7月8日消息,據(jù)國外媒體報(bào)道,阿里巴巴(NYSE:BABA)股價(jià)周二盤中大挫,一度跌至76.21美元,創(chuàng)下上市之后新低。該股盤中一度出現(xiàn)5%的跌幅。
中國電商巨頭股價(jià)走軟與中國股市近日的表現(xiàn)不無關(guān)系。中國內(nèi)地股市自6月中旬以來下跌近28%,投資者擔(dān)心全球第二大經(jīng)濟(jì)體經(jīng)濟(jì)增速將會放緩。
同一時(shí)間里,阿里巴巴股價(jià)下跌9.7%,在過去16個(gè)交易日中有11天下跌。
韋德布什證券的分析師吉爾·盧里亞(Gil Luria)表示:“只要市場仍在擔(dān)心中國消費(fèi)者,(阿里巴巴)股價(jià)走軟的情況就可能持續(xù)下去。”
中國一季度GDP增長降至7%,創(chuàng)下2009年以來最差水平。中國人民銀行預(yù)計(jì),今年余下時(shí)間里經(jīng)濟(jì)將維持這種增長。中國GDP增長在2010曾達(dá)到10%的高點(diǎn),之后開始減緩。
盧里亞表示,中國股市的波動并未直接影響阿里巴巴,但如果中國消費(fèi)者在股市中虧錢,而經(jīng)濟(jì)增長又在放緩,那么消費(fèi)者的收入就有可能減少,導(dǎo)致其消費(fèi)被抑制,這就有可能損害到阿里巴巴。
機(jī)構(gòu)Summit Research的分析師郭琪(Henry Guo)指出:“不僅是阿里巴巴會受到(這種形勢)影響,整個(gè)板塊都將承受拋壓。”
盡管北京方面在上周末拿出了積極的救市措施,但上證指數(shù)仍連跌4日,在美上市的中國互聯(lián)網(wǎng)公司周二亦出現(xiàn)股價(jià)大面積滑坡。眾美窩窩(NASDAQ:WOWO)、500彩票網(wǎng)(NYSE:WBAI)盤中一度大跌26%和20%。
雖然股價(jià)表現(xiàn)不佳,但郭琪與盧利亞均對阿里巴巴股票持看多意見。郭琪預(yù)計(jì),該股在未來12個(gè)月將上漲至97美元,即在周二的股價(jià)基礎(chǔ)上上漲24%。他表示,這家公司之所以能繼續(xù)增長,是因?yàn)樗谥袊ヂ?lián)網(wǎng)的普及率與不斷增多的手機(jī)用戶。規(guī)模決定了這家公司不太會對宏觀經(jīng)濟(jì)波動過于敏感。
盧利亞則給出了115美元的12個(gè)月目標(biāo)股價(jià),較該股今日盤中時(shí)的價(jià)格高出47%,稍稍高于FactSet統(tǒng)計(jì)的45位分析師給出的107.08美元的目標(biāo)股價(jià)均值。
盡管阿里股價(jià)有望在來年反彈,但其目前的表現(xiàn)較去年11月時(shí)119.15美元的最高值仍有較大差距,當(dāng)時(shí)阿里巴巴剛上市7個(gè)星期。該公司第三財(cái)季的銷售增長情況令人失望,這在一定程度上導(dǎo)致了其股價(jià)的下滑。
如果中國經(jīng)濟(jì)持續(xù)走軟,而消費(fèi)者也失去了信心,那么今后還可能出現(xiàn)更多波瀾。
今日收盤時(shí)阿里巴巴股價(jià)報(bào)79.58美元,下跌0.65美元,跌幅收窄至0.81%。盤后交易時(shí)段該股再度微挫0.08%。
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。