5月7日消息,據(jù)國外媒體報道,特斯拉汽車公司今天發(fā)布了截至3月31日的2015年第一季度財報。該公司報告的第一季度虧損低于分析師此前的預(yù)期,并重申了對其電動汽車全年銷量的預(yù)測。受這些消息影響,特斯拉股價在美國時間周三的盤后交易中實現(xiàn)上漲。
在刊登在其網(wǎng)站上的一封致投資者信中,特斯拉表示,不計入某些一次性項目(不按照美國通用會計準則), 該公司第一季度攤薄后每股虧損0.36美元。根據(jù)彭博匯編的數(shù)據(jù),分析師此前平均預(yù)期該公司第一季度每股虧損0.39美元。
特斯拉在信中向投資者保證,該公司最重要的一些項目目前進展良好。特斯拉稱,今年有望實現(xiàn)交付5.5萬輛電動汽車,而其大型蓄電池廠的建設(shè)進度要領(lǐng)先于之前的計劃:電池、電池模塊和電池組都將于2016年開始投入生產(chǎn)。該公司還表示,其電動汽車在中國的銷量正在回升,同時有跡象顯示其固定式蓄電池產(chǎn)品擁有巨大的增長潛力。
美國投行Robert W. Baird的分析師本·卡羅(Ben Kallo)指出,特斯拉第一季度的財務(wù)數(shù)據(jù)全面超過預(yù)期,其電動汽車的生產(chǎn)能力要強于預(yù)期,同時其Model X中型跨界車有望于今年年第三季度開始交付。
在納斯達克周三的盤后交易中,截止發(fā)稿前,特斯拉股價上漲了1.38%,至233.60美元。截止周三收盤時,該公司股價今年累計上漲了3.6%,超過了羅素1000指數(shù)(Russell 1000 Index) 1.4%的漲幅。
特斯拉表示,外界期待已久的Model X電動汽車應(yīng)該能在今年第三季度末開始交付。此前,該公司曾計劃讓Model X在2014年年底上市,但最近告訴投資者,將于今年夏天向客戶交付這款電動汽車。
它告訴投資者,該公司在中國最糟糕的境況似乎已經(jīng)過去。在中國市場,特斯拉遇到了其Model S電動汽車大量積壓的情況,因為一些黃牛黨和投機者訂購了這款汽車,卻最終沒有購買。
特斯拉在信中表示:“雖然我們在中國還有許多工作要做,但我們看到了那里的訂單正恢復(fù)增長,這是一個令人鼓舞的跡象。”
固定式蓄電池
特斯拉正憑借其鋰離子電池的專利技術(shù),向電動汽車之外的領(lǐng)域擴張,并將自己定位為新興能源存儲市場的一個領(lǐng)先者。上周,該公司首席執(zhí)行官伊隆·馬斯克發(fā)布了“特斯拉能源(Tesla Energy)”,這是一整套同時適用于家庭、商業(yè)和公共事業(yè)的電池產(chǎn)品。
該公司正在押注,其投資達50億美元、正在內(nèi)華達州里諾市附近興建的Gigafactory超級電池工廠,將能夠通過大規(guī)模生產(chǎn)降低電池的成本,從而讓其在客戶中有更強的競爭力,這些客戶甚至包括傳統(tǒng)的電力供應(yīng)商,同時能使其電動汽車的價格更為實惠。
包括加州在內(nèi)的美國許多州,正將儲能設(shè)備作為一項重要工具,希望利用其能更好地管理電網(wǎng),整合不斷增長的太陽能和風能,并減少溫室氣體的排放。特斯拉最近宣布,該公司已與愛迪生國際旗下的南加州愛迪生公司、亞馬遜及杰克遜家族酒業(yè)公司(Jackson Family Wines)等建立了合作伙伴關(guān)系。
在周三的信中,特斯拉強調(diào)了其“特斯拉能源”系列產(chǎn)品所擁有的巨大潛力。它指出:“‘特斯拉能源’產(chǎn)品的潛在市場規(guī)模巨大,而且與電動汽車相比更容易在全球范圍內(nèi)銷售。”
好文章,需要你的鼓勵
新加坡國立大學(xué)研究團隊開發(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。實驗顯示,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。
同濟大學(xué)團隊開發(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)集上實現(xiàn)37.9%的精度提升,并在真實設(shè)備上展現(xiàn)出色泛化能力,為機器人、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)研究團隊通過對比實驗發(fā)現(xiàn),經(jīng)過強化學(xué)習(xí)訓(xùn)練的視覺語言模型雖然表現(xiàn)出"頓悟時刻"現(xiàn)象,但這些自我糾錯行為并不能實際提升推理準確率。研究揭示了AI模型存在"生成-驗證差距",即生成答案的能力強于驗證答案質(zhì)量的能力,且模型在自我驗證時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等頂尖機構(gòu)聯(lián)合提出SparseLoRA技術(shù),通過動態(tài)稀疏性實現(xiàn)大語言模型訓(xùn)練加速1.6倍,計算成本降低2.2倍。該方法使用SVD稀疏性估計器智能選擇重要計算部分,在保持模型性能的同時顯著提升訓(xùn)練效率,已在多個任務(wù)上驗證有效性。