5月15日,新浪微博今日公布了截至2015年3月31日的第一季度未經(jīng)審計(jì)的財(cái)務(wù)報(bào)告,財(cái)報(bào)顯示,第一季度凈營收9630萬美元,同比增長43%,凈虧損290萬美元。
2015年第一季度焦點(diǎn)業(yè)績
凈營收9630萬美元,較上年同期增長43%,超過公司9300萬美元至9600萬美元的預(yù)期范圍。
廣告和營銷營收7920萬美元,較上年同期增長53%。
微博增值服務(wù)(微博VAS)營收1710萬美元,較上年同期增長9%。
歸屬于微博普通股股東的凈虧損為290萬美元,較上年同期減少94%,合每普通股攤薄凈虧損1美分。
非美國通用會(huì)計(jì)準(zhǔn)則歸屬于微博普通股股東的凈利潤為290萬美元,合每普通股攤薄凈盈利1美分,上年同期非美國通用會(huì)計(jì)準(zhǔn)則凈虧損480萬美元。
非美國通用會(huì)計(jì)準(zhǔn)則調(diào)整后EBITDA(扣除利息、稅金、折舊及攤銷前之利潤)為690萬美元,上年同期為負(fù)50萬美元。
2015年3月的月活躍用戶數(shù)(MAU)為1.98億,較上年同期增長38%。3月份移動(dòng)MAU 在MAU 總量中的占比為86%。2015年3月的日均活躍用戶數(shù)(DAU)為8900萬,較上年同期增長34%。
2015年第一季度企業(yè)業(yè)績
2015年第一季度凈營收9630萬美元,上年同期為6750萬美元。2015年第一季度廣告和營銷營收7920萬美元,上年同期為5190萬美元。2015年第一季度微博增值服務(wù)營收為1710萬美元,上年同期為1570萬美元。
2015年第一季度的成本和開支總計(jì)1.006億美元,上年同期為7560萬美元。2015年第一季度非美國通用會(huì)計(jì)準(zhǔn)則成本和開支為9470萬美元,較上年同期增長30%。非美國通用會(huì)計(jì)準(zhǔn)則成本和開支的增長主要源自人員相關(guān)成本、營銷開支增加,由于營收增長帶來的增值稅費(fèi)增加,以及流量增長產(chǎn)生的基礎(chǔ)設(shè)施開支增加。
2015年第一季度的運(yùn)營虧損為430萬美元,上年同期為810萬美元。2015年第一季度非美國通用會(huì)計(jì)準(zhǔn)則運(yùn)營盈利為160萬美元,上年同期為虧損560萬美元。
2015年第一季度非運(yùn)營盈利為150萬美元,上年同期為虧損3990萬美元。2014年第一季度的非運(yùn)營虧損包括與阿里巴巴投資相關(guān)的投資者期權(quán)負(fù)債公允值調(diào)整帶來的4020萬美元虧損。
2015年第一季度歸屬于微博普通股股東的凈虧損為280萬美元,上年同期為4740萬美元;2015年第一季度每普通股攤薄凈虧損為1美分,上年同期為31美分。2015年第一季度非美國通用會(huì)計(jì)準(zhǔn)則歸屬于微博普通股股東的凈利潤為290萬美元,上年同期為凈虧損480萬美元;2015年第一季度非美國通用會(huì)計(jì)準(zhǔn)則每普通股攤薄凈收益為1美分,上年同期為凈虧損3美分。
截至2015年3月31日,微博的現(xiàn)金、現(xiàn)金等價(jià)物及短期投資總額為4.525億美元。2015年第一季度經(jīng)運(yùn)營活動(dòng)提供的現(xiàn)金為710萬美元,資本開支為380萬美元,折舊和攤銷費(fèi)用為560萬美元。
業(yè)績展望
微博預(yù)計(jì)2015年第二季度凈營收將在1.02億美元至1.05億美元之間,該預(yù)期基于預(yù)計(jì)與阿里巴巴集團(tuán)之間某些預(yù)定計(jì)劃的方案仍將于二季度啟動(dòng),而其營收因?yàn)槭杖氪_認(rèn)營收認(rèn)列方面的原因可能會(huì)推遲到2015年下半年。上述預(yù)期體現(xiàn)的是微博當(dāng)前的初步判斷,未來可能進(jìn)行調(diào)整。
好文章,需要你的鼓勵(lì)
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(dòng)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(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(dòng)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。