8月4日消息,攜程網(wǎng)今天發(fā)布了截至6月30日的2015財(cái)年第二季度未審計(jì)財(cái)報(bào)。財(cái)報(bào)顯示,按照美國(guó)通用會(huì)計(jì)準(zhǔn)則(GAAP)計(jì)算,攜程網(wǎng)第二季凈營(yíng)收為25.3億元(人民幣,下同)(約合4.08億美元),同比增長(zhǎng)47%;歸屬于攜程網(wǎng)股東的凈利潤(rùn)為1.43億元(約合2300萬(wàn)美元),較去年同期的1.35億元(約合2200萬(wàn)美元)增長(zhǎng)5.9%。
攜程網(wǎng)股價(jià)
第二季業(yè)績(jī)要點(diǎn):
——凈營(yíng)收為25.3億元(約合4.08億美元),同比增長(zhǎng)47%;
——按非美國(guó)通用會(huì)計(jì)準(zhǔn)則(non-GAAP),凈傭金收入為24.9億元,同比增長(zhǎng)45%;
——住宿預(yù)訂量同比增長(zhǎng)55%,住宿預(yù)訂業(yè)務(wù)營(yíng)收為11億元(約合1.78億美元),同比增長(zhǎng)47%;
——交通票務(wù)預(yù)訂量同比增長(zhǎng)106%,交通票務(wù)營(yíng)收為11億元(約合1.70億美元),同比增長(zhǎng)45%;
——毛利率為71%,較去年同期的72%下降1個(gè)百分點(diǎn),較今年第一季度的70%增長(zhǎng)1個(gè)百分點(diǎn);
——歸屬于攜程網(wǎng)股東的凈利潤(rùn)為1.43億元(約合2300萬(wàn)美元),較去年同期的1.35億元(約合2200萬(wàn)美元)增長(zhǎng)5.9%;不按美國(guó)通用會(huì)計(jì)準(zhǔn)則,不計(jì)入股權(quán)激勵(lì)支出,歸屬于攜程網(wǎng)股東的凈利潤(rùn)為2.96億元(約合4800萬(wàn)美元),較去年同期的2.46億元(約合4000萬(wàn)美元)增長(zhǎng)20.3%;
——每股美國(guó)存托股票(ADS)攤薄收益為0.90元(約合0.15美元)。按非美國(guó)通用會(huì)計(jì)準(zhǔn)則,不計(jì)入股權(quán)激勵(lì)支出,每股ADS攤薄收益為1.86元(約合0.30美元);
——股權(quán)激勵(lì)支出為1.53億元(約合2500萬(wàn)美元),在凈營(yíng)收中的占比為6%,對(duì)每股ADS收益的影響為0.96元(約合0.15美元)。
展望:
攜程網(wǎng)預(yù)計(jì),第三季凈營(yíng)收同比增長(zhǎng)率大約在45%至50%。
股價(jià)表現(xiàn):
攜程網(wǎng)周一在納斯達(dá)克交易所的開(kāi)盤(pán)價(jià)為71.68美元。截至周一收盤(pán),攜程網(wǎng)股價(jià)下降0.13美元,收?qǐng)?bào)71.45美元,跌幅為0.18%。截至美國(guó)東部時(shí)間周一18:40分(北京時(shí)間周二6:40分),攜程網(wǎng)股價(jià)在盤(pán)后交易中下降1.70美元至69.75美元,跌幅為2.38%。過(guò)去52周,攜程網(wǎng)股價(jià)最高為87.62美元,最低為40.74美元。
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(kāi)發(fā)了SPIRAL框架,通過(guò)讓AI與自己對(duì)弈零和游戲來(lái)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(kāi)發(fā)的GIGA-ToF技術(shù)通過(guò)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(wèn)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(jué)解決方案。
伊利諾伊大學(xué)研究團(tuán)隊(duì)通過(guò)對(duì)比實(shí)驗(yàn)發(fā)現(xiàn),經(jīng)過(guò)強(qiáng)化學(xué)習(xí)訓(xùn)練的視覺(jué)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(jué)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(guò)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。