北京时间5月13日早间消息,人人公司(NYSE:RENN)今日公布了截至3月31日的2015财年第一季度财务报告。报告显示,人人公司第一季度总净营收为1370万美元,比去年同期下滑41.1%;归属于人人公司的净亏损为2760万美元,相比之下去年同期归属于人人公司的净利润为3230万美元。
主要业绩:
-人人公司第一季度总净营收为1370万美元,比去年同期下滑41.1%;
-人人公司第一季度净营收为820万美元,比去年同期下滑22.9%;
-人人公司第一季度游戏净营收为550万美元,比去年同期下滑56.5%;
-人人公司第一季度毛利润为320万美元,比去年同期下滑72.9%;
-人人公司第一季度运营亏损为2650万美元,去年同期运营亏损为2390万美元;
-第一季度归属于人人公司的净亏损为2760万美元,相比之下去年同期归属于人人公司的净利润为3230万美元;
-人人公司第一季度调整后净亏损(不按照美国通用会计准则)为2140万美元,去年同期调整后净利润为3610万美元。
财务分析:
人人公司第一季度总净营收为1370万美元,比去年同期下滑41.1%。
人人公司第一季度净营收为820万美元,比去年同期下滑22.9%。在人人公司的第一季度净营收中,在线广告营收为230万美元,比去年同期下滑62.9%,主要由于竞争压力加大,以及流量继续从PC平台向移动平台过渡。人人公司第一季度互联网增值服务(IVAS)营收为
590万美元,比去年同期增长35.0%,主要由于来自社交视频平台我秀的营收增长。2015年3月,月度独立登录用户人数约为4600万人,少于2014年3月的约5100万人。
人人公司第一季度游戏净营收为550万美元,比去年同期下滑56.5%。人人公司游戏净营收的下滑,主要由于此前发布的游戏达到了成熟阶段。
人人公司第一季度营收成本为1050万美元,比去年同期下滑8.9%。
人人公司第一季度运营支出为2970万美元,比去年同期下滑16.6%。
人人公司第一季度销售和营销支出为790万美元,比去年同期下滑18.8%。人人公司销售和营销支出的下滑,主要由于在线游戏和人人品牌宣传活动相关的广告和促销支出减少。
人人公司第一季度研发支出为890万美元,比去年同期下滑40.6%。人人公司研发支出的减少,主要由于员工人数的减少以及人员相关支出的减少。
人人公司第一季度总务和行政支出为1290万美元,比去年同期增长19.3%。人人公司总务和行政支出的增长,主要由于股权奖励支出增长。
人人公司第一季度股权奖励支出为620万美元,高于去年同期的340万美元。人人公司的股权奖励支出全部都包括在运营支出中。
人人公司第一季度运营亏损为2650万美元,去年同期运营亏损为2390万美元。
人人公司第一季度已实现短期投资收益为110万美元,相比之下去年同期为2710万美元。人人公司第一季度的这项收入主要来自于衍生金融工具按市值计价的价值变动。
第一季度归属于人人公司的净亏损为2760万美元,相比之下去年同期归属于人人公司的净利润为3230万美元。人人公司在2014年第一季度业绩中计入了5710万美元的处置权益法投资收入。
人人公司第一季度调整后净亏损(不按照美国通用会计准则)为2140万美元,去年同期调整后净利润为3610万美元。
截至2015年5月12日,人人公司根据当前的股票回购计划回购了约1590万股美国存托凭证,回购总对价约为4900万美元。当前的股票回购计划将于2015年6月27日到期。
业绩展望
人人公司预计2015第二季度营收将在1500万美元至1700万美元之间,较去年同期下滑25.8%至34.5%。这一预期反映了人人公司的当前和初步观点,不排除调整变化的可能。
电话会议信息
财报发布后,人人公司管理层将于美国东部时间2015年5月12日晚上9:00(北京时间5月13日早9点)召开分析师电话会议,解读财报要点,回答分析师提问。
电话会议收听号码如下:
美国:+1 845-675-0437;
香港:+852-3018-6771;
中国:+86 800-819-0121;
国际:+ 65-6723-9381
密码为Renren。
电话会议结束后,用户可在约一周后收听录音,号码如下:
国际:+ 61 2-8199-0299
密码为41604347
用户也可访问人人公司投资者关系网站http://ir.renren-inc.com,收听电话会议在线直播。
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。