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 Zynga第一季度亏损4650万美元 裁员18%波及364人

Zynga第一季度亏损4650万美元 裁员18%波及364人

2015-05-07 09:10
分享至:
----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.-
2015-05-07 09:10 网易科技(科技、手机、数码、财经)

5月7日消息,据国外媒体报道,游戏公司Zynga今日宣布裁员18%。这距离创始人马克·平克斯(Mark Pincus)重新出任CEO还不到一个月的时间。

裁员将波及364人。Zynga在声明中称,公司的成本削减方案将在一年里节省1亿美元。平克斯还削减了外部服务支出,收缩公司的核心职能。他在接受采访时表示,公司要为移动设备开发卖座产品。

“我们亟需关注公司的执行能力,”平克斯说。“我们历史上最激动人心的一段时光才刚刚开始,那就是移动业务。”

平克斯透露,裁员主要影响企业行政员工。这家公司目前正关注包括博彩与赛车等5大类手机游戏。Zynga周二上线了首款所谓手机动作策略游戏。

在财报公布后的盘后交易阶段,Zynga股价上涨了15%,报3美元每股。在正常交易时段,该股上涨了4.4%,报2.61美元。Zynga股价今年累计下跌1.9%。

裁员消息是与公司第一季度财报一同公布的。Zynga的移动业务在第一季度显现增长,公司在这一领域的发展已经落后与竞争对手。Zynga表示,手机游戏预售服务收入(bookings)同比增长了84%,占公司预售服务总收入的63%。

刨除部分项目的每股亏损为1美分,好于分析师预测的亏损2美分。预售服务收入总计为1.674亿美元,高于市场分析师平均预测的1.634亿美元。公司第一季度亏损4650万美元。

Zynga预计,公司当前一季度的预售服务收入应在1.45亿美元到1.6亿美元之间,不及市场预测的1.618亿美元。调整后每股亏损2美分,符合分析师预期


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。

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