微軟今天發(fā)布了截至9月30日的2015財年第一財季財報。報告顯示,微軟第一財季營收為232.01億美元,比去年同期的185.29億美元增長25%;凈利潤為45.40億美元,比去年同期的52.44億美元下滑13%。每股收益為54美分(這一結(jié)果包括了每股11美分的諾基亞重組費用),比去年同期的62美分下滑13%,超出華爾街分析預(yù)期。
華爾街分析師預(yù)期,該季度微軟營收為220億美元,non-GAAP每股收益為49美分。微軟第一財季業(yè)績超出華爾街分析師預(yù)期,推動其盤后股價上漲近3%。
在第一財季,微軟設(shè)備和消費者授權(quán)部門營收為40.93億美元,去年同期為44.84億美元;計算和游戲硬件部門營收為24.53億美元,去年同期為14.09億美元;手機硬件部門營收為26.09億美元,去年同期為零;設(shè)備和消費者其他部門營收為18.09億美元,去年同期為15.54億美元;商務(wù)授權(quán)部門營收為98.73億美元,去年同期為96.11億美元;商務(wù)其他部門營收為24.07億美元,去年同期為16.03億美元;企業(yè)及其他業(yè)務(wù)的虧損為4300萬美元,去年同期的虧損為1.31億美元。
微軟首席執(zhí)行官薩提亞·納德拉(Satya Nadella)在一份聲明中表示,公司將進一步加快創(chuàng)新,為未來發(fā)展奠定基礎(chǔ),并對公司的Azure云業(yè)務(wù)增長大加贊賞。微軟首席財務(wù)官艾米·胡德(Amy Hood)指出,微軟將繼續(xù)在高增長領(lǐng)域內(nèi)進行投資。
談及第二財季業(yè)績展望,胡德表示,預(yù)計第二財季個人電腦市場保持穩(wěn)定,商業(yè)許可營收將在108億美元到110億美元之間,其中其他商業(yè)營收在25億美元到26億美元之間;計算和游戲硬件部門營收在35億美元至38億美元之間,其中手機營收在20億美元至22億美元之間;而其他消費者業(yè)務(wù)營收預(yù)計將達到23億美元至24億美元;設(shè)備和消費者授權(quán)部門營收將達到40億美元至42億美元之間??偁I收預(yù)期為262億美元,低于華爾街預(yù)期的278.6億美元。
以下為微軟第一季度財報的部分主要數(shù)字:
Office 365家庭和個人用戶超過700萬。隨著客戶從本地轉(zhuǎn)移到Office 365,Office商業(yè)收入增長了5%。
手機營收為26億美元,但微軟表示仍需專注執(zhí)行和成本。
商業(yè)收入較上年同期增長了10%至122.8億美元。
服務(wù)器產(chǎn)品和服務(wù)收入較上年同期增長了13%。
Windows許可銷量較上年增長10%。
隨著轉(zhuǎn)至云服務(wù),Office消費者收入下降5%。
Windows Phone第一季度營收下降46%。
Windows OEM專業(yè)收入下降4%。
微軟Lumia智能手機銷售量為930萬。
第一季度研發(fā)支出為30.6億美元,高于一年前的27.7億美元。
截至9月30日,微軟持有的現(xiàn)金、等價物和短期投資總額為892億美元。
好文章,需要你的鼓勵
新加坡國立大學(xué)研究團隊開發(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。實驗顯示,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。
同濟大學(xué)團隊開發(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)集上實現(xiàn)37.9%的精度提升,并在真實設(shè)備上展現(xiàn)出色泛化能力,為機器人、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)研究團隊通過對比實驗發(fā)現(xiàn),經(jīng)過強化學(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際提升推理準確率。研究揭示了AI模型存在"生成-驗證差距",即生成答案的能力強于驗證答案質(zhì)量的能力,且模型在自我驗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等頂尖機構(gòu)聯(lián)合提出SparseLoRA技術(shù),通過動態(tài)稀疏性實現(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)上驗證有效性。