北京時間4月20日消息,《華爾街日報》網(wǎng)絡(luò)版發(fā)表分析文章稱,谷歌近日正式被歐盟提起反壟斷指控,最高面臨營收10%的罰款。投資者本已對谷歌的 增速放緩以及近幾年支出的大幅增長感到不安,歐洲的反壟斷指控進一步加劇了他們的擔憂。但考慮到未來強勁的增長前景、削減投資預(yù)算以及向股東返還現(xiàn)金等舉 措,該搜索巨頭的股價依然有很大增長潛力。
以下是文章摘要:
谷歌與監(jiān)管部門的爭執(zhí)在上周進一步升級。在經(jīng)歷了5年來來回回的拉鋸戰(zhàn)后,歐盟委員會在上周正式對谷歌提起反壟斷指控。歐盟指控谷歌在搜索結(jié)果中打壓對手,使結(jié)果偏向自家比較購物服務(wù)。歐盟委員會還對谷歌Android系統(tǒng)啟動調(diào)查。
谷歌對指控予以否認,并提供了電商市場競爭激烈的證據(jù)。而且,Android能夠占據(jù)如此龐大的市場份額,主要源于谷歌向設(shè)備制造商免費開放了這一移動操作系統(tǒng)。其中一些設(shè)備制造商還對Android進行了大幅修改,以滿足自身設(shè)備的需求。
歐盟反壟斷指控加劇擔憂
然而,投資者對于谷歌與監(jiān)管部門抗衡的擔憂令該公司股價承壓,拖累谷歌股價在過去一個月下降近5%。在此之前,投資者已經(jīng)對谷歌增速的放緩以及近幾年支出的大幅增長感到不安。過去12個月,谷歌股價下降了近2%。相比之下,同期的納斯達克綜合指數(shù)上漲了19%。
鑒于歐盟委員會的反壟斷指控可能會耗時多年才能完結(jié),投資者的確有理由對谷歌保持警惕。罰款是一大隱憂,但需要指出的是,即便按照營收10%的最高罰款比例計算,它也只占據(jù)谷歌當前海外現(xiàn)金儲備的15%。
更令人擔心的是,谷歌可能必須得修改搜索算法以迎合監(jiān)管部門,這可能有損其服務(wù)的價值。谷歌去年的廣告營收接近590億美元,同比增長17%。正是這一利潤豐厚的搜索廣告業(yè)務(wù)讓谷歌成為了全球最具價值的公司之一。谷歌目前的市值為3660億美元,僅次于蘋果排在第二。
前景仍獲看好
作為一家擁有超高市值的公司,谷歌的增長前景依然強勁。分析師預(yù)計,不計入流量獲取成本,谷歌今年調(diào)整后的營收增速為15%,高于去年對的10%。谷歌未來三年的營收增速至少保持在雙位數(shù),其凈營收到2017年時預(yù)計將接近800億美元。
而且,谷歌可能會削減其規(guī)模龐大投資預(yù)算,甚至開始將逾640億美元現(xiàn)金儲備的一部分返還給股東。谷歌在周四發(fā)布第一季財報時就有可能提供這一方面的線索。對投資者來說,這是積極的一面,特別是考慮到谷歌市盈率較納斯達克綜合指數(shù)折價15%的情況下。這一折價率創(chuàng)下了至少5年來的最高。
所以,盡管監(jiān)管部門可能會緊追猛打,但谷歌依然有能力做大其業(yè)務(wù),并保持在移動領(lǐng)域的領(lǐng)先地位,這應(yīng)該引起投資者的進一步重視。目前為止,谷歌正處于正確軌道上。
好文章,需要你的鼓勵
新加坡國立大學研究團隊開發(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,僅訓練AI玩簡單撲克游戲就能讓其數(shù)學推理能力提升8.6%,通用推理提升8.4%,且無需任何數(shù)學題目作為訓練材料。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)學解題中,為AI訓練提供了新思路。
同濟大學團隊開發(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)合深度學習和數(shù)學優(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。
伊利諾伊大學研究團隊通過對比實驗發(fā)現(xiàn),經(jīng)過強化學習訓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練效率,已在多個任務(wù)上驗證有效性。