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 聚美优品高管电话会议解读第一季度财报

聚美优品高管电话会议解读第一季度财报

2015-05-22 22:46
分享至:
----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.-
2015-05-22 22:46 新浪网

北京时间5月22日晚间消息,聚美优品(NYSE:JME))今天发布了截至3月31日的2015财年第一季度未经审计财报。报告显示,聚美优品第一季度总净营收为2.506亿美元,比去年同期的1.549亿美元增长61.8%;归属于公司普通股股东的净利润为1570万美元,相比之下,去年同期归属于公司普通股股东的净利润为1050美元,同比增长49.5%。

财报发布后,聚美优品创始人,董事会主席兼CEO陈欧、聚美优品联席CFO高孟、聚美优品联席CFO郑云生等召开电话会议,解读财报要点,并回答分析师提问。

以下即为本次电话会议问答环节主要内容:

天灏资本分析师侯晓天(Tian Hou):第一问题有关聚美海外购业务。这项业务已经从美妆品类向母婴品类进行了扩张,请问这个新品类表现如何,以及聚美品类扩张计划的目标?第二点,随着产品品类的扩张,需要处理的订单数量自然也会增加,那么聚美在扩大仓储方面是怎样打算的?

高孟:说到聚美海外购业务,我们在今年4月15日增加了母婴产品品类,也就是第二季度。就每天的订单量而言——我说的不是促销日的数据,促销日的表现甚至更好一些——我们已经在母婴品类上确立了领先地位,成为中国第一大跨境母婴品类电商,目前是第二名的日订单量的10倍左右。

聚美今后还将在海外购业务中增加其他新的产品品类。正如我们之前所说,美妆、母婴、奢侈品等品类,都是跨境电商中相对较大的产品品类,而且都是以女性用户为主的品类,所以它们非常适合聚美的目标客户群。

侯晓天:还请谈一谈仓储扩建计划?

高孟:随着聚美产品品类的扩张以及订单量的增长,我们也一直在不断地扩大仓储空间。我们当前拥有的仓储面积可以很好对满足品牌扩张后的订单需求。

陈欧:我们一直都在非常积极地增加新的仓储中心。聚美目前已经覆盖了全国大部分保税物流中心。

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。

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