5月15日,新浪微博今日公布了截至2015年3月31日的第一季度未经审计的财务报告,财报显示,第一季度净营收9630万美元,同比增长43%,净亏损290万美元。
2015年第一季度焦点业绩
净营收9630万美元,较上年同期增长43%,超过公司9300万美元至9600万美元的预期范围。
广告和营销营收7920万美元,较上年同期增长53%。
微博增值服务(微博VAS)营收1710万美元,较上年同期增长9%。
归属于微博普通股股东的净亏损为290万美元,较上年同期减少94%,合每普通股摊薄净亏损1美分。
非美国通用会计准则归属于微博普通股股东的净利润为290万美元,合每普通股摊薄净盈利1美分,上年同期非美国通用会计准则净亏损480万美元。
非美国通用会计准则调整后EBITDA(扣除利息、税金、折旧及摊销前之利润)为690万美元,上年同期为负50万美元。
2015年3月的月活跃用户数(MAU)为1.98亿,较上年同期增长38%。3月份移动MAU 在MAU 总量中的占比为86%。2015年3月的日均活跃用户数(DAU)为8900万,较上年同期增长34%。
2015年第一季度企业业绩
2015年第一季度净营收9630万美元,上年同期为6750万美元。2015年第一季度广告和营销营收7920万美元,上年同期为5190万美元。2015年第一季度微博增值服务营收为1710万美元,上年同期为1570万美元。
2015年第一季度的成本和开支总计1.006亿美元,上年同期为7560万美元。2015年第一季度非美国通用会计准则成本和开支为9470万美元,较上年同期增长30%。非美国通用会计准则成本和开支的增长主要源自人员相关成本、营销开支增加,由于营收增长带来的增值税费增加,以及流量增长产生的基础设施开支增加。
2015年第一季度的运营亏损为430万美元,上年同期为810万美元。2015年第一季度非美国通用会计准则运营盈利为160万美元,上年同期为亏损560万美元。
2015年第一季度非运营盈利为150万美元,上年同期为亏损3990万美元。2014年第一季度的非运营亏损包括与阿里巴巴投资相关的投资者期权负债公允值调整带来的4020万美元亏损。
2015年第一季度归属于微博普通股股东的净亏损为280万美元,上年同期为4740万美元;2015年第一季度每普通股摊薄净亏损为1美分,上年同期为31美分。2015年第一季度非美国通用会计准则归属于微博普通股股东的净利润为290万美元,上年同期为净亏损480万美元;2015年第一季度非美国通用会计准则每普通股摊薄净收益为1美分,上年同期为净亏损3美分。
截至2015年3月31日,微博的现金、现金等价物及短期投资总额为4.525亿美元。2015年第一季度经运营活动提供的现金为710万美元,资本开支为380万美元,折旧和摊销费用为560万美元。
业绩展望
微博预计2015年第二季度净营收将在1.02亿美元至1.05亿美元之间,该预期基于预计与阿里巴巴集团之间某些预定计划的方案仍将于二季度启动,而其营收因为收入确认营收认列方面的原因可能会推迟到2015年下半年。上述预期体现的是微博当前的初步判断,未来可能进行调整。
好文章,需要你的鼓励
GeoVerse融合几何潜在扩散模型与Wan2.2视频生成先验,并引入全局空间记忆机制,实现了跨视角一致、生成质量高且推理速度快的新视角合成,在多个数据集上大幅超越现有方法GLD。
本文解读TT-VidT,一种通过分离外观锚点与动作令牌、结合Diff Compression训练目标的视频自监督方法。在24种架构目标组合的受控实验中,仅TT3D与Diff Compression搭配才能进入强动作敏感区,且计算量比同类方法降低近一半。
Q&A Q1:Imprint Reader是什么? A:Imprint Reader是上海人工智能实验室团队开发的模型,通过SMaRT训练方法学会读取另一个模型冻结的权重更新,把参数层面的变化翻译成自然语言描述,判断这次更新到底注入了什么知识或诱导了什么行为习惯。 Q2:MetaEdit能做什么? A:MetaEdit能把Reader对目标行为的梯度信号迁移到原始模型上,不需要任何目标任务的训练数据,只用一句行为描述就能定向调整模型参数,已经在安全性拒绝率调节、数学推理风格转变和工具调用能力提升上验证过效果。 Q3:Imprint Reader读权重更新的准确率高吗? A:目前还不高,知识类目标的Pass@100只有2%,行为类目标是16%,说明自由生成描述的可靠性有限,但相比原始模型完全答不出来的0%基线,已经证明了权重更新的自然语言读取是可行的。
统一多模态模型能看也能画,理论上该会自我修正。本论文提出UMM-Reflection,用整条轨迹的强化学习联合训练诊断和修图能力,GenEval提升12分,且迁移到多个未训练基准,揭示RL提升的是选择可靠性而非新能力。