雅虎财报再度令人失望:资产出售投标截止

对雅虎来说,今天是一个关系未来命运的日子。因为今日不仅是雅虎发布财报的日子,也是是雅虎出售核心资产的投标截止日期。真正代表雅虎的门户等网络资产,未来将落入谁家之手,即将在未来数月揭晓。

这或许是雅虎作为独立公司的最后一份财报。不过,市场的关注点并不在财报本身,而是雅虎核心资产(搜索、广告、财经、体育和邮箱等业务)的出售命运。财报结果或将对雅虎的出售价格产生影响。但这份决定出售价格的关键财报,再度令人感到失望。

今年第二季度,雅虎营收高于市场预期,但利润却大幅下滑,低于市场预期。当季实现营收13.1亿美元,上年同期为12.4亿美元;当季每股收益9美分,上年同期为16美分。分析师此前预计雅虎当季营收10.8亿美元,每股收益10美分。

但投资者更为关注的是雅虎除去流量获取成本的真正业绩指标。当季营收为8.42亿美元,同比下滑20%(连续第六个季度下滑),上年同期为10.4亿美元,高于市场预期的8.368亿美元。当季净亏损4.4亿美元,上年同期净亏损2200万美元。此外,雅虎核心的显示广告和搜索广告都出现了下滑,这是投资者最不愿意看到的指标。

无疑,这份财报再度令市场感到失望。这意味着,雅虎的核心业务并没有出现扭转的迹象,反而在继续下滑。不过,雅虎CEO玛丽莎·梅耶(Marissa Meyer)却强调了公司的成本削减举措。她在财报中表示,“随着成本结构和员工人数已近将至过去十年的最低点,雅虎正在继续稳步推进今年的业绩目标。”

曾经辉煌一个时代的互联网巨人,如今每次出现在媒体焦点都是负面消息。市场关注的焦点也变成了雅虎能否卖个好价钱。当互联网进入2.0时代之后,在搜索、社交、视频、邮箱、图片,雅虎几乎在每一项业务上都被竞争对手强劲超越。

在《纽约时报》整理的这份数据对比图中,可以清晰地看到过去数年雅虎在互联网领域的比重下滑曲线。过去十年,雅虎与谷歌的搜索份额差距从30个百分点扩大到52个百分点,与微软的搜索合作只带来了必应的搜索份额增长。雅虎曾经占据全球网络广告的20%,如今的市场份额只有3%。

再看雅虎本身的业绩状况。可以清晰的看到,从2008年开始,雅虎的营收就开始明显下滑,哪怕美国经济开始复苏了,雅虎的财报也没有回复到金融危机之前到水平。而去年巨额亏损44亿美元,则是来自于裁员重组和资产冲销等人为因素,尤其是梅耶过去几年大举收购的一些资产。

梅耶在雅虎的四年时间,曾经一度将股价提升到十年高点,让外界似乎看到了雅虎中兴的希望。但雅虎的核心资产并没有得到明显的提升,数十亿美元的资产收购也没有带来预期的提振,失去耐心的投资者最终开始施压。今年以来雅虎股票累计上涨了13%,但这主要是因为出售前景的提振。

雅虎目前最有价值的资产是杨致远当初对阿里巴巴10亿美元的投资,目前剩余的阿里15%持股如今价值310亿美元。此外,雅虎在雅虎日本的持股也价值90亿美元。在出售阿里股权可能面临天价税金的情况下,雅虎最终决定改变原先的分拆计划,保留对阿里的持股资产,转而出售原来的核心网络业务。

雅虎核心资产可能的收购者包括美国前两大运营商Verizon和AT&T、股神巴菲特的伯克希尔哈撒韦(Berkshire Hathaway)和克里夫兰骑士队老板丹·吉尔伯特(Dan Gilbert)组成的联合财团、私募股权基金TPG等。如果Verizon成功竞标,那么很可能会将雅虎和AOL这两个互联网1.0时代的没落巨头合并。

雅虎前CEO罗斯·列文索恩(Ross Levinsohn)此前公开表示,“虽然雅虎处于困境,但核心资产依然有价值,拥有杰出人才和品牌价值。只是之前雅虎管理层花了90亿美元用于回购股票、收购,这些投入并没有得到回报。”他所在的以贝恩资本为主的财团已经退出了对雅虎的竞标。列文索恩认为,雅虎核心资产的出售价格可能在35亿-40亿美元。

这场竞标大战或许会持续数月。但出售了核心资产的雅虎,未来还是雅虎吗?





====================================分割线================================


本文转自d1net(转载)

  • 0
    点赞
  • 0
    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
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