挥关键作用，帮助提升效率。比如我之前提到的，在GPT-4和GPT-5的服务效率上，我们实现了约30%的提升。这套软件不仅适用于A100显卡，对A200、A300显卡同样有效，这正是算力集群效率提升的优势所在：通过不断优化资源利用率和整体效率，让“代币工厂”持续高效运转。
另一个关键点，艾米也提到过，就是我们在高价值领域拥有业内领先的智能体系统，比如信息办公领域的M365 Copilot、代码开发领域的GitHub Copilot。拿Copilot来说，它的每用户平均收入（ARPU）相比传统M365的ARPU有显著提升，业务扩展性极强，这和当年服务器向云服务转型的逻辑类似，过去大家会担心云服务是否会挤压服务器市场，形成零和博弈，但最终云服务反而让整个市场规模大幅扩张。
AI领域现在也在发生同样的变化，有人可能会担心M365的用户付费意愿不足，但换个角度看，AI恰恰为我们打开了业务拓展的新空间。工具类业务以往并非主流，但代码开发类AI系统，如GitHub Copilot正成为增长最迅猛的AI业务之一。除了代码领域，我们在安全、医疗健康等领域的AI布局也具备同样的潜力。在消费端业务上，我们的思路也不局限于广告，而是“广告+订阅”双轮驱动，这同样为我们创造了更多增长机会。所以综合来看，无论是高价值智能体系统的布局，还是算力集群的通用性与效率优势，都让我们有信心投入资本和研发人才，去抓住AI带来的这一重大机遇。
瑞银分析师Karl Keirstead：这个问题想请教艾米，我不会涉及过于复杂的会计层面，但微软对OpenAI的投资在“其他收入”项下体现为41亿美元的亏损，这个规模太大了，我觉得大家应该都希望了解更多细节。它比以往季度“其他收入”项下的波动幅度大得多，看起来不应该只是微软按比例分担的OpenAI亏损。能否请你说明一下这笔亏损的具体构成？后续季度我们能预期什么样的情况？这是否意味着微软在会计处理上有任何调整？
艾米·胡德：首先需要明确的是，第一财季的这个数据，完全没有受到我们与OpenAI新合作协议的影响。其次，这笔亏损规模的扩大，完全是因为我们按照权益法核算，承担了OpenAI相应比例的亏损增加额。我再强调一下，这笔41亿美元的亏损，全部是OpenAI亏损增加带来的，没有其他额外构成。
摩根大通分析师Mark Murphy：我们似乎正进入一个新时代，即少数AI原生企业的合同承诺规模大得惊人。这种规模不仅体现在绝对值上，有时相较于这些企业自身的体量也极为突出，比如有些合同价值数千亿美元，是其当前营收的20倍。从理念层面，微软如何评估这些企业履行此类承诺的能力？又会如何为单一实体客户的集中度风险设置管控措施？
萨提亚·纳德拉：这其实和我之前提到的核心思路一脉相承，我们首先会打造“具备高度通用性的资产”，同时也要看到自身业务组合的优势。我们的业务涵盖第三方业务与自营业务，其中第三方业务又覆盖了大型企业与数字原生企业。我始终认为，我们需要在相关业务间保持平衡，数字原生企业往往很早就采用AI技术，每一代企业也都会出现现象级的创新，但AI的应用最终会渗透到整个企业市场——而目前，服务于企业层级的AI服务，其落地周期才刚刚开始。因此，从长期来看，第三方客户在我们业务中的占比肯定会持续提升。
不过，像Copilot这样初期便取得成功的自营应用也至关重要，这些自营应用能帮助我们快速建立业务规模，而其资产通用性正是关键所在。我们不会只为某一家数字原生企业做定制化托管，而是会打造能服务广泛需求的基础设施。我想，外界现在应该能更好地理解我们的决策逻辑：哪些合作会接受，哪些我们会拒绝。之前可能存在一些误解，希望现在大家能理清这一点。所以，第三方业务是我们的重要布局方向，而自有业务则能为我们提供强大的杠杆效应。更为重要的是，我们的信心不仅来自某一款成功的第一方应用，而是整个业务组合，这种组合能确保我们最大限度地发挥资产价值。
另外需要提醒大家的是，数据中心这类资产属于长期资产，硬件设备会经历多轮更新迭代。综合这些维度来看，只要我们在基础设施建设时就充分考虑服务广泛客户群体的需求，客户集中度风险自然会得到缓解。
艾米·胡德：换个角度补充一下，萨提亚之前也提到过一个关键点，就是当我们谈论集中度风险或客户交付时，必须考虑到我们打造的是大规模灵活算力集群，它可以服务于第一方、第三方等各类客户，适用于多种场景，包括我们的Azure商业云业务，其灵活性在各方面都很突出。而且需要注意的是，CPU、GPU及存储设备等硬件资源，要等到合同开始执行后才会投入使用。你说得没错，有些大型合同的交付是分阶段进行的，这就给了我们充足的时间去跟踪合同进展。因此，我们在核算RPO余额、披露预订量及RPO数据时，都会充分考虑这些因素，决策过程是非常审慎的。
德意志银行分析师Brad Zelnick：有两个问题想请教：第一，能否量化或说明Azure算力短缺对营收造成的影响？第二，尽管我认可微软的业务生态在行业内覆盖广泛，但是否存在客户工作负载流向其他平台的风险？你们又会如何缓解这一风险？
艾米·胡德：要精确量化算力短缺对营收的具体影响，其实一直很困难，但可以从一个角度来理解一下，Azure的营收确实在很大程度上受到了影响，因为我们必须优先满足核心业务的算力需求。这些核心优先级包括：M365 Copilot的使用率、普及率和销量持续增长，Copilot Chat（AI 聊天功能）出现独特的、令人鼓舞的增长趋势；安全功能的广泛采用；以及GitHub业务的强劲增长势头。因此，我们会优先将算力资源分配给这些领域，这是我们的明确战略重点。
你也问到如何缓解算力短缺的影响，我们确实已尽全力采取措施，但必须坦诚，Azure目前仍处于算力短缺状态，这一点我们之前也明确提过。此外，还有两个之前没过多强调的优先级需要说明，一是确保过去一年半内公司招聘的产品团队和AI人才能获得充足的算力支持，确保形成良性循环，让产品持续优化，进而为当下正在使用这些产品处理实际工作的用户带来更大价值；二是保障研发团队和产品工程团队的算力供给。算力短缺确实直接影响了Azure的营收，核心资源优先分配给上述领域，必然会对Azure的对外服务能力产生影响。虽然我无法给出具体的营收损失数值，但可以肯定的是，如果没有算力短缺问题，Azure的营收本可以更高。
高盛分析师Kash Rangan：艾米之前曾提到，有可能在推动Azure增长的同时实现高效利润率，如今你们确实做到了，恭喜你们。萨提亚，我想跟进基思之前的问题，有传言称，另一家超大规模云服务商抢走了本应属于微软的业务，想必管理层对此有不同的看法。我想了解的是，微软承接业务的核心标准是什么？是基于特定的业务规模来决定是否以微软名义承接？还是有更宏观的考量，比如或许是市场尚未充分认识到的情况，包括这些合同到期时微软资产负债表将产生的终值（terminal value）？我认为这一点可能被低估了，毕竟你们拥有全栈技术，且能够通过数据库、Foundry等多个渠道实现变现。正如你之前所说，微软是平台型公司，而非单纯的超大规模云服务商，或许这才是关键？还是说，背后有其他原因，让另一家超大规模云服务商突然崛起，抢走了这份为期4到5年业务中的重要份额？
萨提亚·纳德拉：对微软而言，所有决策始终回归到一个核心原则：打造一套可在全球范围内通用的算力集群，既能服务第三方客户、自有业务，也能支撑研发需求。这正是我们一直在做的事。当某些需求的形态不符合这一核心目标时，比如需求过于集中，无论是集中在单一客户、特定地区，还是单一业务类型上，我们就会审慎评估。艾米之前也提到过一些要点，谈到超大规模云服务商的利润率结构，大家需要记住的是，业务不仅包括AI加速器相关部分，还涵盖通用计算、存储等板块。如果所有需求都只集中在某一个业务板块，比如仅聚焦AI加速器，那并非我们想要的长期业务模式，即便是第三方业务，我们也必须与自有第一方业务保持平衡，因为这两类业务的利润率结构对我们而言完全不同。
此外，我们还需要为自身的研发和模型能力投入资金，因为从长远来看，这才是我们的差异化竞争优势所在。因此，我们会综合以上所有因素做决策，对于符合长期利益的需求，我们全部承接；对于那些虽有能力满足，但不符合长期战略的需求，我们会选择拒绝。这就是我们的决策逻辑，我们对这些决策非常有信心。甚至可以说，每次拒绝掉不符合长期利益的需求后，反而会更坚定我们的方向。
