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
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。