蘋果公司周一發(fā)布了2014財年第一季度財報。財報顯示,蘋果第一財季營收達(dá)到創(chuàng)紀(jì)錄的576億美元,同比增長5.7%;凈利潤為131億美元,同比持平。
截至2013年12月28日的第一財季,蘋果營收達(dá)到創(chuàng)紀(jì)錄的576億美元,相比上年同期的545億美元增長5.7%,符合蘋果及分析師預(yù)期。蘋果在10月份發(fā)布第四季度財報時,預(yù)計其第一季度營收為550億美元至550億美元,而華爾街分析師預(yù)計營收將達(dá)到575億美元。
凈利潤為130.7億美元,合每股攤薄收益14.50美元,去年同期凈利潤為130.8億美元,合每股攤薄收益13.81美元。盡管蘋果該季度的每股收益高出分析師此前預(yù)期的14.09美元,但該季度凈利潤再次下滑,使蘋果凈利潤連續(xù)四個季度遭遇下滑。
蘋果第一財季毛利率為37.9%,上年同期為38.6%,略高于36.5%-37.5%的估計。蘋果公司的毛利率在2012年初曾一度達(dá)到47.4%,但隨著客戶紛紛選擇低成本設(shè)備,其毛利率也一路走低。
蘋果財報顯示,2014財年第一季度蘋果iphone銷量達(dá)到了創(chuàng)紀(jì)錄的5100萬部,但分析師此前預(yù)期的5500萬。ipad銷量達(dá)到了創(chuàng)紀(jì)錄的2600萬臺,超出分析師預(yù)期的2500萬臺,Mac電腦銷量為480萬臺,超出分析師460萬臺的預(yù)期。
盡管該季度蘋果iphone和ipad的銷量創(chuàng)新的紀(jì)錄,但與華爾街分析師對iphone銷量分析預(yù)期相比,仍有差距;此外,蘋果預(yù)計當(dāng)前季度營收將出現(xiàn)疲弱。受此影響,蘋果發(fā)布財報后的美股盤后市場,截至發(fā)稿,蘋果股價大跌,跌幅高達(dá)8.2%,至505.59美元。
蘋果首席執(zhí)行官蒂姆•庫克(Tim Cook)在隨后進(jìn)行的分析師電話會議上表示,“我們的目標(biāo)是始終做到最好,而不是最多。我們正在這樣做。”
在對當(dāng)前季度的業(yè)績展望中,蘋果公司預(yù)計第二財季的營收將在420億美元至440億美元之間,毛利率在37%到38%之間,均低于華爾街預(yù)期。此前華爾街分析師預(yù)計蘋果第二財季的營收在460億美元左右,毛利率為37.3%。
首席財務(wù)官彼得•奧本海默對蘋果第一財季業(yè)績報告進(jìn)行了解讀,他將蘋果業(yè)績低于預(yù)期歸結(jié)為四個因素,其中最大原因?yàn)榍缼齑?。去年,在整個第四季度,蘋果的iPhone 5供應(yīng)短缺一直未達(dá)到供需平衡,這種狀況直至下一財季才有所緩解。今年,蘋果產(chǎn)品供貨速度快了很多,在第一財季結(jié)束時,無論是iphone還是ipad,都有充足的供貨。
此外,奧本海默還認(rèn)為,蘋果公司還受到了美元走強(qiáng)、較低的iPod銷量(期間iPod銷量下降了52%)和放棄免費(fèi)贈送軟件的收入遞延。奧本海默稱,總體而言,四方面因素使蘋果營收降低了約20億美元。
在高端市場,三星和其他公司給蘋果施壓,而在低端市場,蘋果也很大程度上錯失良機(jī)。對于蘋果來說,這是一個大問題,因?yàn)樵絹碓蕉嗟囊苿赢a(chǎn)品銷售來自中國等新興廉價手機(jī)市場,在這些市場上,華為和中興等公司備受歡迎。
盡管蘋果在本月早些時候與中國移動達(dá)成了iPhone銷售協(xié)議,但分析師對此并不十分看好。巴克萊分析師本•雷特茲(Ben Reitzes)本月早些時候警告說,由于iPhone 5c市場銷售疲軟,蘋果第二財季的營收預(yù)期可能會低于分析師預(yù)期。其他分析人士同樣擔(dān)心,蘋果與中國移動的合作銷售起始可能將是緩慢的,對蘋果第二季度營收的推動作用不會有想象中的那么好。
其實(shí),在當(dāng)前智能手機(jī)市場,并非蘋果一家公司面臨著嚴(yán)峻形勢。作為蘋果的競爭對手三星公司,其在上周發(fā)布的季度業(yè)績報告顯示,該公司也遭遇了兩年來季度營業(yè)利潤首次下滑不利局面。也許令三星更為不安的是,三星移動業(yè)務(wù)將繼續(xù)放緩,并發(fā)出預(yù)警稱“2014年上半年仍將疲軟”。
好文章,需要你的鼓勵
新加坡國立大學(xué)研究團(tuán)隊開發(fā)了SPIRAL框架,通過讓AI與自己對弈零和游戲來提升推理能力。實(shí)驗(yàn)顯示,僅訓(xùn)練AI玩簡單撲克游戲就能讓其數(shù)學(xué)推理能力提升8.6%,通用推理提升8.4%,且無需任何數(shù)學(xué)題目作為訓(xùn)練材料。研究發(fā)現(xiàn)游戲中的三種推理模式能成功轉(zhuǎn)移到數(shù)學(xué)解題中,為AI訓(xùn)練提供了新思路。
同濟(jì)大學(xué)團(tuán)隊開發(fā)的GIGA-ToF技術(shù)通過融合多幀圖像的"圖結(jié)構(gòu)"信息,創(chuàng)新性地解決了3D相機(jī)噪聲問題。該技術(shù)利用圖像間的不變幾何關(guān)系,結(jié)合深度學(xué)習(xí)和數(shù)學(xué)優(yōu)化方法,在合成數(shù)據(jù)集上實(shí)現(xiàn)37.9%的精度提升,并在真實(shí)設(shè)備上展現(xiàn)出色泛化能力,為機(jī)器人、AR和自動駕駛等領(lǐng)域提供更可靠的3D視覺解決方案。
伊利諾伊大學(xué)研究團(tuán)隊通過對比實(shí)驗(yàn)發(fā)現(xiàn),經(jīng)過強(qiáng)化學(xué)習(xí)訓(xùn)練的視覺語言模型雖然表現(xiàn)出"頓悟時刻"現(xiàn)象,但這些自我糾錯行為并不能實(shí)際提升推理準(zhǔn)確率。研究揭示了AI模型存在"生成-驗(yàn)證差距",即生成答案的能力強(qiáng)于驗(yàn)證答案質(zhì)量的能力,且模型在自我驗(yàn)證時無法有效利用視覺信息,為AI多模態(tài)推理發(fā)展提供了重要啟示。
MIT等頂尖機(jī)構(gòu)聯(lián)合提出SparseLoRA技術(shù),通過動態(tài)稀疏性實(shí)現(xiàn)大語言模型訓(xùn)練加速1.6倍,計算成本降低2.2倍。該方法使用SVD稀疏性估計器智能選擇重要計算部分,在保持模型性能的同時顯著提升訓(xùn)練效率,已在多個任務(wù)上驗(yàn)證有效性。