在当地时间本周二发布的一份投资报告中,摩根斯坦利旗下分析师凯蒂·休伯蒂(Katy Huberty)指出,分析预计,在2.5亿位iPhone 4S及更旧版iPhone设备的持有者中,仅有一半用户会在今年将其iPhone设备升级至iPhone 6。因此,这为未来留下了很多潜在需求,更确切地说,是为苹果公司2016年财年留下了大量的潜在需求,而这批需求将从2015年10月开始突显。更进一步讲,如果Apple Pay或Apple Watch深受人们欢迎,休伯蒂预计在2015和2016财年,我们将有望看到更多用户升级其iPhone设备。
苹果公司于周一公布了其第四财季报告,报告显示苹果该季iPhone销售火热,销量达3930万部,较上年同期增长16%。Mac计算机销售依旧增长强劲,销量达550万台,较上年同期增长21%。只有iPad未能全胜出击,其销售额下滑13%,销量滑至1230万台。
然而,期待iPhone 6的消费者们或将不得不多等一段时间。苹果公司首席执行官蒂姆·库克(Tim Cook)表示,iPhone 6和iPhone 6 Plus的需求已“远远超过了供应”,这或将延至2014年末及其以后。
库克曾在一次电话会议上说道:“从数据上来看,尚不清楚供给何时会赶上需求。但很明显,截止今天……我们距此还相差甚远。”
在周二早盘前交易中,苹果股价一直在102美元左右徘徊,较周一收盘时上涨约2.8%。
休伯蒂认为,苹果公司已经解决了零售商的一些早期供应限制。但到今年十二月底,iPhone的零售范围将从目前的32个国家扩大到115个以上。这意味着未来几个月内,一些想要购买或升级到iPhone 6的消费者或将无法幸运地购得该设备。
然而,休伯蒂认为苹果能够在2015年3月之前逐渐扩大其iPhone 6库存,这样将会引发更多用户升级,并会较过去这个时期生成更多iPhone销售额。
休伯蒂还权衡了其他因素,特别是苹果的销售和盈利是否能继续增长。
休伯蒂说道:“在我们看来,答案是肯定的,它将以个位数的速度长期增长。通过其大屏幕智能手机和最新支付服务,苹果有机会在增长放缓的大屏幕智能手机和平板电脑市场上占据一定份额。苹果的新产品,如Apple Watch和Apple Pay支付服务可能会进一步推动其销售和盈利增长。”
但是,该公司还能像过去那样提高其创新力度吗?
分析师说道:“能。我们将Apple Watch看作是该公司在库克领导下发展创新能力的一个重要指标,此外,苹果最近新增的管理团队也令人倍受鼓舞,这些团队增强了苹果关键领域的领导能力,如零售、设计、健康和数字内容。”
回顾苹果第四季度的强劲业绩,摩根大通分析师罗德•哈尔(Rod Hall)认为,苹果公司“在较为严厉的全球经济下,仍继续良好运转”。在周二发布的一份投资报告中,该分析师表示,基于苹果iPhone生产能力的提高,他确实看到了当前季度中存在的一些风险,并相信该公司到2014年末将密切关注其较大的iPhone供不应求问题。
对12月当季,哈尔预计iPhone销量在6500万左右,较上年同期增长27%。但他相信,如果苹果能够较预期更快满足这批极大的需求,该数据或将更高。
哈尔表示:“鉴于iPhone 6/6+非常强大的需求和蒂姆·库克的评论,我们猜测苹果认为iPhone供应不足制约了其当前季度(第一财季)的收入。因此,其上涨潜力或将主要取决于该公司该季加速生产的能力。”
美国投资银行派杰(Piper Jaffray)旗下分析师吉恩·蒙斯特(Gene Munster)在其最新的投资报告中也专注于iPhone的供应和需求这一主题。蒙斯特指出了苹果为iPhone和iPad定下的五至七周的渠道库存目标。简而言之,该公司希望在准备好为买家交付产品的期间,能够保持足够的供应。
那么该目标到底包含了多少台iPhone和iPad设备呢?基于蒙斯特对当前季度的销售预估,“新的渠道库存目标似乎意味着苹果将追加300万到400万部iPhone以及100万到150万台iPad。”
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。