您好：百人牛牛系统有什么规律确实是有挂的，很多玩家在手机斗牛中打牌都会发现很多用户的牌特别好 ，总是好牌，而且好像能看到其他人的牌一样。所以很多小伙伴就怀疑手机斗牛是不是有挂
，实际上手机斗牛确实是有挂的，添加客服加QQ群安装软件.支持测试 。
1、起手看牌。
2 、随意选牌
。
3、控制牌型。
4
、注明 ，就是全场
，公司软件防封号、防检测 、 正版软件
、非诚勿扰 。
2025首推
。
全网独家，诚信可靠 ，无效果全额退款
，本司推出的多功能作 弊辅助软件。软件提供了各系列的麻将与棋 牌辅助，有 ，型等功能 。让玩家玩游戏
，把把都可赢打牌
。
详细了解请添加QQ接待群 支持测试。

本司针对手游进行破解，选择我们的四大理由:
1、软件助手是一款功能更加强大的软件 。
2 、自动连接 ，用户只要开启软件
，就会全程后台自动连接程序，无需用户时时盯着软件
。
3
、安全保障 ，使用这款软件的用户可以非常安心，绝对没有被封的危险存在。
4、打开某一个微信【添加图中微信】组.点击右上角.往下拉."消息免打扰"选项.勾选"关闭"(也就是要把"群消息的提示保持在开启"的状态.这样才能触系统发底层接口) 。

说明:手机斗牛是可以开挂的
，确实是有挂的，
。但是开挂要下载第三方辅助软件 ，名称叫手机斗牛必赢神器。方法如下：手机斗牛开挂器下载
，跟对方讲好价格，进行交易 ，购买第三方开发软件 。

专题：聚焦2025年第三季度美股财报

　　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）

　　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 。