北京時(shí)間5月22日晚間消息,聚美優(yōu)品(NYSE:JME))今天發(fā)布了截至3月31日的2015財(cái)年第一季度未經(jīng)審計(jì)財(cái)報(bào)。報(bào)告顯示,聚美優(yōu)品第一季度總凈營(yíng)收為2.506億美元,比去年同期的1.549億美元增長(zhǎng)61.8%;歸屬于公司普通股股東的凈利潤(rùn)為1570萬(wàn)美元,相比之下,去年同期歸屬于公司普通股股東的凈利潤(rùn)為1050美元,同比增長(zhǎng)49.5%。
財(cái)報(bào)發(fā)布后,聚美優(yōu)品創(chuàng)始人,董事會(huì)主席兼CEO陳歐、聚美優(yōu)品聯(lián)席CFO高孟、聚美優(yōu)品聯(lián)席CFO鄭云生等召開電話會(huì)議,解讀財(cái)報(bào)要點(diǎn),并回答分析師提問。
以下即為本次電話會(huì)議問答環(huán)節(jié)主要內(nèi)容:
天灝資本分析師侯曉天(Tian Hou):第一問題有關(guān)聚美海外購(gòu)業(yè)務(wù)。這項(xiàng)業(yè)務(wù)已經(jīng)從美妝品類向母嬰品類進(jìn)行了擴(kuò)張,請(qǐng)問這個(gè)新品類表現(xiàn)如何,以及聚美品類擴(kuò)張計(jì)劃的目標(biāo)?第二點(diǎn),隨著產(chǎn)品品類的擴(kuò)張,需要處理的訂單數(shù)量自然也會(huì)增加,那么聚美在擴(kuò)大倉(cāng)儲(chǔ)方面是怎樣打算的?
高孟:說到聚美海外購(gòu)業(yè)務(wù),我們?cè)诮衲?月15日增加了母嬰產(chǎn)品品類,也就是第二季度。就每天的訂單量而言——我說的不是促銷日的數(shù)據(jù),促銷日的表現(xiàn)甚至更好一些——我們已經(jīng)在母嬰品類上確立了領(lǐng)先地位,成為中國(guó)第一大跨境母嬰品類電商,目前是第二名的日訂單量的10倍左右。
聚美今后還將在海外購(gòu)業(yè)務(wù)中增加其他新的產(chǎn)品品類。正如我們之前所說,美妝、母嬰、奢侈品等品類,都是跨境電商中相對(duì)較大的產(chǎn)品品類,而且都是以女性用戶為主的品類,所以它們非常適合聚美的目標(biāo)客戶群。
侯曉天:還請(qǐng)談一談倉(cāng)儲(chǔ)擴(kuò)建計(jì)劃?
高孟:隨著聚美產(chǎn)品品類的擴(kuò)張以及訂單量的增長(zhǎng),我們也一直在不斷地?cái)U(kuò)大倉(cāng)儲(chǔ)空間。我們當(dāng)前擁有的倉(cāng)儲(chǔ)面積可以很好對(duì)滿足品牌擴(kuò)張后的訂單需求。
陳歐:我們一直都在非常積極地增加新的倉(cāng)儲(chǔ)中心。聚美目前已經(jīng)覆蓋了全國(guó)大部分保稅物流中心。
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)開發(fā)了SPIRAL框架,通過讓AI與自己對(duì)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(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(duì)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(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(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。