5月16日,中國(guó)互聯(lián)網(wǎng)內(nèi)容傳送服務(wù)整體解決方案提供商藍(lán)汛國(guó)際控股有限公司(以下簡(jiǎn)稱“ChinaCache”)公布了截至2014年3月31日第一季度未經(jīng)審計(jì)的簡(jiǎn)明合并財(cái)務(wù)報(bào)告。
2014年第一季度業(yè)績(jī)概要:
•凈營(yíng)業(yè)收入第一季度達(dá)到3.239億元人民幣(約合5210萬(wàn)美元),超過(guò)營(yíng)收預(yù)期約5.2%,比去年同期增加40.4%;
•毛利潤(rùn)第一季度達(dá)9830萬(wàn)元人民幣(約合1580萬(wàn)美元),比去年同期增加38.0%;
•調(diào)整后EBITDA(即在非公認(rèn)會(huì)計(jì)原則下)第一季度為2540萬(wàn)元人民幣(約合410萬(wàn)美元),比上一季度增長(zhǎng)25.2%,比去年同期長(zhǎng)159.8%;
•普通股股東應(yīng)占凈收入第一季度為630萬(wàn)元人民幣(約合100萬(wàn)美元),上一季度普通股東凈虧損為1400萬(wàn)元人民幣,去年同期普通股股東應(yīng)占凈虧損為850萬(wàn)元人民幣;
•調(diào)整后凈收入(即在非公認(rèn)會(huì)計(jì)原則下)第一季度為270萬(wàn)元人民幣(約合40萬(wàn)美元),上季度調(diào)整后凈虧損為720萬(wàn)元人民幣。去年同期調(diào)整后的凈虧損為750萬(wàn)元人民幣。
藍(lán)汛創(chuàng)始人、董事長(zhǎng)兼首席執(zhí)行官王松回顧,在第一季度,ChinaCache與中國(guó)電信達(dá)成戰(zhàn)略合作,共同打造并管理中國(guó)電信的CDN網(wǎng)絡(luò);另外,在4月份與人民網(wǎng)達(dá)成框架協(xié)議,藍(lán)汛為其建造了一個(gè)云數(shù)據(jù)中心。
2014年Q1財(cái)務(wù)數(shù)據(jù):
凈營(yíng)業(yè)收入達(dá)3.239億元人民幣(約合5210萬(wàn)美元),比上季度下降4.6%,比去年同期增加40.4%。凈營(yíng)業(yè)收入超過(guò)預(yù)期,是由于媒體和娛樂(lè)的視頻業(yè)務(wù)表現(xiàn)突出。
營(yíng)業(yè)成本達(dá)2.256億元人民幣(約合3630萬(wàn)美元),較上季度減少了2.8%,較去年同期增長(zhǎng)了41.4%;毛利率為30.3%,上季度毛利率為31.6%,去年同期為30.9%。非公認(rèn)會(huì)計(jì)原則下,2014年Q1除去期權(quán)費(fèi)用,毛利率為30.5%,上季度為31.7%,去年同期為31.1%。
銷售和市場(chǎng)費(fèi)用達(dá)3270萬(wàn)元人民幣(約合530萬(wàn)美元),占凈營(yíng)收的10.1%,較上季度下降了14.1%,比去年同期增長(zhǎng)22.3%。
管理費(fèi)用為3720萬(wàn)元人民幣(約合600萬(wàn)美元),占凈營(yíng)收的11.5%,較上季度減少14.3%,較去年同期增加22.8%。
研發(fā)費(fèi)用達(dá)2820萬(wàn)元人民幣(約合450萬(wàn)美元),占凈營(yíng)收的8.7%,較上一季度下降了7.7%,較去年同期增加了33.4%。
運(yùn)營(yíng)收入為20萬(wàn)元人民幣(約合3.3萬(wàn)美元),相比上季度的運(yùn)營(yíng)虧損為600萬(wàn)元人民幣,去年同期運(yùn)營(yíng)虧損為690萬(wàn)元人民幣。在非公認(rèn)會(huì)計(jì)原則下,除去期權(quán)費(fèi)用、可供出售資產(chǎn)減值后,運(yùn)營(yíng)收入為370萬(wàn)元人民幣(約合60萬(wàn)美元),上季度非公認(rèn)會(huì)計(jì)原則下運(yùn)營(yíng)虧損為110萬(wàn)人民幣,去年同期非公認(rèn)會(huì)計(jì)原則下運(yùn)營(yíng)虧損為530萬(wàn)元人民幣。
所得稅費(fèi)用為80萬(wàn)元人民幣(約合10萬(wàn)美元),上季度所得稅收益為940萬(wàn)元人民幣,去年同期所得稅費(fèi)用為310萬(wàn)元人民幣。
凈利潤(rùn)為630萬(wàn)元人民幣(約合100萬(wàn)美元),上季度凈虧損為1400萬(wàn)元人民幣,去年同期凈虧損為850萬(wàn)元人民幣。2014年Q1每股美國(guó)存托憑證(ADS)的基本和稀釋后凈利潤(rùn)分別為0.26元人民幣(約合0.04美元)和0.25元人民幣(約合0.04美元)。每股美國(guó)存托憑證折合16股公司普通股。
調(diào)整后或非公認(rèn)會(huì)計(jì)原則下的凈收入,即扣除期權(quán)費(fèi)用、外匯損益、由不確定的財(cái)務(wù)狀況所導(dǎo)致的稅金之前的凈收入達(dá)270萬(wàn)元人民幣(約合40萬(wàn)美元)。相比之下,上季度為調(diào)整后凈虧損為720萬(wàn)元人民幣,去年同期調(diào)整后凈虧損為750萬(wàn)元人民幣。在非公認(rèn)會(huì)計(jì)原則下,2014年第一季度每股美國(guó)存托憑證的基本和稀釋后凈虧損分別為0.11元人民幣(約合0.02美元)和0.11元人民幣(約合0.02美元)。
調(diào)整后的EBITDA,即在非公認(rèn)會(huì)計(jì)原則下除去期權(quán)費(fèi)用和外匯損益、可供出售投資減值后上漲到2540萬(wàn)元人民幣(約合410萬(wàn)美元)。上季度調(diào)整后的EBITDA為2030萬(wàn)元人民幣,去年同期為980萬(wàn)元人民幣。
資本投入
截至2014年3月31日,藍(lán)汛公司擁有現(xiàn)金及現(xiàn)金等價(jià)物5. 217億元人民幣(約合8390萬(wàn)美元),去年同期為3.381億元人民幣。此外,藍(lán)汛公司在流動(dòng)資產(chǎn)下以人民幣標(biāo)價(jià)的可供出售基金形式的投資達(dá)2470萬(wàn)人民幣(約合400萬(wàn)美元)。2014年Q1資本支出為2970萬(wàn)元人民幣(約合480萬(wàn)美元)。
股票回購(gòu)
公司董事會(huì)于2013年6月21日批準(zhǔn)重啟去年宣布的1000萬(wàn)美元的股票回購(gòu)計(jì)劃。根據(jù)該重啟計(jì)劃,藍(lán)汛ChinaCache獲準(zhǔn)但并無(wú)義務(wù)在未來(lái)12個(gè)月中,在公開(kāi)市場(chǎng)或進(jìn)行大手交易回購(gòu)價(jià)值850萬(wàn)美元的美國(guó)存托憑證。
截至2014年5月15日,在此項(xiàng)重啟計(jì)劃中,公司并未回購(gòu)任何ADS(美國(guó)存托憑證)。
好文章,需要你的鼓勵(lì)
騰訊ARC實(shí)驗(yàn)室推出AudioStory系統(tǒng),首次實(shí)現(xiàn)AI根據(jù)復(fù)雜指令創(chuàng)作完整長(zhǎng)篇音頻故事。該系統(tǒng)結(jié)合大語(yǔ)言模型的敘事推理能力與音頻生成技術(shù),通過(guò)交錯(cuò)式推理生成、解耦橋接機(jī)制和漸進(jìn)式訓(xùn)練,能夠?qū)?fù)雜指令分解為連續(xù)音頻場(chǎng)景并保持整體連貫性。在AudioStory-10K基準(zhǔn)測(cè)試中表現(xiàn)優(yōu)異,為AI音頻創(chuàng)作開(kāi)辟新方向。
Meta與特拉維夫大學(xué)聯(lián)合研發(fā)的VideoJAM技術(shù),通過(guò)讓AI同時(shí)學(xué)習(xí)外觀和運(yùn)動(dòng)信息,顯著解決了當(dāng)前視頻生成模型中動(dòng)作不連貫、違反物理定律的核心問(wèn)題。該技術(shù)僅需添加兩個(gè)線性層就能大幅提升運(yùn)動(dòng)質(zhì)量,在多項(xiàng)測(cè)試中超越包括Sora在內(nèi)的商業(yè)模型,為AI視頻生成的實(shí)用化應(yīng)用奠定了重要基礎(chǔ)。
上海AI實(shí)驗(yàn)室發(fā)布OmniAlign-V研究,首次系統(tǒng)性解決多模態(tài)大語(yǔ)言模型人性化對(duì)話問(wèn)題。該研究創(chuàng)建了包含20萬(wàn)高質(zhì)量樣本的訓(xùn)練數(shù)據(jù)集和MM-AlignBench評(píng)測(cè)基準(zhǔn),通過(guò)創(chuàng)新的數(shù)據(jù)生成和質(zhì)量管控方法,讓AI在保持技術(shù)能力的同時(shí)顯著提升人性化交互水平,為AI價(jià)值觀對(duì)齊提供了可行技術(shù)路徑。
谷歌DeepMind團(tuán)隊(duì)開(kāi)發(fā)的GraphCast是一個(gè)革命性的AI天氣預(yù)測(cè)模型,能夠在不到一分鐘內(nèi)完成10天全球天氣預(yù)報(bào),準(zhǔn)確性超越傳統(tǒng)方法90%的指標(biāo)。該模型采用圖神經(jīng)網(wǎng)絡(luò)技術(shù),通過(guò)學(xué)習(xí)40年歷史數(shù)據(jù)掌握天氣變化規(guī)律,在極端天氣預(yù)測(cè)方面表現(xiàn)卓越,能耗僅為傳統(tǒng)方法的千分之一,為氣象學(xué)領(lǐng)域帶來(lái)了效率和精度的雙重突破。