5月16日,中国互联网内容传送服务整体解决方案提供商蓝汛国际控股有限公司(以下简称“ChinaCache”)公布了截至2014年3月31日第一季度未经审计的简明合并财务报告。
2014年第一季度业绩概要:
•净营业收入第一季度达到3.239亿元人民币(约合5210万美元),超过营收预期约5.2%,比去年同期增加40.4%;
•毛利润第一季度达9830万元人民币(约合1580万美元),比去年同期增加38.0%;
•调整后EBITDA(即在非公认会计原则下)第一季度为2540万元人民币(约合410万美元),比上一季度增长25.2%,比去年同期长159.8%;
•普通股股东应占净收入第一季度为630万元人民币(约合100万美元),上一季度普通股东净亏损为1400万元人民币,去年同期普通股股东应占净亏损为850万元人民币;
•调整后净收入(即在非公认会计原则下)第一季度为270万元人民币(约合40万美元),上季度调整后净亏损为720万元人民币。去年同期调整后的净亏损为750万元人民币。
蓝汛创始人、董事长兼首席执行官王松回顾,在第一季度,ChinaCache与中国电信达成战略合作,共同打造并管理中国电信的CDN网络;另外,在4月份与人民网达成框架协议,蓝汛为其建造了一个云数据中心。
2014年Q1财务数据:
净营业收入达3.239亿元人民币(约合5210万美元),比上季度下降4.6%,比去年同期增加40.4%。净营业收入超过预期,是由于媒体和娱乐的视频业务表现突出。
营业成本达2.256亿元人民币(约合3630万美元),较上季度减少了2.8%,较去年同期增长了41.4%;毛利率为30.3%,上季度毛利率为31.6%,去年同期为30.9%。非公认会计原则下,2014年Q1除去期权费用,毛利率为30.5%,上季度为31.7%,去年同期为31.1%。
销售和市场费用达3270万元人民币(约合530万美元),占净营收的10.1%,较上季度下降了14.1%,比去年同期增长22.3%。
管理费用为3720万元人民币(约合600万美元),占净营收的11.5%,较上季度减少14.3%,较去年同期增加22.8%。
研发费用达2820万元人民币(约合450万美元),占净营收的8.7%,较上一季度下降了7.7%,较去年同期增加了33.4%。
运营收入为20万元人民币(约合3.3万美元),相比上季度的运营亏损为600万元人民币,去年同期运营亏损为690万元人民币。在非公认会计原则下,除去期权费用、可供出售资产减值后,运营收入为370万元人民币(约合60万美元),上季度非公认会计原则下运营亏损为110万人民币,去年同期非公认会计原则下运营亏损为530万元人民币。
所得税费用为80万元人民币(约合10万美元),上季度所得税收益为940万元人民币,去年同期所得税费用为310万元人民币。
净利润为630万元人民币(约合100万美元),上季度净亏损为1400万元人民币,去年同期净亏损为850万元人民币。2014年Q1每股美国存托凭证(ADS)的基本和稀释后净利润分别为0.26元人民币(约合0.04美元)和0.25元人民币(约合0.04美元)。每股美国存托凭证折合16股公司普通股。
调整后或非公认会计原则下的净收入,即扣除期权费用、外汇损益、由不确定的财务状况所导致的税金之前的净收入达270万元人民币(约合40万美元)。相比之下,上季度为调整后净亏损为720万元人民币,去年同期调整后净亏损为750万元人民币。在非公认会计原则下,2014年第一季度每股美国存托凭证的基本和稀释后净亏损分别为0.11元人民币(约合0.02美元)和0.11元人民币(约合0.02美元)。
调整后的EBITDA,即在非公认会计原则下除去期权费用和外汇损益、可供出售投资减值后上涨到2540万元人民币(约合410万美元)。上季度调整后的EBITDA为2030万元人民币,去年同期为980万元人民币。
资本投入
截至2014年3月31日,蓝汛公司拥有现金及现金等价物5. 217亿元人民币(约合8390万美元),去年同期为3.381亿元人民币。此外,蓝汛公司在流动资产下以人民币标价的可供出售基金形式的投资达2470万人民币(约合400万美元)。2014年Q1资本支出为2970万元人民币(约合480万美元)。
股票回购
公司董事会于2013年6月21日批准重启去年宣布的1000万美元的股票回购计划。根据该重启计划,蓝汛ChinaCache获准但并无义务在未来12个月中,在公开市场或进行大手交易回购价值850万美元的美国存托凭证。
截至2014年5月15日,在此项重启计划中,公司并未回购任何ADS(美国存托凭证)。
好文章,需要你的鼓励
这项研究利用大语言模型解决科学新颖性检测难题,南洋理工大学团队创新性地构建了闭合领域数据集并提出知识蒸馏框架,训练轻量级检索器捕捉想法层面相似性而非表面文本相似性。实验表明,该方法在市场营销和NLP领域显著优于现有技术,为加速科学创新提供了有力工具。
un?CLIP是一项创新研究,通过巧妙反转unCLIP生成模型来增强CLIP的视觉细节捕捉能力。中国科学院研究团队发现,虽然CLIP在全局图像理解方面表现出色,但在捕捉细节时存在不足。他们的方法利用unCLIP生成模型的视觉细节表示能力,同时保持与CLIP原始文本编码器的语义对齐。实验结果表明,un?CLIP在MMVP-VLM基准、开放词汇语义分割和视觉中心的多模态任务上显著优于原始CLIP和现有改进方法,为视觉-语言模型的发展提供了新思路。
这项研究介绍了RPEval,一个专为评估大语言模型角色扮演能力而设计的新基准。研究团队从法国里尔大学开发的这一工具专注于四个关键维度:情感理解、决策制定、道德对齐和角色一致性,通过单轮交互实现全自动评估。研究结果显示Gemini-1.5-Pro在总体表现上领先,而GPT-4o虽在决策方面表现出色,但在角色一致性上存在明显不足。这一基准为研究人员提供了一个可靠、可重复的方法来评估和改进大语言模型的角色扮演能力。
这篇论文介绍了LegalSearchLM,一种创新的法律案例检索方法,将检索任务重新定义为法律要素生成。研究团队构建了LEGAR BENCH数据集,涵盖411种犯罪类型和120万案例,并开发了能直接生成关键法律要素的检索模型。实验表明,该模型在准确率上超越传统方法6-20%,且在未见犯罪类型上展现出强大泛化能力。这一突破为法律专业人士提供了更高效、精准的案例检索工具。