當(dāng)?shù)貢r(shí)間周三,思科發(fā)布了截至2014年10月25日的2015財(cái)年第一財(cái)季財(cái)報(bào)。財(cái)報(bào)顯示,思科第一財(cái)季總營收為122億美元,比去年同期的121億美元增長了1.3%;凈利潤為18.28億美元,比去年同期的19.96億美元下滑了8.4%,每股攤薄收益為0.35美元,去年同期為0.37美元。
基于非美國通用會計(jì)準(zhǔn)則(Non-GAAP),思科第一財(cái)季凈利潤為28.02億美元,去年同期為28.67億美元。每股攤薄收益為0.54美元,去年同期為0.53美元。而華爾街分析師預(yù)計(jì)思科第一財(cái)季營收為121.6億美元,每股收益為0.53美元。
思科同時(shí)宣布,該公司首席財(cái)務(wù)官弗蘭克·卡爾德羅尼(Frank Calderoni)將辭去思科執(zhí)行副總裁和首席財(cái)務(wù)官等職務(wù),并于2015年1月1日起生效。思科計(jì)劃任命凱莉·A·克拉默(Kelly Kramer)接替卡爾德羅尼的首席財(cái)務(wù)官職務(wù)。凱莉目前任思科商業(yè)技術(shù)和運(yùn)營財(cái)務(wù)等業(yè)務(wù)高級副總裁。
思科首席執(zhí)行官約翰·錢伯斯(John Chambers)表示,“我們對該季度業(yè)績非常滿意,同時(shí)對我們所提供的下一代IT和物聯(lián)網(wǎng)的創(chuàng)新解決方案感到滿意。這是有史以來我們最為強(qiáng)勁的一財(cái)季業(yè)績報(bào)告,無論是Non-GAAP下的運(yùn)營收益和每股攤薄收益。我們將繼續(xù)向全球第一大IT公司邁進(jìn)。公司當(dāng)前形勢仍然嚴(yán)峻,但我們?nèi)孕老驳乜吹匠鞘?、企業(yè)、學(xué)校、政府等數(shù)字化進(jìn)程的不斷推進(jìn)。我們的解決方案將繼續(xù)推動相關(guān)領(lǐng)域積極發(fā)展,為客戶業(yè)務(wù)協(xié)作性、流動性和安全性以及效率方面提供幫助。”
隨著越來越多的企業(yè)和城市推進(jìn)“數(shù)字化”,錢伯斯強(qiáng)調(diào)稱,思科需要開發(fā)一種新的模式,這種模式專注于交付架構(gòu)和數(shù)據(jù)中心,而不僅僅是以產(chǎn)品為中心的網(wǎng)絡(luò)“盒子”。
思科預(yù)計(jì)公司2015財(cái)年第二財(cái)季營收增幅將在4%到7%之間;預(yù)計(jì)第二財(cái)季每股攤薄利潤(基于非美國通用會計(jì)準(zhǔn)則)將在0.50美元到0.52美元之間,增幅在6%至11%之間。但華爾街分析師認(rèn)為思科當(dāng)前季度營收為120.9億美元,每股攤薄收益為0.53美元。
好文章,需要你的鼓勵
新加坡國立大學(xué)研究團(tuán)隊(duì)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(duì)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(duì)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(shí)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(shí)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(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。