Adobe在當(dāng)?shù)貢r(shí)間本周二收盤(pán)后發(fā)布了其2014年第三季度財(cái)報(bào),報(bào)告結(jié)果喜憂參半。
報(bào)告顯示,該軟件巨頭第三財(cái)季凈利潤(rùn)為4470萬(wàn)美元,每股收益為9美分。
不按美國(guó)通用會(huì)計(jì)準(zhǔn)則計(jì)算(NON-GAAP),Adobe第三財(cái)季營(yíng)收為10.05億美元,調(diào)整后每股收益為28美分。而華爾街預(yù)期的每股收益為26美分,不過(guò)預(yù)期營(yíng)收為10.2億美元。
盡管Adobe季度業(yè)績(jī)尚不令人滿意,但該公司首席執(zhí)行官山塔努·納拉延(Shantanu Narayen)的態(tài)度依然樂(lè)觀,他預(yù)期,通過(guò)其創(chuàng)意云(Creative Cloud)的增長(zhǎng)以及Adobe云市場(chǎng)推廣系統(tǒng)(Marketing Cloud)的采用,2014年末其業(yè)績(jī)會(huì)以顯著的增長(zhǎng)強(qiáng)勢(shì)結(jié)束。
Adobe首席財(cái)務(wù)官馬克·加勒特(Mark Garrett)對(duì)此看法表示一致,他補(bǔ)充道:“在第三季度,我們的營(yíng)收中有63%的收入是反復(fù)出現(xiàn)的,這證明了我們的業(yè)務(wù)模式轉(zhuǎn)型的持續(xù)成功。”
Adbobe Marketing Cloud服務(wù)部門(mén)第三財(cái)季營(yíng)收為2.9億美元,Adobe斷言其營(yíng)收將受到其訂閱業(yè)務(wù)的強(qiáng)勁增長(zhǎng)的推動(dòng)。
Adobe并未公布其Marketing Cloud服務(wù)訂閱用戶的數(shù)量,僅指出在第三季度其“用戶訂閱的一年期合同總金額大于50萬(wàn)美元,同比增長(zhǎng)超過(guò)40%”。
至于該公司的創(chuàng)意云服務(wù),截至第三財(cái)季末,這家總部位于美國(guó)加州圣何塞的公司該業(yè)務(wù)付費(fèi)訂閱用戶總數(shù)達(dá)281萬(wàn)人以上,較上季度增長(zhǎng)50.2萬(wàn)人。
納拉延指出,Adobe計(jì)劃通過(guò)三個(gè)主要方法刺激其創(chuàng)意云業(yè)務(wù)的進(jìn)一步增長(zhǎng),即:繼續(xù)吸引更多臺(tái)式Adobe軟件客戶轉(zhuǎn)入創(chuàng)意云,通過(guò)定制產(chǎn)品拓展目標(biāo)新客戶(也就是推出專(zhuān)為攝影師等設(shè)計(jì)的創(chuàng)意云等),并添加更多的關(guān)鍵業(yè)務(wù)服務(wù)(即以Adobe軟件開(kāi)發(fā)工具包為基礎(chǔ)構(gòu)建移動(dòng)應(yīng)用)。
納拉延說(shuō)道:“數(shù)字營(yíng)銷(xiāo)是一個(gè)暴增型類(lèi)別,它能從根本上改變每一筆業(yè)務(wù)。為了使每個(gè)消費(fèi)者期待的個(gè)性化體驗(yàn)成為可能,公司需要在現(xiàn)代技術(shù)平臺(tái)大量投資。這場(chǎng)革命將從營(yíng)銷(xiāo)領(lǐng)域開(kāi)始,但將擴(kuò)展到包括全部實(shí)時(shí)企業(yè)在內(nèi)的各個(gè)領(lǐng)域。”
華爾街預(yù)期Adobe在第四季度能夠?qū)崿F(xiàn)的業(yè)績(jī)最少為每股收益31美分,總營(yíng)收為10.9億美元。
Adobe對(duì)其第四季度營(yíng)收的預(yù)期在10.25億美元到10.75億美元期間。
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(kāi)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(kāi)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。