微信扫一扫,关注公众号

  • 科技行者

  • 算力行者

见证连接与计算的「力量」

首页 鸿海净利润连续三个季度增长 超分析师预期

鸿海净利润连续三个季度增长 超分析师预期

2014-08-14 09:53
分享至:
----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.-
2014-08-14 09:53 CNET科技资讯网

鸿海科技集团(Hon Hai Precision Industry),也就是众所知周的富士康的投资兴办集团于当地时间本周三公布了其今年第二季度的财报,得益于苹果移动设备的强劲需求,这家台湾电子产品制造商的净利润连续第三个季度出现增长。

鸿海净利润连续三个季度增长 超分析师预期

据财报显示,鸿海集团第二季度的净利润为201.9亿元台币(合6.73亿美元),较去年同期公布的169.8亿元台币增长近19%。而路透社所调查的分析师预计的该公司本季净利润为176.6亿元台币。

这意味着,鸿海科技第二季度的净利润不仅超过了该公司今年第一季度公布的195亿元台币,还标志着该公司已连续第三个季度盈利表现增长。

鸿海集团现已成为世界上最著名的技术供应商之一。虽然这家电子产品制造商还与其他几家设备制造商有合作,但苹果无疑是其最大的客户。一些分析师估计,苹果产品带来的收入占据了鸿海营收的50%。

预计苹果将在今年秋季推出人们翘首以盼的iPhone 6和新一代iPad。虽然苹果尚未公布这些设备,但作为苹果最大的供应商之一,鸿海很可能会参与到这些产品的制造中去。

展望未来,随着越来越多的公司(包括苹果)在鸿海下订单生产产品,该公司预期收益强劲。除此之外,为使鸿海集团的运营多样化,该公司还在包括IT服务在内的其他领域有所投资。然而目前该公司在供应商领域取得的成就对其持续不断的成功仍至关重要。

分享至
0赞

好文章,需要你的鼓励

推荐文章
  • 南方科技大学等机构联手破解AI推理训练难题:让大模型"一次思考"就学会解题

    南方科技大学等机构联手破解AI推理训练难题:让大模型"一次思考"就学会解题

    本文介绍了由南方科技大学等机构于2026年4月发表的研究(arXiv:2604.08865),提出了名为SPPO的大模型推理训练新方法。该方法将推理任务重新建模为"序列级情境赌博机",用一个轻量级价值模型预测题目难度,以单次采样替代GRPO的多次采样,解决了标准PPO的"尾部效应"问题。实验显示,SPPO在数学基准测试上超越GRPO,训练速度提升约5.9倍,配合小尺寸价值模型还能显著降低显存占用。

  • 香港科技大学数学系研究者:扩散模型原来是一个"魔法恒等式"拆成了两半

    香港科技大学数学系研究者:扩散模型原来是一个"魔法恒等式"拆成了两半

    这项由香港科技大学数学系完成的研究(arXiv:2604.10465,2026年ICLR博客论文赛道)提出了一种从朗之万动力学视角理解扩散模型的统一框架。研究指出,扩散模型的前向加噪和逆向去噪过程,本质上是朗之万动力学这一"分布恒等操作"被拆成了两半。在这个视角下,VP、VE-Karras和Flow Matching等不同参数化的模型可被精确互译,SDE与ODE版本可被统一解释,扩散模型相对VAE的理论优势得以阐明,Flow Matching与得分匹配的等价性也得到了严格论证。

  • 中国人民大学研究团队打造的"AI科学家":让机器自主完成几十小时的科研工程,它是怎么做到的?

    中国人民大学研究团队打造的"AI科学家":让机器自主完成几十小时的科研工程,它是怎么做到的?

    中国人民大学高岭人工智能学院等机构联合开发了AiScientist系统,旨在让AI自主完成机器学习研究的完整工程流程,包括读论文、搭环境、写代码、跑实验和迭代调试,全程无需人工干预。系统核心设计是"薄控制、厚状态":由轻量指挥官协调专业代理团队,通过"文件即通道"机制将所有中间成果持久化存储,使每轮工作都能建立在前一轮积累的基础上。在PaperBench和MLE-Bench Lite两个基准上,系统表现显著优于现有最强对比系统,论文发布于2026年4月。

  • 字节跳动发布GRN:像人类画家一样"边画边改"的AI图像生成新范式

    字节跳动发布GRN:像人类画家一样"边画边改"的AI图像生成新范式

    这项由字节跳动发布的研究(arXiv:2604.13030)提出了生成式精化网络(GRN),一套模仿人类画家"边画边改"直觉的视觉生成新框架。其核心包括两项创新:层级二进制量化(HBQ)通过多轮二分逼近实现近乎无损的离散图像编码,以及全局精化机制允许模型在每一步对整张图像的所有位置重新预测并随时纠错,从根本上解决了自回归模型的误差积累问题。配合基于熵值的自适应步数调度,GRN在ImageNet图像重建(rFID 0.56)和生成(gFID 1.81)上均创下新纪录,并在文本生成图像和视频任务上以20亿参数达到同等规模方法的领先水平。

----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.-