聯(lián)想集團(tuán)(00992.HK)今日公布截至2015年6月30日的第一財(cái)季業(yè)績(jī),財(cái)報(bào)顯示營收107億美元(約合人民幣683億元),同比上漲3%;凈利潤(rùn)1.05億美元(約合人民幣6.7億元),同比下降51%。
其中個(gè)人電腦集團(tuán)(PCG,包括個(gè)人電腦和Windows平板電腦)的季度營業(yè)額達(dá)73億美元,稅前利潤(rùn)達(dá)3.68億美元,同比下跌8%。稅前利潤(rùn)率維持強(qiáng)勁達(dá)5.1%,同比改善0.3個(gè)百份點(diǎn)。本季度個(gè)人電腦銷量為1,350萬部,同比下跌7.1%,而市場(chǎng)整體下跌12.8%。
PC業(yè)務(wù)大幅下滑,聯(lián)想集團(tuán)必須繼續(xù)提升效能和削減開支,以確保所有業(yè)務(wù)維持穩(wěn)健和盈利能力。為了讓整體業(yè)務(wù)重新回到增長(zhǎng)的軌道,聯(lián)想將采取以下舉措:
1、重組移動(dòng)業(yè)務(wù)集團(tuán)(MBG),進(jìn)一步協(xié)調(diào)理順智能手機(jī)產(chǎn)品開發(fā)、設(shè)計(jì)、生產(chǎn)制造等關(guān)鍵環(huán)節(jié),更好地利用摩托羅拉和聯(lián)想的互補(bǔ)性優(yōu)勢(shì),快速推動(dòng)增長(zhǎng)。簡(jiǎn)化產(chǎn)品組合,減少產(chǎn)品數(shù)量,提高差異化水平。
2、企業(yè)級(jí)業(yè)務(wù)要集中資源,調(diào)整定位,向最有吸引力并與聯(lián)想自身能力最為緊密相關(guān)的細(xì)分市場(chǎng)發(fā)起進(jìn)攻。
3、更好地利用個(gè)人電腦市場(chǎng)行業(yè)整合的機(jī)會(huì),加速向30%市場(chǎng)份額的目標(biāo)努力。同時(shí)不斷提高效率,降低成本,確??沙掷m(xù)的盈利性增長(zhǎng)。
4、推動(dòng)所有職能部門提高效率。每一個(gè)部門更好地利用科技,互聯(lián)網(wǎng)和創(chuàng)新方式,更高效,更以用戶為中心地推進(jìn)轉(zhuǎn)型。
以上這些舉措預(yù)計(jì)將為聯(lián)想在下半財(cái)年減省費(fèi)用約6.5億美元,年化減省約為13.5億美元。
有關(guān)舉措還將包括在全球范圍內(nèi)減少約3,200名非生產(chǎn)制造員工,約占聯(lián)想非生產(chǎn)制造類員工的10%,全球60,000員工的約5%。這些舉措將產(chǎn)生重組支出約6億美元,以及約3億美元的額外費(fèi)用作智能手機(jī)庫存撇賬。
聯(lián)想在第一財(cái)季的毛利年比年上升22%至16億美元,毛利率達(dá)15.4%。季度經(jīng)營利潤(rùn)同比下滑67%至9,600萬美元。首季每股基本盈利為0.95美仙或7.36港仙。于2015年6月30日的凈債務(wù)狀況為5億美元。
第一財(cái)季,聯(lián)想個(gè)人電腦銷量為1350萬部,同比下跌7.1%;摩托羅拉為聯(lián)想智能手機(jī)總銷量帶來590萬部的貢獻(xiàn),同比下跌31%,摩托羅拉為聯(lián)想的移動(dòng)業(yè)務(wù)集團(tuán)營業(yè)額帶來12億美元的貢獻(xiàn);至于平板電腦市場(chǎng),聯(lián)想市場(chǎng)份額達(dá)5.6%,銷量同比增長(zhǎng)3.8%,達(dá)250萬部。
聯(lián)想集團(tuán)董事長(zhǎng)兼CEO楊元慶表示:“上個(gè)季度,盡管面對(duì)近年來最為嚴(yán)峻的市場(chǎng)環(huán)境,我們依然取得了不錯(cuò)的業(yè)績(jī)。個(gè)人電腦連續(xù)9個(gè)季度全球第一,智能手機(jī)業(yè)務(wù)重點(diǎn)從中國轉(zhuǎn)向其他市場(chǎng)的戰(zhàn)略初見成效,企業(yè)級(jí)業(yè)務(wù)連續(xù)第三個(gè)季度取得稅前盈利。”
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(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。