苹果公司周一发布了2014财年第一季度财报。财报显示,苹果第一财季营收达到创纪录的576亿美元,同比增长5.7%;净利润为131亿美元,同比持平。
截至2013年12月28日的第一财季,苹果营收达到创纪录的576亿美元,相比上年同期的545亿美元增长5.7%,符合苹果及分析师预期。苹果在10月份发布第四季度财报时,预计其第一季度营收为550亿美元至550亿美元,而华尔街分析师预计营收将达到575亿美元。
净利润为130.7亿美元,合每股摊薄收益14.50美元,去年同期净利润为130.8亿美元,合每股摊薄收益13.81美元。尽管苹果该季度的每股收益高出分析师此前预期的14.09美元,但该季度净利润再次下滑,使苹果净利润连续四个季度遭遇下滑。
苹果第一财季毛利率为37.9%,上年同期为38.6%,略高于36.5%-37.5%的估计。苹果公司的毛利率在2012年初曾一度达到47.4%,但随着客户纷纷选择低成本设备,其毛利率也一路走低。
苹果财报显示,2014财年第一季度苹果iphone销量达到了创纪录的5100万部,但分析师此前预期的5500万。ipad销量达到了创纪录的2600万台,超出分析师预期的2500万台,Mac电脑销量为480万台,超出分析师460万台的预期。
尽管该季度苹果iphone和ipad的销量创新的纪录,但与华尔街分析师对iphone销量分析预期相比,仍有差距;此外,苹果预计当前季度营收将出现疲弱。受此影响,苹果发布财报后的美股盘后市场,截至发稿,苹果股价大跌,跌幅高达8.2%,至505.59美元。
苹果首席执行官蒂姆•库克(Tim Cook)在随后进行的分析师电话会议上表示,“我们的目标是始终做到最好,而不是最多。我们正在这样做。”
在对当前季度的业绩展望中,苹果公司预计第二财季的营收将在420亿美元至440亿美元之间,毛利率在37%到38%之间,均低于华尔街预期。此前华尔街分析师预计苹果第二财季的营收在460亿美元左右,毛利率为37.3%。
首席财务官彼得•奥本海默对苹果第一财季业绩报告进行了解读,他将苹果业绩低于预期归结为四个因素,其中最大原因为渠道库存。去年,在整个第四季度,苹果的iPhone 5供应短缺一直未达到供需平衡,这种状况直至下一财季才有所缓解。今年,苹果产品供货速度快了很多,在第一财季结束时,无论是iphone还是ipad,都有充足的供货。
此外,奥本海默还认为,苹果公司还受到了美元走强、较低的iPod销量(期间iPod销量下降了52%)和放弃免费赠送软件的收入递延。奥本海默称,总体而言,四方面因素使苹果营收降低了约20亿美元。
在高端市场,三星和其他公司给苹果施压,而在低端市场,苹果也很大程度上错失良机。对于苹果来说,这是一个大问题,因为越来越多的移动产品销售来自中国等新兴廉价手机市场,在这些市场上,华为和中兴等公司备受欢迎。
尽管苹果在本月早些时候与中国移动达成了iPhone销售协议,但分析师对此并不十分看好。巴克莱分析师本•雷特兹(Ben Reitzes)本月早些时候警告说,由于iPhone 5c市场销售疲软,苹果第二财季的营收预期可能会低于分析师预期。其他分析人士同样担心,苹果与中国移动的合作销售起始可能将是缓慢的,对苹果第二季度营收的推动作用不会有想象中的那么好。
其实,在当前智能手机市场,并非苹果一家公司面临着严峻形势。作为苹果的竞争对手三星公司,其在上周发布的季度业绩报告显示,该公司也遭遇了两年来季度营业利润首次下滑不利局面。也许令三星更为不安的是,三星移动业务将继续放缓,并发出预警称“2014年上半年仍将疲软”。
好文章,需要你的鼓励
AIM Intelligence联合多所知名大学揭示了音频AI系统的重大安全漏洞,开发出名为WhisperInject的攻击方法。这种攻击能让看似无害的音频指令操控AI生成危险内容,成功率超过86%,完全绕过现有安全机制。研究暴露了多模态AI系统的系统性安全风险,对全球数十亿智能设备构成潜在威胁。
新加坡国立大学研究团队系统梳理了视觉强化学习领域的最新进展,涵盖超过200项代表性工作。研究将该领域归纳为四大方向:多模态大语言模型、视觉生成、统一模型框架和视觉-语言-动作模型,分析了从RLHF到可验证奖励范式的政策优化策略演进,并识别出样本效率、泛化能力和安全部署等关键挑战,为这一快速发展的交叉学科提供了完整的技术地图。
浙江大学研究团队通过OmniEAR基准测试揭示了当前AI模型在物理世界推理方面的严重缺陷。测试显示,即使最先进的AI在明确指令下能达到85-96%成功率,但面对需要从物理约束推断行动的任务时,成功率骤降至56-85%。研究发现信息过载反而降低AI协作能力,监督学习虽能改善单体任务但对多智能体协作效果甚微,表明当前架构存在根本局限性。
纽约大学和Aimpoint Digital Labs的研究团队首次揭示了Transformer模型训练中"大规模激活"的完整发展轨迹。这些影响力比普通激活大千倍的"超级激活"遵循可预测的数学规律,研究者开发出五参数公式能以98.4%准确率预测其变化。更重要的是,通过调整模型架构参数如注意力密度、宽深比等,可以在训练前就预测和控制这些关键激活的行为,为设计更高效、量化友好的AI模型提供了全新工具。