Nikola年亏损近10亿美元:任命CEO兼任代理CFO

电动汽车制造商NikolaCorporation在2023年的财报中显示营收下降,毛亏损和运营亏损加剧,净亏损扩大。尽管第四季度交付量有所提升,但财务压力持续。CEO斯蒂芬·吉尔斯基暂代CFO职位,公司资金状况有所改善。
摘要由CSDN通过智能技术生成

7057f9cf1486e5f73cdb672a26c4c74b.jpeg

雷递网 雷建平 2月24日

电动汽车制造商Nikola Corporation (Nasdaq: NKLA)日前发布财报。财报显示,Nikola在2023年营收3584万美元,较上年同期的4973万美元降27.8%。

Nikola在2023年毛亏损为2.14亿美元,上年同期的毛亏损为8597万美元;运营亏损为6.5亿美元,上年同期的运营亏损为7亿美元;净亏损为9.66亿美元,上年同期的净亏损为7.84亿美元。

4e3c4e7ee79712b9ba320cf570effa59.jpeg

Nikola在2023年第四季度营收为1153万美元,上年同期的营收为546万美元;毛亏损为3824万美元,上年同期的毛亏损为2697万美元;净亏损为1.28亿美元,上年同期的净亏损为1.49亿美元;净亏损为1.54亿美元,上年同期的净亏损为2.22亿美元。

Nikola在2023年第四季度交付35辆氢燃料电池电动卡车,期末无成品库存。

2023年11月,Nikola前首席财务官阿纳斯塔西娅·帕斯特里克 (Anastasiya Pasterick) 在上任不到一年后辞职。近期,Nikola任命其首席执行官斯蒂芬·吉尔斯基 (Stephen Girsky) 为代理首席财务官。

Girsky自2023年8月起担任Nikola总裁兼首席执行官,并自2018年1月起担任该公司董事会成员。

Nikola在一份文件中表示,吉尔斯基不会因临时职位而获得任何额外报酬,并且与额外责任相关的雇佣协议也不会发生任何变化。

Nikola在2023年第四季度筹集了2.303亿美元,截至2023年年底,Nikola持有的非限制性现金为4.647亿美元,这是自2021 年第四季度以来最高的非限制性现金余额。

截至今日收盘,Nikola股价为0.764美元,市值为8.85亿美元。

———————————————

雷递由媒体人雷建平创办,若转载请写明来源。

7425fa87f32a43ee03290dbd28f3f391.jpeg

  • 3
    点赞
  • 3
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
。支持yolov5s,yolov5m,yolov5l.zip目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值