
猎豹移动(NYSE:CMCM)公布了截止2015年6月30日的第二季度财报。二季度猎豹移动的总营收为8.71亿元,同比增长128.9%。基于非美国通用会计准则(non-GAAP),公司净利润为人民币9360万元(约合1510万美元),同比增长43.0%。
根据雅虎财经汇总的数据,4位分析师平均预计,猎豹移动第二季度非美国通用会计准则(Non-GAAP)每股美国存托凭证(ADS)亏损为0.13元人民币;财报显示,该公司第二季度每股收益0.81元人民币,好于分析师预期。
另外,5位分析师平均预计,猎豹移动第二季度总营收为7.9824亿元人民币;财报显示,该公司第二季度总营收8.71亿元人民币,超出分析师预期。
财报显示,二季度猎豹移动的总收入为8.71亿元,同比增长128.9%,环比增长29.5%;移动收入为5.6亿元,同比增长634%,环比增长52.3%,占总收入的比重达64%。移动收入增长主要是由公司海外和国内移动广告收入增长而驱动。
本季度猎豹移动的海外收入为4.31亿元,同比增长1832%,环比增长68.3%,占总收入的比重首次到达50%,占移动收入的比重为77%。同时,移动收入占总收入比重已达到64%。海外收入和移动收入的强劲增长,显示出猎豹移动的全球化、移动化转型已经完成。
用户层面,截止2015年6月30日,猎豹移动产品在全球范围内已下载安装到15.96亿台移动设备上,本季度新增2.56亿台移动设备。猎豹移动在移动端的月度活跃用户数,新增5000万至4.94亿,其中71%来自海外市场。“这为我们健康的财务业绩表现奠定了坚实的基础。”猎豹移动CEO傅盛表示。
产品层面,今年6月,猎豹移动旗下已有5款应用入围Google Play全球应用排行榜前40名。猎豹以Clean Master、CM Security为基础,借助其强大分发能力,交叉互推CM Launcher、CM Browser、CM Locker等高频次使用产品。分层次的移动产品策略使猎豹形成了强大的移动工具矩阵,确保猎豹移动作为全球流量平台的领先地位。
商业层面,猎豹移动不断加强商业产品研发力度,提高大数据分析能力,并不断拓展全球直销及运营能力。6月中旬,猎豹移动推出中国首个面向全球的移动广告平台,在4.94亿移动MAU产生的用户行为数据基础上,整合入MobPartner每月覆盖2亿人群产生的广告投放数据,有效提高了猎豹移动在全球的覆盖率和到达率,并通过大数据分析对用户进行精准画像。同时,在全球10多个国家和地区构建起了经验丰富的本地销售,拥有200余名海外员工,为全球广告主提供更加优质和本地化的服务。
战略层面,猎豹与全球互联网巨头的合作越来越深入。目前,猎豹已是Facebook移动广告平台全球第一大合作伙伴,并在此基础上进一步扩展与Facebook的深度合作。同时,猎豹也在加强与谷歌、腾讯等的合作,不断提升移动和海外的商业化能力。6月份,腾讯就将今年在猎豹移动平台上的推广服务费用上限从1.05亿元提高至2.5亿元。
收入组成方面,在线广告及相关业务收入为7.52亿元,同比去年同期2.83亿元增长165.5%。该项增长主要是由于客户对猎豹移动海外、国内移动广告服务需求正在不断地增长。收购MobPartner也是该项增长的原因。
互联网增值服务业务收入为1.09亿元,同比去年同期8460万元增长29.3%。该项增长主要是由于公司发行的手机游戏和PC游戏数量的增长。
网络安全与其他业务收入为880万元。
财报数据还显示,猎豹移动营业利润为3760万元,同比去年同期营业利润为1350万元增长179.7%。营业利润率为4.3%,对比去年同期为3.5%。
归属猎豹移动股东净利润为6000万元,比去年同期1340万元增长347.4%。净利润率为6.9%,对比去年同期为3.5%。
“本季度,我们成功完成了向移动、海外的转型。海外收入已占总收入50%,移动收入已占总收入64%,移动收入同比增长634%,海外收入同比增长1832%。这样的成绩主要得益于移动广告业务,特别是海外移动广告业务的增长。未来,我们将继续加大在大数据分析领域的投入,不断提升公司在移动、海外的变现能力。“傅盛强调。
财报中,猎豹移动预计2015年三季度总收入在9.90亿元至10.10亿元之间,同比增长107%至111%。
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。