思科公司今天發(fā)布了2014財(cái)年第四財(cái)季及全年財(cái)報(bào)。報(bào)告顯示,思科第四財(cái)季凈營(yíng)收為123.57億美元,比去年同期的124.17億美元下滑0.5%;凈利潤(rùn)為22億美元,比去年同期的23億美元下滑1%,每股收益43美分,較去年同期的42美分增長(zhǎng)2.4%;基于非一般公認(rèn)會(huì)計(jì)準(zhǔn)則,每股贏利為55美分,較去年同期的52美分增長(zhǎng)5.8%。
華爾街分析師平均預(yù)期思科該季度營(yíng)收為121.4億美元,每股贏利53美分。
2014財(cái)年,思科凈營(yíng)收為471億美元,比2013財(cái)年的486億美元下滑3%。014財(cái)年凈利潤(rùn)為79億美元,比2013財(cái)年的100億美元下滑21.3%;每股收益1.49美元,比2013財(cái)年的1.86美元下滑19.9%?;诜且话愎J(rèn)會(huì)計(jì)準(zhǔn)則,每股收益2.06美元,比2013財(cái)年的2.02美元增長(zhǎng)2%。
思科董事長(zhǎng)兼首席執(zhí)行官約翰·錢伯斯(John Chambers)在一份聲明中表示:
“我們?cè)谌绱似D難環(huán)境之下,運(yùn)營(yíng)業(yè)務(wù)表現(xiàn)良好,交付了公司史上最好季度每股收益業(yè)績(jī)(基于non-GAAP)。在過(guò)去幾年時(shí)間里,我對(duì)公司轉(zhuǎn)型采取的措施感到高興,這一轉(zhuǎn)型仍在繼續(xù)。我們正在把業(yè)務(wù)重心放在增長(zhǎng)、創(chuàng)新和人才上,特別是安全、數(shù)據(jù)中心、軟件、云和物聯(lián)網(wǎng)等領(lǐng)域。我們的戰(zhàn)略是合理的,財(cái)務(wù)狀況十分強(qiáng)大,市場(chǎng)主導(dǎo)牢固。我們的團(tuán)隊(duì)已位于業(yè)界獨(dú)一無(wú)二位置,可幫助公司客戶解決他們所遇到最大業(yè)務(wù)難題。”
對(duì)于思科來(lái)說(shuō),本財(cái)政年度結(jié)束前無(wú)疑十分忙碌,特別是展開了一系列重大收購(gòu),包括收購(gòu)?fù){情報(bào)和分析公司ThreatGRID、瀏覽器基礎(chǔ)構(gòu)造設(shè)計(jì)廠商Assemblage,以及收購(gòu)多供應(yīng)商網(wǎng)絡(luò)服務(wù)和解決方案提供商Tail-f系統(tǒng)等等。
此外,思科還繼續(xù)推進(jìn)“物聯(lián)網(wǎng)”和“萬(wàn)物聯(lián)網(wǎng)”開發(fā),使之逐步成為公司長(zhǎng)期業(yè)務(wù)戰(zhàn)略核心。
華爾街分析師預(yù)計(jì)思科當(dāng)前季度營(yíng)收略低于120.8億美元,每股贏利至少在53美分。
在隨后舉行的分析師電話會(huì)議上,錢伯斯稱2014財(cái)年是公司歷史上財(cái)政表現(xiàn)最為強(qiáng)勢(shì)的一年,盡管銷售收入出現(xiàn)了自2009年以來(lái)的首次下降。他補(bǔ)充說(shuō),預(yù)計(jì)思科2015年第一季度的營(yíng)收收入同步持平或增長(zhǎng)百分之一,每股贏利預(yù)計(jì)將下降至51-53美分。錢伯斯警告稱,預(yù)計(jì)在未來(lái)幾個(gè)季度內(nèi),思科在新興市場(chǎng)的銷售將有所下降。
思科首席財(cái)務(wù)官弗蘭克·卡爾德洛尼(Frank Calderoni)表示,思科未來(lái)將進(jìn)行重大改組,并稱將從當(dāng)前的2015財(cái)年第一季度開始至多削減6000名員工,占到其員工總量的8%,思科預(yù)計(jì),公司將為這些業(yè)務(wù)重組支付7億美元。
周三美股盤后市場(chǎng),思科股價(jià)下跌。
好文章,需要你的鼓勵(lì)
新加坡國(guó)立大學(xué)研究團(tuán)隊(duì)開發(fā)了SPIRAL框架,通過(guò)讓AI與自己對(duì)弈零和游戲來(lái)提升推理能力。實(shí)驗(yàn)顯示,僅訓(xùn)練AI玩簡(jiǎn)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(wú)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(duì)開發(fā)的GIGA-ToF技術(shù)通過(guò)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(wèn)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(dòng)駕駛等領(lǐng)域提供更可靠的3D視覺(jué)解決方案。
伊利諾伊大學(xué)研究團(tuán)隊(duì)通過(guò)對(duì)比實(shí)驗(yàn)發(fā)現(xiàn),經(jīng)過(guò)強(qiáng)化學(xué)習(xí)訓(xùn)練的視覺(jué)語(yǔ)言模型雖然表現(xiàn)出"頓悟時(shí)刻"現(xiàn)象,但這些自我糾錯(cuò)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(shí)無(wú)法有效利用視覺(jué)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(guò)動(dòng)態(tài)稀疏性實(shí)現(xiàn)大語(yǔ)言模型訓(xùn)練加速1.6倍,計(jì)算成本降低2.2倍。該方法使用SVD稀疏性估計(jì)器智能選擇重要計(jì)算部分,在保持模型性能的同時(shí)顯著提升訓(xùn)練效率,已在多個(gè)任務(wù)上驗(yàn)證有效性。