今日,蓝汛国际控股有限公司公布了截至2014年6月30日第二季度未经审计财报。报告显示,该公司第二季度净营收3.463亿元人民币(约合5580万美元),比去年同期增长34.4%;净利润为人民币690万元(约合110万美元)同比下滑37%。
净营收3.463亿元人民币(约合5580万美元),比上季度环比增加6.9%,比去年同期增加34.4%。净营业收入超过预期,是由于各项运营均有所改善,而媒体和娱乐垂直视频业务表现尤其突出。
净利润为690万元人民币(约合110万美元),相比之下,上季度净利润为630万元人民币,去年同期净利润为1100万元人民币。2014年第二季度美国存托凭证(ADS)的基本和稀释每股收益分别为0.27元人民币(约合0.04美元)和0.26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(即在非通用会计准则下)净利润,即扣除股票期权开支、外汇损益、由不确定的税务状况所导致的罚金之前的净利润2014年第二季度为1160万元人民币(约合190万美元)。相比之下,上季度调整后净利润为270万元人民币,去年同期调整后净利润为1260万元人民币。在非通用会计准则下,2014年第二季度美国存托凭证的基本和稀释每股收益分别为0.45元人民币(约合0.07美元)和0.44元人民币(约合0.07美元)。
调整后(即在非通用会计准则下)EBITDA,即除去股票期权开支和外汇损益后的EBITDA, 在第二季度增加到2850万元人民币(约合460万美元)。相比之下,上季度调整后的EBITDA为2540万元人民币,去年同期为1220万元人民币。
营业利润2014年第二季度为100万元人民币(约合20万美元),相比之下,上季度的营业利润为20万元人民币,去年同期营业亏损为540万元人民币。在非通用会计准则下,除去股票期权开支后,营业利润为410万元人民币(约合70万美元),相比之下,上季度非通用会计准则下营业利润为370万人民币,去年同期非通用会计准则下营业亏损为370万元人民币。
毛利润1.039亿元人民币(约合1670万美元),比去年同期增长28.8%。调整后EBITDA(即在非通用会计准则下)为2850万元人民币(约合460万美元),比上一季度增长12.1%,与去年同期相比显著增长,增长率为134.6%。
毛利率为30.0%,上季度毛利率为30.3%,去年同期为31.3%。非通用会计准则下,2014年第二季度除去股票期权开支后,毛利率为30.1%,相比之下,上季度为30.5%,去年同期为31.4%。
营业成本2.424亿元人民币(约合3910万美元),较上季度增长7.5%,较去年同期增长36.9%。
销售和市场费用达到3540万元人民币(约合570万美元),占净营业收入的10.2%,较上季度增长了8.2%,比去年同期增长了19.4%。环比增长主要是由于6月举办的全球CDN大会的成本所致。
普通股股东应占净利润为690万元人民币(约合110万美元),相比之下,今年第一季度普通股股东应占净利润为630万元人民币,去年同期普通股股东应占净利润为1100万元人民币。调整后净利润(即在非通用会计准则下)为1160万元人民币(约合190万美元),相比之下,今年第一季度调整后净利润为270万元人民币。去年同期调整后的净利润为1260万元人民币。
一般和行政开支在第二季度达3750万元人民币(约合600万美元),占净营业收入的10.8%,较上季度增长了不到1%,较去年同期增加了18.4%。本季度一般和行政开支占营收百分比环比下降主要是因为公司营收不断扩大带来的规模经济效应。
研发开支第二季度达到3000万元人民币(约合480万美元),占净营业收入的8.7%,较上一季度增加了6.4%,较去年同期增加了21.2%。该项开支环比增加主要是2014年第二季度继续努力开发在线服务解决方案带来的人事开支增加所致。
所得税收益2014年第二季度为360万元人民币(约合60万美元)。相比之下,上季度所得税开支为80万元人民币,去年同期所得税收益为1510万元人民币。
截至2014年6月30日,蓝汛公司拥有现金及现金等价物6.078亿元人民币(约合9800万美元)。相比之下,2013年12月31日此项为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2490万人民币(约合400万美元)。2014年第二季度的资本支出为5840万元人民币(约合940万美元)。
蓝汛预计,其2014年第三季度的净营业收入在3.75亿元人民币(约合6040万美元)到3.80亿元人民币(约合6130万美元)之间,较2014年第二季度增长8.3%到9.7%之间,较去年同期增长36.2%到38.0%之间。此预测为蓝汛当前的观点,未来可能会有变化。
据悉,作为独立于电信运营商的CDN服务提供商,蓝汛的网络覆盖了国内所有电信运营商、主要的非运营商,以及地方的互联网服务提供商。主要为国内互联网基础架构提供定制的解决方案。
好文章,需要你的鼓励
想象一下,你有一个非常聪明的朋友,他知道很多知识,但每当需要使用计算器、搜索引擎或查询最新天气时,却变得像个笨手笨脚的孩子。这正是当前大语言模型(简称LLMs,如ChatGPT这类AI系统)面临的尴尬处境。
想象一下,你拥有一个聪明的助手,它知道很多知识,但在面对需要使用计算器、搜索引擎或查询最新信息时却显得笨手笨脚。这正是当前大语言模型(LLMs)面临的困境。虽然这些模型已经通过监督微调(SFT)学会了使用工具的基本能力,但它们常常在面对复杂或不熟悉的场景时表现不佳。
想象你正在和一个智能助手聊天。如果你直接要求它提供有害信息,它很可能会礼貌拒绝。但如果你通过一系列看似无害的对话,逐步引导它走向你的真实目标呢?这就是当前AI安全领域面临的一个严峻挑战——多轮对话中的安全漏洞。
想象你在使用一个非常聪明的AI助手完成一项复杂任务,比如解决一道数学难题。你可能注意到这个助手会花很长时间"思考",一步一步写下大量推理过程,最后才给出答案。虽然这种详细的思考过程确实帮助AI做出了更准确的判断,但同时也带来了一个明显的问题:它太"啰嗦"了,消耗了大量的计算资源和时间。