冲动的惩罚:Zynga收购OMGPOP之后股价直跌

Zynga的季度报告显示业绩不佳,股价下跌。收购OMGPOP和DrawSomething成为关注焦点。分析指出,DrawSomething的快速崛起和衰落,以及其是否值得2亿美元的收购价格引发讨论。

Zynga备受期待的季度报告相当令人失望:在发布会仅10分钟之后,它们的股价就下跌了0.3%。从三月初到四月底,Zygna的股价从16美元跌至8美元。Zygna的股市一再走低,背后的原因是什么?

事后看来,Zynga斥资2亿收购OMGPOP也许是个非常严重的错误,这或许是导致Zynga股市低迷的原因之一,投资者们也许要开始怀疑Zynga管理层的判断能力了。

关于Draw Something的是与非,我们很难加以评判。它曾有过很风光的历史:三月份单月下载量突破5000万,在移动应用市场笑傲群雄。Draw Something的突然成功很大程度上是因为它不同寻常的架构——它完全依赖社交互动并且选择了剑走偏锋,它没有闯关和奖励制度,这是和大多数游戏最大的不同。Draw Something不走寻常路的做法使它一夜成名,但这可能也是导致它迅速衰落的原因,正所谓成也萧何败也萧何。

一个月前,Draw Something还是风光无限,一时无人能出其右。仅仅一个月后,形势就急转直下,4月30号Draw Something在榜单上的位置已经跌至第五。业界公认的一点是:如果一个游戏登顶之后能够在榜单上依然稳居前三长达2个月,那么它就是成功的,但还谈不上是什么惊天动地之举。仅仅因为Draw Something在当天登顶,Zynga就花2亿美元收购它,这值得吗?是不是有点太过轻率了?这可能就是问题所在。

Angry Birds的原始版本自2010年4月份登顶之后在榜单的前三位置停留了长达一年半的时间,Tiny Wings在2011年2月占据榜首之后稳居前三也有8个星期之久,就算是Disney相当乏味单调的Where’s My Water,在2011年10月登顶之后,好歹也在榜单前三停留了三个星期。相比之下,Draw Something显得有点相形见绌了。

我想没有人会认为Tiny Wings价值2亿美元,难道Draw Something就值这么多钱吗?Draw Something在50天内突破5000万的下载量固然令人眼前一亮,可如今在Angry Birds Space35 天内达到 5000 万次下载的惊人数字面前,也只能是小巫见大巫。更何况Angry Birds Space还牢牢占据着iPhone应用软件榜首的位置呢。

iPhone应用软件的创收能力的评判标准之一就是:最创收iPad应用软件排行榜。而在一份最新的榜单中,Draw Something已经跌至榜单的28位。单按创收额来计算,Draw Something已经沦落到比Smurfs还落魄的地步。

三月中旬,Draw Something看起来像是个划时代的产品——一款经久不衰、广受欢迎的游戏,将到达目前移动应用前所未有的高度。而现如今,Draw Something恐怕要沦落到和Tiny Wings一样的下场,甚至是有过之而无不及——它们曾经都风光无限,但终究只是昙花一现。

Via Forbes

Danice雷锋网专稿,转载请注明!)

同步定位与地图构建(SLAM)技术为移动机器人或自主载具在未知空间中的导航提供了核心支撑。借助该技术,机器人能够在探索过程中实时构建环境地图并确定自身位置。典型的SLAM流程涵盖传感器数据采集、数据处理、状态估计及地图生成等环节,其核心挑战在于有效处理定位与环境建模中的各类不确定性。 Matlab作为工程计算与数据可视化领域广泛应用的数学软件,具备丰富的内置函数与专用工具箱,尤其适用于算法开发与仿真验证。在SLAM研究方面,Matlab可用于模拟传感器输出、实现定位建图算法,并进行系统性能评估。其仿真环境能显著降低实验成本,加速算法开发与验证周期。 本次“SLAM-基于Matlab的同步定位与建图仿真实践项目”通过Matlab平台完整再现了SLAM的关键流程,包括数据采集、滤波估计、特征提取、数据关联与地图更新等核心模块。该项目不仅呈现了SLAM技术的实际应用场景,更为机器人导航与自主移动领域的研究人员提供了系统的实践参考。 项目涉及的核心技术要点主要包括:传感器模型(如激光雷达与视觉传感器)的建立与应用、特征匹配与数据关联方法、滤波器设计(如扩展卡尔曼滤波与粒子滤波)、图优化框架(如GTSAM与Ceres Solver)以及路径规划与避障策略。通过项目实践,参与者可深入掌握SLAM算法的实现原理,并提升相关算法的设计与调试能力。 该项目同时注重理论向工程实践的转化,为机器人技术领域的学习者提供了宝贵的实操经验。Matlab仿真环境将复杂的技术问题可视化与可操作化,显著降低了学习门槛,提升了学习效率与质量。 实践过程中,学习者将面SLAM技术在实际应用中遇到的典型问题,包括传感器误差补偿、动态环境下的建图定位挑战以及计算资源优化等。这些问题的解决对推动SLAM技术的产业化应用具有重要价值。 SLAM技术在工业自动化、服务机器人、自动驾驶及无人机等领域的应用前景广阔。掌握该项技术不仅有助于提升个人专业能力,也为相关行业的技术发展提供了重要支撑。随着技术进步与应用场景的持续拓展,SLAM技术的重要性将日益凸显。 本实践项目作为综合性学习资源,为机器人技术领域的专业人员提供了深入研习SLAM技术的实践平台。通过Matlab这一高效工具,参与者能够观理解SLAM的实现过程,掌握关键算法,并将理论知识系统应用于实际工程问题的解决之中。 资源来源于网络分享,仅用于学习交流使用,请勿用于商业,如有侵权请联系我删除!
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