展讯股价回归昭示大陆IC迈上新台阶

展讯10月26日股价走势 2010年10月26日,相信许多展讯人会牢牢记住这个看似平凡的一天,虽然自从2007年7月6日登陆 NASDAQ后稍有上涨,之后的一路下滑曾经令每一位展讯创业者及员工甚至大陆半导体界为之惋惜。三年之后展讯终于凤凰涅槃,以14.68美元终于突破 14.53美元的发行价回到原点。 展讯三年股价走势 昨日展讯以13.78美元低开,短暂探底13.59美元后一路上扬,盘间一度上探14.68美元,终盘略有下降以14.59美元报收,盘后交易重回14.68美元高限,成交量暴涨至超过200万股,再一次成为中国IC概念股中的耀眼明星。 相对14.53美元的发行价,14.68美元虽然只上升了0.15美元,不过经历了凤凰涅槃之后的展讯已经与三年前不可同日而语,期间经历了创始人团队的大规模离职,自从去年以李力游为CEO的新团队上任,展讯股价自最低点接近0.7美元一路攀升,一年半时间股价上涨20倍,公司营收从最低点只有800万没有上涨至2010年第二季度的超过7000万美元,接近10倍,预计2010年第三季度展讯营收将首次突破1亿美元关口,同时展讯在手机市场的占有率已经突破20%,即使在联发科的价格战打压下,2010年10月展讯市场份额依旧飙升,单月销量估计可以突破1500万套历史新高,展讯正在董事长兼CEO李力游的带动下向全球知名IC公司跃进。 经过十几年的辛苦耕耘,以展讯为代表的大陆IC概念股已经成为半导体界不可忽视的力量,中国半导体产业也正在经历从量变到质变的历史拐点,随着国民技术、锐迪科等公司的上市,相信未来一年还会有更多大陆优质IC设计公司走上IPO之路,展讯的经历无疑对于后来者是一笔宝贵的财富。 很多公司IPO之后都会经历短期甚至长期的阵痛,因为管理层需要面对突增的财富升值,员工要面对管理模式的变迁,特别随着公司规模的做大做强,要求公司的员工能力与管理水平同步发展,很多公司因为无法适应这一变化而停滞不前甚至引发衰退,展讯前几年的发展印证了这一过程,特别针对IC设计行业,由于之前规模普遍较小,大规模开发、运营产品经验不足,李力游上任之后展讯发生的巨变更说明一名合格的CEO对于公司及产业的重要性,也说明公司在不同发展阶段需要不同的管理者,反过来展讯的成功也昭示了大陆半导体已经迈过上市陷阱步入发展新阶段。(老杳)

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
机器学习是一种人工智能(AI)的子领域,致力于研究如何利用数据和算法让计算机系统具备学习能力,从而能够自动地完成特定任务或者改进自身性能。机器学习的核心思想是让计算机系统通过学习数据中的模式和规律来实现目标,而不需要显式地编程。 机器学习应用非常广泛,包括但不限于以下领域: 图像识别和计算机视觉: 机器学习在图像识别、目标检测、人脸识别、图像分割等方面有着广泛的应用。例如,通过深度学习技术,可以训练神经网络来识别图像中的对象、人脸或者场景,用于智能监控、自动驾驶、医学影像分析等领域。 自然语言处理: 机器学习在自然语言处理领域有着重要的应用,包括文本分类、情感分析、机器翻译、语音识别等。例如,通过深度学习模型,可以训练神经网络来理解和生成自然语言,用于智能客服、智能助手、机器翻译等场景。 推荐系统: 推荐系统利用机器学习算法分析用户的行为和偏好,为用户推荐个性化的产品或服务。例如,电商网站可以利用机器学习算法分析用户的购买历史和浏览行为,向用户推荐感兴趣的商品。 预测和预测分析: 机器学习可以用于预测未来事件的发生概率或者趋势。例如,金融领域可以利用机器学习算法进行股票价格预测、信用评分、欺诈检测等。 医疗诊断和生物信息学: 机器学习在医疗诊断、药物研发、基因组学等领域有着重要的应用。例如,可以利用机器学习算法分析医学影像数据进行疾病诊断,或者利用机器学习算法分析基因数据进行疾病风险预测。 智能交通和物联网: 机器学习可以应用于智能交通系统、智能城市管理和物联网等领域。例如,可以利用机器学习算法分析交通数据优化交通流量,或者利用机器学习算法分析传感器数据监测设备状态。 以上仅是机器学习应用的一部分,随着机器学习技术的不断发展和应用场景的不断拓展,机器学习在各个领域都有着重要的应用价值,并且正在改变我们的生活和工作方式。
机器学习是一种人工智能(AI)的子领域,致力于研究如何利用数据和算法让计算机系统具备学习能力,从而能够自动地完成特定任务或者改进自身性能。机器学习的核心思想是让计算机系统通过学习数据中的模式和规律来实现目标,而不需要显式地编程。 机器学习应用非常广泛,包括但不限于以下领域: 图像识别和计算机视觉: 机器学习在图像识别、目标检测、人脸识别、图像分割等方面有着广泛的应用。例如,通过深度学习技术,可以训练神经网络来识别图像中的对象、人脸或者场景,用于智能监控、自动驾驶、医学影像分析等领域。 自然语言处理: 机器学习在自然语言处理领域有着重要的应用,包括文本分类、情感分析、机器翻译、语音识别等。例如,通过深度学习模型,可以训练神经网络来理解和生成自然语言,用于智能客服、智能助手、机器翻译等场景。 推荐系统: 推荐系统利用机器学习算法分析用户的行为和偏好,为用户推荐个性化的产品或服务。例如,电商网站可以利用机器学习算法分析用户的购买历史和浏览行为,向用户推荐感兴趣的商品。 预测和预测分析: 机器学习可以用于预测未来事件的发生概率或者趋势。例如,金融领域可以利用机器学习算法进行股票价格预测、信用评分、欺诈检测等。 医疗诊断和生物信息学: 机器学习在医疗诊断、药物研发、基因组学等领域有着重要的应用。例如,可以利用机器学习算法分析医学影像数据进行疾病诊断,或者利用机器学习算法分析基因数据进行疾病风险预测。 智能交通和物联网: 机器学习可以应用于智能交通系统、智能城市管理和物联网等领域。例如,可以利用机器学习算法分析交通数据优化交通流量,或者利用机器学习算法分析传感器数据监测设备状态。 以上仅是机器学习应用的一部分,随着机器学习技术的不断发展和应用场景的不断拓展,机器学习在各个领域都有着重要的应用价值,并且正在改变我们的生活和工作方式。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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