京東集團(NASDAQ:JD)今日發(fā)布了其截至2015年3月31日的2015財年第一季度業(yè)績。財報顯示,京東一季度凈收入為366億元人民幣(約59億美元),同比增長62%;相較于去年同季度凈虧損37.95億元,一季度凈虧損收窄至7.102億元人民幣(約1.146億美元)。
財報顯示,2015年第一季度,京東交易總額(GMV)達到878 億元人民幣(約142 億美元),同比增長99%。凈收入為366億元人民幣(約59億美元),同比增長62%。
2015年第一季度凈虧損為7.102億元人民幣(約1.146億美元),凈利潤率為-1.9%。2015年第一季度非美國通用會計準則下(Non-GAAP)凈虧損為2.056億元人民幣(約3,320萬美元),凈利潤率為-0.6%。
年度活躍用戶數(shù)由截止2014 年3月31日的12個月期間的5,550 萬增長至截止2015 年3 月31 日的12 個月期間的1.052 億,同比增長90%。
2015年第一季度完成訂單量為2.272億,與2014 年第一季度1.293億相比,同比增長76%。2015 年第一季度通過移動端渠道完成訂單量約占總完成訂單量的42%,同比增長329%。
京東創(chuàng)始人兼首席執(zhí)行官劉強東表示,在 2015年第一季度,京東的交易額和收入增長仍然強勁。在第一季度京東繼續(xù)優(yōu)化用戶體驗,不斷擴展新業(yè)務(wù),在O2O和互聯(lián)網(wǎng)金融等領(lǐng)域推出了一系列新的服務(wù)。
京東首席財務(wù)官黃宣德表示,中國電商市場在未來幾年仍會有快速的發(fā)展。近期的業(yè)務(wù)重點將繼續(xù)集中于擴大公司規(guī)模,增加市場份額?;诖耍〇|將對包括用戶體驗,物流能力,品牌認知度以及潛力巨大的新業(yè)務(wù)在內(nèi)的多個領(lǐng)域持續(xù)進行投入。
2015年第一季度財務(wù)業(yè)績:
凈收入與交易總額
2015年第一季度交易總額為878億元人民幣(約142億美元),同比增長99%。2015年第一季度線上自營與第三方平臺交易總額分別為509億元人民幣與369億元人民幣,比2014年第一季度分別增長了63%和185%。2015年第一季度電子與家電產(chǎn)品的交易總額為444億元人民幣,較2014年第一季度增長65%,同時日用商品及其他品類商品的交易總額為434億元人民幣,較2014年第一季度增長152%。與2014年第一季度的39.1%相比,2015年第一季度日用商品及其他品類商品交易總額占總交易額比例上升至49.4%。
2015年第一季度京東凈收入為366億元人民幣(約59億美元),同比增長62%。本季度凈收入與交易總額的增長主要得益于京東活躍用戶數(shù)及完成訂單量的增長。京東2015年第一季度線上自營業(yè)務(wù)的凈收入同比增長59%,來自于服務(wù)項目與其他項目的凈收入同比增長139%,增長動力主要來自快速擴張的京東商城第三方開放平臺業(yè)務(wù)與廣告業(yè)務(wù)所產(chǎn)生的收入。
凈虧損/和非美國通用會計準則下(Non-GAAP)凈虧損
相比去年同季度38億元人民幣的凈虧損,2015年第一季度公司凈虧損為7.102億元人民幣(約1.146億美元)。此變化主要由于股權(quán)激勵費用的下降,而來自與騰訊戰(zhàn)略合作及收購騰訊部分資產(chǎn)與業(yè)務(wù)產(chǎn)生的相關(guān)無形資產(chǎn)攤銷費用則有所上升。非美國通用會計準則下(Non-GAAP)2015年第一季度凈虧損為2.056億元人民幣(約3,320萬美元),去年第一季度凈虧損為8,010萬元人民幣。非美國通用會計準則下(Non-GAAP),2014年第一季度的凈利潤率為-0.4%,2015年第一季度的凈利潤率為-0.6%。
·每股美國存托憑證凈虧損/非美國通用會計準則下(Non-GAAP)每股美國存托憑證凈虧損
2015年第一季度每股美國存托憑證凈虧損為0.52元人民幣(約0.08美元),2014年第一季度每股美國存托憑證凈虧損為5.80元人民幣。非美國通用會計準則下(Non-GAAP),2014年第一季度每股美國存托憑證凈虧損為0.09元人民幣,2015年第一季度每股美國存托憑證凈虧損為0.15元人民幣(約0.02美元)。
2015年第二季度業(yè)績預(yù)期:
京東預(yù)計2015年第二季度凈收入介于435億元人民幣至445億元人民幣之間,同比增長約為52%至56%之間。此預(yù)期體現(xiàn)了京東當前的初步預(yù)期,可能會發(fā)生改變。
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。