微软今天发布了该公司的2026财年第二财季财报。报告显示，微软第二财季营收为812.73亿美元，与上年同期的696.32亿美元相比增长17%，按固定汇率计算则同比增长15%。净利润为384.58亿美元，与上年同期的241.08亿美元相比增长60%，按固定汇率计算则同比增长57%（注：微软财年与自然年不同步）
详见：微软第二季度营收812.7亿美元 云业务增速放缓 盘后跌超7%
财报发布后，微软CEO萨提亚·纳德拉（Satya Nadella）和执行副总裁兼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：
摩根士丹利分析师基思·维斯（Keith Weiss）：从财报数据来看， 微软本季度每股摊薄收益增长了24%（ non-GAAP），这一结果非常出色，充分体现了团队的执行力。营收增长稳健，利润率也在提升，但盘后交易中股价却出现下跌。我认为，投资者担忧的核心问题之一是资本支出增速过快，甚至超出预期，这引发了市场对长期资本支出投资回报率（ROI）的担忧。因此，希望各位能帮助我们厘清几个问题：如何看待产能扩张及其对未来Azure增长的推动作用？更重要的是，该如何看待这一投资在未来实现时的回报率？
艾米·胡德：谢谢基思。我先回答，萨提亚之后会补充更宏观的观点。我认为你提出的问题非常直接，也是很多投资者关心的，即资本支出与Azure营收之间的关联。其实上季度和本季度，我们都在更具体地说明资本支出（尤其是CPU和GPU等短期资产的支出）的去向。有时，或许可以将我们给出的Azure指引理解为“分配产能指引”，即我们能实现的Azure营收规模，因为当我们投入资金、将GPU（重中之重）部署到集群中时，实际上是在做长期决策。
我们首先要满足的是自研应用的使用增长需求，比如Microsoft 365 Copilot和GitHub Copilot的使用量加速上升；其次，要确保对研发和产品创新的长期投入。过去一段时间我们产品创新的加速，很大程度上源于我们为众多优秀AI人才配置了GPU和产能资源；最后，剩余产能才用于满足Azure持续增长的需求。
举个例子帮助理解：若将第一、二季度新增的GPU全部分配给Azure，相关关键绩效指标（KPI）会超过40%。但最重要的是要意识到，这一投资覆盖了技术栈的所有层面，最终都将为客户创造价值。希望这能帮助大家理解：每一笔资本支出都旨在推动增长，既体现在各业务板块的营收增长中，也体现在我们对人才投入所带来的运营费用增长中。
萨提亚·纳德拉：埃米已经说得很全面了。但站在投资者视角，我想补充的是，当大家审视我们的资本投向和产品组合毛利率时，除了Azure，还应关注Microsoft 365 Copilot、GitHub Copilot、Dragon Copilot、Security Copilot等业务，这些业务都具备极具吸引力的毛利率和客户终身价值（LTV）。Azure客户对我们至关重要，但获取Microsoft 365、GitHub或Dragon Copilot的客户同样重要，这些都是我们的增量业务和新增总可寻址市场（TAM）。
我们不会只追求单一业务的最大化，而是在当前供应受限的情况下，通过合理分配产能，构建最优的客户终身价值组合。此外，埃米提到的研发投入也很关键。大家要意识到，计算资源本身也是研发的一部分，这是我们需要考虑的第二个维度。显然，我们所有的决策都是为了长期优化。
伯恩斯坦研究公司分析师马克·莫尔德勒（Mark Moerdler）：恭喜微软本季度取得优异业绩。我们认为投资者还关心一个问题：如何看待硬件资本支出投资与营收、利润率之间的明确关联？贵公司对服务器按6年进行资本化，但剩余履约义务（RPO）的平均期限仅为2年（较上季度持平）。投资者该如何确信，硬件6年的使用周期能带来稳健的营收和毛利增长，且有望达到过去CPU业务的营收增长轨迹？谢谢。
艾米·胡德：谢谢马克。我先从宏观层面回答，萨提亚之后补充。首先需要明确的是，RPO的平均期限是由多种合同类型共同决定的。其中，Microsoft 365或商业应用相关的合同期限较短；剩余的大部分是Azure的长期合同，本季度我们已将其平均期限从约2年延长至2.5年。
理解这一点很重要：我们当前投入的大部分资本（尤其是采购的GPU），其大部分使用周期已通过合同锁定。因此，你担心的风险在很大程度上并不存在。仅有一小部分风险源于Microsoft 365等短期RPO，但Azure单独的RPO期限更长，且其中大部分基于合同约定，不仅限于GPU相关合同。我们之前提到的大型客户GPU合同，更是覆盖了GPU的整个使用周期。因此，你担心的风险应该并不存在，希望这能解答你的疑问。
萨提亚·纳德拉：我再补充一点。从技术角度看，即便对于逐步老化的集群，我们也能持续在其上运行最新模型，这正是我们能保证长期收益的原因。也正因如此，我们会持续更新集群，不是某一年集中采购大量设备，而是每年依托摩尔定律新增产能、通过软件优化，实现全集群的效率提升。
或许还有一点需要明确：在硬件的使用周期内，其交付效率会不断提升。因此，若已锁定整个使用周期的收益，利润率会随时间推移而改善，这一点在CPU集群上已得到验证，希望能给大家提供参考。
杰富瑞分析师布兰特·希尔（Brent Thill）：请问艾米，关于45%的未交付订单（backlog）来自OpenAI这一情况，我想了解各位对此的看法。市场显然担忧这部分订单的持续性，我知道可能不便透露过多细节，但大家普遍关注这一敞口风险。能否分享一下您和萨提亚当前观察到的情况，以及你们的观点？
艾米·胡德：或许我会从不同角度看待这个问题。首先需要强调的是，我们之所以提及这一比例，是因为剩余55%（约3500亿美元）的RPO来自我们多元化的产品组合，覆盖不同解决方案、Azure业务、行业和地区的广泛客户。这一RPO规模不仅超过大多数同行，且多元化程度更高，我们对其稳健性有极高信心。仅这部分多元化RPO就实现了28%的同比增长，这充分体现了我们业务的广度和客户采纳度的提升，这也是我最常被问及的一点，其增长覆盖所有客户细分、行业和地区，表现非常稳定。
至于OpenAI，我们与他们保持着良好的合作伙伴关系，他们是我们的重要客户。考虑到其业务规模，我们很乐意与之合作。我们依托的是一个极为成功的业务体系，对此仍充满信心。这种合作也让我们能在产品研发上保持领先，始终站在应用创新的前沿。
瑞银分析师卡尔·基尔斯泰德（Karl Keirstead）：谢谢各位。无论产能在自研业务和第三方业务间如何分配，能否从定性角度谈谈新增产能的规模？截至去年12月的季度新增1吉瓦（GW）产能，这一规模非常可观，似乎表明产能扩张正在加速。但投资者目前非常关注亚特兰大费尔沃特（Fairwater）和威斯康星州的数据中心，希望了解未来几个季度这些数据中心的产能规模（无论分配方向如何）。谢谢。
艾米·胡德：谢谢卡尔。关于产能，我们之前已提及几点：我们正全力尽快增加产能。你提到的亚特兰大、威斯康星州等特定数据中心，其建设周期长达数年，因此不必过分关注单个地点。我们真正的重点，也是目前正全力推进的，是全球范围内的产能扩张：不仅在美国上述提及的地区，还需在全球各地增加产能，以满足客户需求和使用量增长。
我们会持续增加长期基础设施资产，核心是确保有足够的电力、土地和设施，一旦建成便尽快部署GPU和CPU。最后，我们会尽可能提高产能上线效率，以实现最高利用率。因此，不必局限于两个特定地点，它们的交付周期较长，我们真正需要的是在所有在建或计划建设的地点尽快落地产能，目前我们正为此全力以赴。
摩根大通分析师马克·墨菲（Mark Murphy）：想请教萨提亚，Maia 200（微软自研AI芯片）的性能表现非常出色，尤其是与推出时间更早的TPU、Tranium和Blackwell相比。能否从更宏观的角度谈谈，除Maia外，芯片业务未来可能成为微软的核心竞争力之一吗？此外，这一进展对未来推理成本的毛利率有何影响，是否有值得提及的潜在影响？谢谢。
萨提亚·纳德拉：感谢你的提问。有几点需要说明：首先，我们在芯片领域的探索已有一段时间，并非刚刚起步。我们对Maia 200的进展感到非常满意，尤其是在运行GPT-5.2时，其FP4精度下的令牌/秒性能表现。这充分证明，当面对新型工作负载时，我们能在模型、芯片和整个系统之间实现端到端创新。这不仅关乎芯片本身，还包括机架级网络的优化、内存与特定工作负载的匹配等。
其次，我们与内部超级智能团队（superintelligence team）及所有模型团队保持密切协作，可想而知，我们开发的所有技术都会针对Maia进行优化，团队对此非常认可。
从整体来看，目前行业仍处于早期阶段。仅从去年12月至今，芯片和系统创新的速度就非常惊人。当前行业的新焦点是低延迟推理，因此我们要确保不局限于单一技术路线。事实上，我们与英伟达、AMD保持着良好的合作伙伴关系。他们在创新，我们也在创新，目标是让集群在任何时候都能实现最佳总拥有成本（TCO）。这不是单纯的短期竞争，很多人只关注当前谁领先，但关键是要长期保持领先。这意味着我们需要整合行业内的各类创新，让集群在总拥有成本上具备根本优势。
因此，我们对Maia、Cobalt（第二代自研云原生处理器 ）、数据处理单元（DPU）、神经处理单元（NPU）等都充满信心。我们拥有全面的系统能力，能够实现垂直整合，但这并不意味着我们只依赖垂直整合。我们需要保持灵活性，这也是目前我们正在做的。
德意志银行分析师布拉德·泽尔尼克（Brad Zelnick）：非常感谢，萨提亚。在Ignite大会上，贾德森（Judson Althoff ，微软商业业务CEO）提到了“前沿转型”（Frontier Transformations），我们也看到客户在采用微软AI技术栈后实现了突破性价值。能否介绍一下，目前企业在开启这类转型之旅时的整体势头如何？此外，对于这些成为“前沿企业”（Frontier Firms）的客户，其在微软的支出可能会有多大幅度的增长，对此有何预期？谢谢。
萨提亚·纳德拉：谢谢提问。目前我们观察到的一个重要趋势是，客户对我们三大核心套件的采纳度正在提升，即Microsoft 365、安全产品和GitHub。事实上，这三者过去就为客户带来了复合价值，例如Microsoft Entra作为身份系统、Defender作为跨三大套件的保护系统，都发挥了重要作用。
但现在，情况有了新变化，Work IQ的价值日益凸显。举个例子：对于使用微软产品的企业而言，当前最重要的数据库是Microsoft 365背后的数据，因为其中包含了大量隐性信息，员工身份、人际关系、正在推进的项目、文档资料、沟通记录等。这些数据是所有业务流程、工作流上下文的核心资产。
我在之前的发言中提到过一个场景：将Work IQ作为MCP服务器与GitHub代码仓库结合，只需指令“查看过去一个月Teams中的设计会议，判断代码仓库是否反映了会议内容”，这正是过去工具业务与GitHub业务如今实现转型的典型案例。智能代理平台正从某种程度上改变企业运营方式，这也是最具突破性的一点：部署这些工具后，智能代理能帮助企业协调工作、提升效率。
在此基础上，企业还在重构核心业务流程，如何重新思考客户服务、营销、财务等领域的运作方式，并构建自身的智能代理？这正是Microsoft Fabric、Microsoft Foundry中的各类服务，以及我们的低代码/无代码工具发挥作用的地方。我之前提到过相关数据，但最令我兴奋的是，Microsoft 365 Copilot、GitHub Copilot、Security Copilot等新型智能代理系统正协同工作，将数据价值与部署效果充分结合，这或许是最具变革性的影响。
巴克莱分析师雷蒙德（Raymond Lenzchao）：过去几个月，各位除了提及GPU，也谈到了Azure的CPU业务，且去年1月初微软在运营上有一些调整。能否介绍一下当时的调整效果？更宏观来看，客户是否逐渐意识到，要开展真正的AI业务就必须迁移到云平台？目前云迁移的整体趋势如何？
萨提亚·纳德拉：首先，我在之前的发言中提到过，看待AI工作负载不能只关注AI加速器计算。以任意智能代理为例，它会调用工具、运行容器，而这些都需要依托通用计算（CPU）。事实上，我们在规划集群时，会考虑各类资源的配比。即便是AI训练工作负载，也需要大量计算资源和近距离存储资源支撑；推理工作负载（尤其是智能代理模式下）同样需要为智能代理配置计算资源（CPU）和存储资源。因此，即便在新的AI时代，通用计算的需求依然存在。
其次，云迁移趋势仍在持续。我之前提到过一个数据：新版SQL Server的IaaS采用率是上一版本的2倍，这正是迁移势头的体现。核心在于，我们需要持续投资全基础设施栈，包括GPU和CPU，并与整个AI云生态保持平衡，因为当客户将现有工作负载和新工作负载迁移到云时，需要在部署地区获得所有必要的基础设施支持。（完）