亞馬遜今天發(fā)布了2014財(cái)年第二季度財(cái)報(bào)。報(bào)告顯示,亞馬遜第二季度凈營(yíng)收為193.4億美元,比去年同期的157.04億美元增長(zhǎng)23%;凈虧損為1.26億美元,每股虧損27美分,2013財(cái)年第二季度,亞馬遜的凈虧損為700萬(wàn)美元,每股虧損2美分。
分析師平均預(yù)期該公司每股虧損15美分,亞馬遜第二季度每股業(yè)績(jī)不及華爾街分析師的平均預(yù)期,令其股價(jià)盤后重挫,跌幅近11%。
亞馬遜以樂意為推出新類型產(chǎn)品和服務(wù)、承擔(dān)投資虧損而著稱。本季度也不例外。亞馬遜第二季度發(fā)布兩款硬件設(shè)備:Fire電視和Fire手機(jī),同時(shí)還推出了兩項(xiàng)新服務(wù),Prime Music和Kindle Unlimited。
亞馬遜創(chuàng)始人兼杰夫·貝佐斯(Jeff Bezos)在一份聲明中稱,“我們繼續(xù)努力工作,以使亞馬遜帶來(lái)更好的客戶體驗(yàn)。”貝佐斯還列舉了本季度亞馬遜發(fā)布的大量新產(chǎn)品。
亞馬遜還指出,在印度市場(chǎng),亞馬遜推出了一個(gè)新網(wǎng)站,并保持了增長(zhǎng):在印度市場(chǎng),亞馬遜每13天將推出一項(xiàng)新服務(wù),現(xiàn)在銷售的服務(wù)品種超過了1700萬(wàn)個(gè)商品。
亞馬遜在財(cái)報(bào)中對(duì)2014財(cái)年第三季度業(yè)績(jī)作出預(yù)期。亞馬遜預(yù)測(cè),第三季度公司凈營(yíng)收為197億美元到215億美元,同比增長(zhǎng)15%到26%,其中值為206億美元,不及分析師預(yù)期;運(yùn)營(yíng)虧損為4.1億美元到8.1億美元,其中計(jì)入約4.10億美元的股權(quán)獎(jiǎng)勵(lì)支出和無(wú)形資產(chǎn)攤銷支出;相比之下,去年同期亞馬遜運(yùn)營(yíng)虧損為2500萬(wàn)美元。
亞馬遜還宣布,此前客戶預(yù)定的亞馬遜Fire手機(jī),將從周五起開始發(fā)貨。
在隨后進(jìn)行的財(cái)報(bào)電話會(huì)議上,亞馬遜首席財(cái)務(wù)官Tom Szkutak強(qiáng)調(diào)了公司在投資策略上的勃勃雄心。
由于業(yè)績(jī)不及分析師預(yù)期,美股盤后市場(chǎng),亞馬遜股價(jià)大幅下滑,跌幅一度逼近11%。
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(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。