客服微信号 MaxStockWe 客服微信2号 MaxTrades 客服Telegram号 MaxMeigu 邮箱 buy@tradesMax.com 电话 (626)378-3637
谷歌在山景城开启了本年度的谷歌 I/O 开发者大会。昨日机器之心对此次大会上将出现的有关人工智能和机器学习的内容进行了梳理。机器之心作为谷歌官方受邀媒体来到现场，近距离为大家报道谷歌人工智能的最新进展。
从大会主题演讲可以看出，谷歌人工智能主要体现在以下五大方面：
AI First 的整体战略；
TPU 的升级与云服务；
集研究、工具、应用于一体的 Google.ai ；
人工智能技术的产品落地；
基于安卓和 TensorFlow 的移动开发者生态。
重申 AI First
去年 10 月的谷歌新品发布会期间，谷歌 CEO Sundar Pichai 曾撰文解读谷歌从 Mobile First 向 AI First 的战略转变。他认为在接下来 10 年中，谷歌将转向建立 AI First 的世界。
Pichai 在本届大会上再次强调了谷歌 AI First 战略的重要性，他表示，机器学习已经在谷歌的诸多产品中得到了广泛应用，其中包括搜索排序、街景、图片搜索、智能回复、YouTube 推荐等。
在具体技术方面，Pichai 说：「声音和视觉是一种新的计算形式。我们正在见证计算机视觉和语音领域的诸多伟大进步。」
谷歌的语音识别技术的词错率逐年下降，仅从去年 7 月到现在就实现了 8.5% 到 4.9% 的极大改进；而且即使在有噪音存在的情况下也能表现良好。在 Google Home 刚发布时，原本需要 8 个麦克风才能准确定位周围的说话人，「而借助深度学习，我们最后能够推出仅有 2 个麦克风的产品，而且达到了同样质量。」现在 Google Home 已经能识别 6 个不同的说话人并为他们定制个性化体验。
在处理某些任务时，图像识别的准确度也超过了人类水平，并且应用到了 Pixel 系列手机的相机应用中，来自动清除图像中的噪点，实现高质量的夜间成像效果；不久之后甚至还可以自动移除照片上的遮挡物，比如挡在相机前的棒球场围网。
在这些计算机视觉技术的基础上，谷歌又发布了 Google Lens 。这个功能将首先出现在 Google Assistant 和 Photos 中，用户可以使用 Google Lens 来识别花的品种、扫描设置好的条形码来连接 WiFi 、在大街上扫描店面来了解网上评价。
TPU 云服务
AI First 的战略需要 AI First 的数据中心，为此谷歌打造了为机器学习定制的硬件 TPU 。去年发布时，TPU 的速度比当时 CPU 和 GPU 的速度快 15 到 30 倍，功耗效率高 30 到 80 倍。如今的 TPU 已经在为谷歌的各种机器学习应用提供支持，包括之前战胜李世石的 AlphaGo 。
Pichai 介绍道，深度学习分为两个阶段：训练（training）和推理（inference）。其中训练阶段是非常计算密集型的，比如，谷歌的一个机器翻译模型每周就要处理至少 30 亿词的训练数据，需要数百个 GPU，去年的 TPU 就是专门为推理阶段优化的；而在今年的 I/O 大会上，Pichai 宣布了下一代 TPU——Cloud TPU——其既为推理阶段进行了优化，也为训练阶段进行了优化。在现场展示的一块 Cloud TPU 板图片上有 4 块芯片，其处理速度可达 180 teraflops（每秒万亿次浮点运算）。
此外，Cloud TPU 还可以轻松实现集成组合，你可以将 64 块 TPU 组合成一个「超级计算机」，即一个 pod ，每个 pod 的速度可达 11.5 petaflops（每秒千万亿次浮点运算）；另外，Pichai 还宣布将 Cloud TPU 应用到了 Google Compute Engine 中。
正如 Pichai 所言，「我们希望谷歌云是最好的机器学习云，并为用户提供 CPU 、GPU 和 TPU 等更广泛的硬件支持。」
在下午的开发者 Keynote 中，谷歌云机器学习与人工智能首席科学家李飞飞也表示，每个人都可通过谷歌的云平台使用云 TPU，不久之后将会开放租借。
Google.ai 与 AutoML
为推动使用人工智能解决实际问题，Pichai 宣布将谷歌人工智能方面的工作综合到 Google.ai 下。总体而言，Google.ai 将专注于三个领域：研究、工具和应用。
在研究方面，深度学习模型方面的进步令人振奋，但设计和开发却很耗费时间，只有少量工程师和科学家愿意去研究它们。为了让更多开发者使用机器学习，谷歌提出了 AutoML——让神经网络来设计神经网络。
AutoML 是一种「learning to learn」的方法。在此方法中，一种控制器神经网络能够提议一个「子」模型架构，然后针对特定任务进行训练与质量评估；而反馈给控制器的信息则会被用来改进下一轮的提议。谷歌在技术博客中表示，他们已经将此过程重复了上千次，从而来生成新架构，然后经过测试和反馈，让控制器进行学习。最终，控制器将学会为好的架构分配高的概率。
AutoML 会产生什么样的神经网络？以循环架构为例（用来在 Penn Treebank 数据集上预测下一单词），如下图所示：
左边为人类专家设计的神经网络，右边为 AutoML 方法创造的循环架构，两个架构有着共同的设计特征。
Pichai 认为，AutoML 具有很大的潜力，并且，谷歌已经在图像识别基准数据集 CIFAR-10 上取得了顶尖成果。虽然过程很难，但云 TPU 的存在使这种方法成为了可能。
有了这些前沿的研究，接下来就是应用的问题。Pichai 列举了谷歌应用机器学习的几个案例：比如在医疗领域诊断癌症的应用和在基础科学领域的应用（比如在生物学上，谷歌通过训练神经网络来改进 DNA 测序的准确率；在化学领域，谷歌通过使用机器学习了预测分子性质）。
产品及应用
谷歌 AI First 战略不仅体现在研究上，还体现在众多人工智能技术的应用上——将谷歌的各项人工智能技术在产品层面统一起来。Pichai 提到：「计算机仍在不断地进化，从 Mobile First 的世界进化到 AI First 的世界。我们也在重新思考我们所有的产品。」
1. Google Assistant
谷歌正将人工智能应用于所有产品中，Pichai 表示，其中最重要的就是谷歌搜索和 Google Assistant 。自去年 I/O 大会发布以来，Google Assistant 已经可以在上亿台设备上使用。今天 Google Assistant 工程副总裁 Scott Huffman 又介绍了 Google Assistant 三大进步。
1）更自然的对话
Google Assistant 上 70% 的请求都是通过自然语言的方式进行的，而非键盘输入。而谷歌要做的就是结合语音识别、自然语言处理以及语境意义方面的技术来解决用户双手，实现更加自然的人机交流。「Google Assistant 可以通过聆听学会区分不同家庭成员的声音。」他说。除了语音识别和自然语言处理，Google Assistant 还使用了 Google Lens 功能，通过图像信息来实现更加自然的「对话」。
2）更广泛的应用
Huffman 表示，Google Assistant 正变得更加广泛可用，除了之前的安卓系统，Google Assistant 已经可以在 iPhone 上使用。而随着 Google Assistant SDK 的发布，任何设备生产商都能简单轻松地将 Google Assistant 部署在音响、玩具和机器人等设备上；此外，今年夏天，Google Assistant 也开始将支持法语、德语、葡萄牙语和日语，并将在年底新增意大利语、韩语和西班牙语等语言。
3）更触手可及的服务
用户使用 Google Assistant 不仅仅是搜索信息，还希望获取所有服务，比如 Gmail 、Google Photos 、谷歌地图和 YouTube 等。因此，谷歌将 Google Assistant 开放给了第三方开发者，以实现产品间更加有用的融合。据 Google Assistant 产品经理 Valerie Nygaard 介绍，Google Assistant 将支持交易，从而为第三方提供端到端的完整解决方案。
Google Assistant 的进步也使得智能家居产品 Google Home 新增了 50 项新功能——用户可以通过语音去调用各种服务，包括免费电话、免费听音乐，以及在电视上观看视频等。
同时，基于本次大会上多次提及的「语音加图像」的多模态交互，此前缺乏视觉交互 Google Home 现在也可以借助手机和电视的屏幕与用户进行更好的互动，比如，用户可以通过语音命令让 Google Home 把你的日程在电视上显示。就像 Nygaard 所说的那样，用户可以 hands-free 的做任何事情。如今 Google Assistant 已经开始支持交易并集成到智能家居设备中，目前拥有超过 70 家智能家居合作者。
2. Google Photos
Google Photos 目前拥有十亿月度活跃用户，每天上传的照片和视频达到 12 亿次。借助于谷歌的核心人工智能技术，如今 Google Photos 使用了全新的图像处理方法。这从此次发布的三个新功能可以看出：
Suggest Sharing 可以借助机器学习将照片中的人物和场景识别出来，然后给用户提供分享建议——是否应该分享以及分享给谁。
Shared Libraries 基于用户识别的相片库分享。
Photo Books 自动帮助用户筛选出某一场景下的高质量照片并生成相册。
另外，除了 Google Assistant ，Google Lens 也被集成到了 Google Photos 中。通过这个功能，你可以识别相册里面的地标建筑、检索艺术作品背后的故事、识别照片内的文本内容和信息，这项功能将于今年晚些时候发布。
用 TensorFlowLite 构建移动开发者生态
机器学习在移动端的应用至关重要，而在讨论安卓的未来时，谷歌工程副总裁 Dave Burke 宣布了一个为移动端优化的 TensorFlow 版本——TensorFlowLite 。TensorFlowLite 能让更多的开发者建立在安卓手机上运行的深度学习模型。而 TensorFlowLite 就是谷歌在移动端部署人工智能的一个着力点。首先，TensorFlowLite 很小很快，但依然可以使用最先进的技术，包括卷积神经网络、LSTM 等；其次，Dave Burke 还宣布在安卓上推出了一个新的框架来进行硬件加速，期待看到为神经网络的训练和推理特别定制的 DSP 。这些新能力将促进新一代设备上（on-device）语音识别、视觉搜索和增强现实的发展。
去年，Facebook 公开了 Caffe2Go ，今年更是开源了可在手机与树莓派上训练和部署神经网络模型的 Caffe2 。在移动端部署机器学习成为了一项新的挑战。但不幸的是，手机上训练神经网络仍是计算密集型任务。即便忽略训练，预训练模型仍旧艰难。但如果能在边缘设备运行模型，就能避免云和网络，在任何环境中有更可靠的表现。
谷歌表示他们会开源该项工作，并计划在今年晚些时候发布 API 。
谷歌首日 Keynote ，让我们看到了谷歌围绕机器学习研究、开源工具、基础设施和人工智能应用开发的 AI First 战略。Cloud TPU 是加速人工智能部署的基础设施；AutoML 代表着机器学习研究层面的前沿方向；TensorFlowLite 将促进人工智能在移动端的部署；语音和图像的结合代表着对多模态人机交互的探索；而应用了各种人工智能技术的产品更新则是极大推动了将 AI 真正融入生活的进程。
在发布了令人失望的第一份财报后，最新报告显示，Snap第二季度初在吸引新用户方面遭遇更大的障碍。
根据市场研究公司Sensor Tower发布的数据，Snapchat 2017年4月在App Store和Google Play的总下载量大约同比减少约16%。当月实际下载量为2110万次，低于2016年4月的2520万次。
Sensor Tower称，4月的Instagram安装量同比增长19%。从具体数据来看，这款应该用4月下载量为3100万次，高于去年同期的2610万次。值得一提的是，Instagram声称其与Snapchat Stories类似的功能拥有更多用户。
这意味着Snapchat与Instagram的安装量差距从去年同期的100万次左右增长到1000万次。而且两款引用出现了此消彼长的状况。
更糟糕的是，Sensor Twoer报告称，Snapchat今年5月前10天的下载量同比下滑28%。Instagram同期则增长17%。
由于Snap股价在资本市场表现疲软，目前已经下跌约20%，所以这一趋势可能令其雪上加霜。该公司第一财季营收远低于分析师预期，新用户仅环比增长5%。
Snap高管在分析师电话会议上坚称，他们的重点不是吸引新用户，而是把“创造力”和“互动性”作为最关键的指标。不过，该公司还是在第一财季的监管文件中指出，无法增加新的日活跃用户是该公司面临的一大风险。
Snap高管拒绝提供业绩指引，所以分析师只能尽量猜测该公司第二财季的业绩。但从上周的反应来看，投资者似乎没有太大耐心，导致Snap没有太多时间寻找可持续的商业模式。
根据递交的SEC文件，对冲基金大佬、Third Point创始人Dan Loeb在今年第一季度抛售了苹果公司的股票，并购买了Snap公司和美国电脑巨头惠普企业公司（Hewlett Packard Enterprise）的股票。此外，Third Point还增持了T-Mobile, Salesforce.com, Qualcomm, Celanese和Pioneer Natural Resources的股票。
同时，Third Point还抛售了Molson Coors Brewing、Union Pacific和高盛的股票。
高盛今日下跌0.85%，至222.83美元。年初至今，高盛下跌18.75美元，或7%
Third Point并减持了在美银美林和摩根大通的股票持仓。
Third Point第一季度回报率为5.9%，略低于标普500指数的涨幅。
根据2月10日的13-F监管文件，Dan Loeb在去年四季度持有很大规模的金融股头寸，去年四季度累计持仓价值接近10亿美元。其中，摩根大通（JPMorgan ）的持仓市值约为4.53亿美元，持有的美国银行（Bank of America）股票市值约3.87亿美元，高盛股票持仓相对较小，达9600万美元。
如此来看，Dan Loeb可能准确地抓住了业界所谓的“特朗普行情”——他意外赢得大选后，美国股市一路狂飙，三大股指屡屡刷新历史峰值记录，特别是金融股，因其在就职之后马上着手放松金融监管。当月金融股市值大增逾2750亿美元，创历史新高。
不过，金融股在大选东风中暴涨了一波之后，今年的走势整体平稳，维持着窄幅震荡。而当前信息科技股已经超越了金融股，成为大选以来标普500指数上表现最佳者。
昨天中国时间，我们微信公众平台 Tradesmax上，预测Snap首个财报大跌，给予目标价16-18 美金。微信链接
http://mp.weixin.qq.com/s/oHX7YNhdmTxlu8fzu9gEbQ
http://mp.weixin.qq.com/s/-sfw0dEy_cW0Hu9R4cfj0g
财报显示，Snapchat第一财季每股亏损2.31美元，逊于预期1.9美元。第一财季调整后EBITDA亏损1.882亿美元，超过预期的亏损1.7690亿美元。第一财季日均活跃用户数报1.66亿，逊于预期的1.68亿。
Snap盘后暴跌24%，一举抹掉了20%的市值（近65亿美元），而公司在3月1日上市时估值为240亿美元，是继2014年9月阿里巴巴之后的最大科技类上市案例。Snap在第一财季共消耗掉1.73亿美元的现金流，“烧钱”能力比一年前提升了70%，目前公司手头还有32亿美元现金。
对冲基金领域最大牌的一些人物周一在纽约举行的Sohn 投资大会上聚首，推销他们的新投资理念。
在这次备受关注的年度聚会上，有人看涨，也有人看跌，而他们评估的对象从经过整体规划的社区到整个标普500指数几乎无所不包。
以下摘录的是此次大会上发表的一些观点以及涉及的一些股票：
DHX媒体公司（NYSE：DHX）
对冲基金Fine Capital Partners的创始人Debra Fine看涨《天线宝宝》（Teletubbies）的所有者。
这名只限长仓的价值经理人看涨DHX。这是一家加拿大企业，该公司购买在上一代人中间流行的儿童节目，并看好这些节目的长期增长价值。
其中一个节目就是《天线宝宝》。该节目围绕四个多彩的、有些迷幻感的角色展开。Fine称，哪怕《天线宝宝》的受欢迎程度只有1999年时的一半，其创造的利润就能提振DHX的息税折旧及摊销前利润增长超过一倍。
Fine表示，儿童节目的价值不会在首播之后就下降，因为与父母不同，儿童并不介意重复观看同一个节目。DHX还持有《Caillou》、《Bob the Builder》、《Inspector Gadget》和《Strawberry Shortcake》等节目的权益。
Fine称，DHX的股价可能涨到20-30美元。DHX目前市值约为1亿美元。该股周一在纳斯达克涨6.9%，至4.20美元。
做空Core Laboratories
绿光资本创始人David Einhorn称，他正在做空Core Laboratories。Core Laboratories为石油工业钻井业务提供分析服务。
Einhorn称，该股相比同行的估值偏高。他还表示，目前存在关于Core Laboratories是长期增长公司的误解。Einhorn在他的介绍中表示，Core Laboratories的管理层仍预计石油市场将出现V型反弹，尽管有证据显示情况恰恰相反。Einhorn的介绍资料中加入了一些老式的《纽约客》 漫画。
Einhorn表示，阅读Core Laboratories的年报就像是在开启一枚时空胶囊，该报告中保留了石油市场最巅峰时期的说法。他表示，Core Laboratories每股股票的价值为62美元。该股收跌2.4%，至110.75美元。Core Laboratories对此不予置评。
特斯拉（TSLA）
Social Capital的创始人Chamath Palihapitiya认为，电动汽车公司特斯拉的创始人马斯克（Elon Musk）是当代爱迪生（Thomas Edison）。
Palihapitiya推荐押注特斯拉的可转债。可转债能转换为股票，其价值可随着股价上涨而增长，在股价下跌时又可保持下档保护的能力。
Palihapitiya称，特斯拉市值可能在十年内达到数千亿美元，堪比周一市值超过8000亿美元的苹果公司（AAPL），不过他也称，特斯拉对资本的巨大需求目前令投资者仍难以押注该股。
特斯拉可转债最近小幅上涨，报价从5月4日相当于面值的107.682%涨至5月8日的111.374%。与之相比，5月1日报价为相当于面值的115%以上。
这并非Palihapitiya首次推荐科技公司。去年的Sohn大会上，Palihapitiya称亚马逊（AMZN）有朝一日会成为市值达3万亿美元的公司。自去年Sohn大会以来，亚马逊股价已累计上涨约40%。
Uber改变了很多人的出行方式，也改变了不少公司的命运。
美国汽车租赁巨头Hertz周一美股盘后公布的财报显示，一季度该公司持续经营净亏损2.23亿美元，折合每股亏损2.69美元，是去年同期5200万美元亏损的逾四倍。
从调整后情况来看，今年一季度Hertz净亏损1.34亿美元，折合每股1.61美元，亏损幅度大于分析师预期的每股0.84美元。去年同期，Hertz调整后净亏损6700万美元，约为每股亏损0.79美元。
Hertz一季度总营收为19.2亿美元，同样不及市场预期的19.5亿美元。和去年同期的19.8亿美元相比，今年一季度营收也出现3%的降幅。
更糟糕的是，一季度经调整EBITDA为-1.1亿美元，去年同期则为正的2700万美元。
财报公布后，周二盘前Hertz股价暴跌逾16%。
从Hertz的营收构成来看，一季度美国租车营收为14亿美元，同比下滑4%；其在国际市场的表现也同样糟糕，一季度在国际市场的租车营收同比下滑5%至4.11亿美元。
Hertz 总裁兼CEO Kathryn V. Marinello对业绩表现这样解释：
如此前所述，我们正在执行一个转型计划，以便让客户成为我们一切业务的核心。
我们的目标是加强业务，以驱动长期的可预测、可持续增长。尽管我们注意到和车辆残值相关的问题，但我们对业务投资的承诺仍在。尤其是，我们大力强调车辆质量、客户体验、品牌发展以及系统升级。
对于我们重建在全球租车市场的领先地位而言，这些投资至关重要。虽然我们的业绩表现并未反映我们的投资，且可能会继续如此，我们仍然能看到取得进展的迹象。
尽管给出了这些理由，但Hertz却并未提及导致其亏损的真正原因：Uber。
英国研究机构Debtwire以下这张图能明显说明问题。图中统计的是，从2014到2016年，每年四季度企业在地面交通支出上的构成，汽车租赁所占份额持续下滑，而Uber则连续增长。
美国证交会(SEC)刚批准了四倍杠杆ETF上市交易的要求，这也是美国监管机构首次允许如此高倍的杠杆产品面世美国市场。
获得允可的两只产品分别是ForceShares每日4倍美国市场期货杠杆基金(ForceShares Daily 4X US Market Futures Long Fund)，代号UP。和ForceShares每日4倍美国市场期货反向基金(ForceShares Daily 4X US Market Futures Short Fund)，代号 DOWN。
美股投资网Tradesmax 为大家整理出目前市场交易最活跃的ETF
TESLA公布了比预期更大的首次季度亏损，但表示，它的大众车款Model 3仍有望从七月生产。
EPS每股盈利$ 1.33亏损，预期为81美分每股亏损，收入：$ 27亿对比与预期的$ 26亿美金，同比增长一倍。
特斯拉在去年同期录得每股$ 1.45和$ 11.5亿的收入损失。
该公司发表了在第一季度创纪录的25,000辆汽车，以满足在2017年上半年销售50000的目标。
该MODEL 3将是投资者将是最感兴趣的话题之一，并成为特斯拉能否成为一个主要的汽车制造商的关键。[微信公众平台 美股投资网]
Autotrader和凯利蓝皮书执行出版人，在一封电子邮件称“特斯拉是在一个重大转折的边缘，”，“这使得最近3个月的财务业绩比后面3-6个月差。今天的财报将提供的特斯拉的长期进步的元素，但2017年的其余时间将真正定义了公司的长期生存能力“。
同时投资者关注的是特斯拉的现金余额和资金需求。特斯拉在三月回归市场再次筹集另外$ 11.5亿美金，主要是提供为公司投入3型车生产的缓冲作用。
亚马逊已经在一年多以前成立了无人驾驶技术团队，规模约十余人。知情人士称，到目前为止亚马逊还不打算研发无人驾驶车辆，上述团队主要任务是解决如何利用无人驾驶技术改善货运物流的问题。
行业专家表示，尽管仍处于初级阶段，但上述举动将帮助亚马逊解决其最大的物流难题，即如何以更快的速度和更低廉的成本递送包裹，亚马逊可以将无人驾驶技术应用于卡车、叉车和无人机等设备上。此外，无人驾驶汽车在未来的“最后一公里”快递上将扮演更重要的角色，实现更便捷的包裹投放。
到目前为止亚马逊尚未就有关无人驾驶团队的相关报道做出回应，该团队研究进展如何也无从知晓。
无独有偶，最新报道显示苹果也已成立自动驾驶汽车团队，并招募了前NASA和特斯拉员工。此前苹果已经获批在美国加州公共道路上测试其自动驾驶技术。一直以来，业界都传闻苹果正进行名为“泰坦计划”的自动驾驶汽车研发项目，但这一消息从未得到过苹果的官方证实，苹果也从未披露相关研发进展。不过去年11月，苹果曾致函美国国家高速公路交通安全管理局(NHTSA)，提议让新进入该领域的公司享受与老牌公司一样的待遇，也能有机会在公共道路上测试自动驾驶技术。
ALLY是美股汽车金融标杆公司，具备银行低成本资金和庞大经销商客户数量两大优势。与ALLY相比，国内厂商系金融公司息差更大、净利润率更高，处于暴利时代，但随着竞争加剧，息差和净利润率都会逐步降低。
1908年，美国通用汽车公司（GM）成立，1919年，通用成立全资财务子公司——通用汽车金融公司（GMAC），是为ALLY的前身。2006年，通用汽车转让GMAC 51%股权，作价140亿美元，受让方是对冲基金Cerberus Capital牵头的财团。
2008年，通用汽车合作的6,450家经销商中，75%是由GMAC提供金融服务。经济危机爆发后，债务如山的通用汽车宣布破产，作为通用汽车的债权人之一，GMAC受此连累，财务恶化。
雪上加霜的是，除了车贷，GMAC有很大比例的业务是房屋抵押贷款。为避免GMAC破产影响美国汽车工业，美国政府提供总额173亿美元的金融援助，并成为GMAC的第一大股东。
2009年，GMAC重组，随后在2010年5月改名为ALLY金融公司（ALLY Financial）。
ALLY从2011年开始谋划上市，为此，旗下抵押按揭公司Residential Capital于2012年申请破产，欧洲和拉美的汽车金融业务也在2013年出售，将不良资产和亏损业务剥离掉之后，ALLY最终于2014年4月成功挂牌纽交所。
以汽车金融为主导的银行控股公司
ALLY的业务包含汽车金融、抵押贷款和公司金融，其中汽车金融占主导地位，2016年的资产构成中，汽车金融占比89%。ALLY的前身是通用汽车金融公司，起家于汽车金融，也对汽车金融业务最熟练。
ALLY汽车金融业务围绕经销商展开，涵盖新车和二手车的汽车保险、消费贷款、库存融资和租赁等全部业态。
从资产占比上看，零售业务（2C）比例最大，达到50.4%，经销商业务（2B）和租赁分别占比30%和13%。从资产收益率比较，租赁业务收益率最高，为6.8%，零售和经销商业务分别是5.5%、3.0%，生息资产总体收益率为4.4%。
汽车金融业务以经销商为中心，因为ALLY前身是厂商金融公司，与通用和克莱斯勒的经销商群体有多年积累的牢固关系，这是ALLY的重要资产和巨大优势，2016年ALLY服务的活跃经销商数量达到18,000家。
资金端，ALLY拥有全资子公司ALLY银行（ALLY Bank），银行可吸收社会储蓄存款，这为ALLY提供了低成本资金。ALLY银行是美国领先的直销银行，前身是GMAC的银行业务。2013年上市之时，按总资产计，ALLY在全美所有银行中排名第十九位。
2016年，ALLY的资金来源中，储蓄存款占比52%，其它来源还有抵押债券和无抵押债券。从资金成本考虑，无抵押债券利率高达4.9%，有抵押债券和储蓄存款的利率分别是1.6%和1.1%。
ALLY未来的战略之一，即是不断提高存款在资金来源中的比例，近期目标是存款占比提高到70-75%。
获客、渠道决定天花板
渠道决定着客户的覆盖范围，进而决定了金融业务的规模。
2013年，ALLY服务16,000家经销商（主要是通用汽车和克莱斯勒相关的经销商）和400万终端客户，到2016年，ALLY服务18,000家经销商和440万终端客户，三年时间里，经销商客户增加13%，资产规模增加8%，汽车金融业务已接近天花板。
随着ALLY从通用独立出来，ALLY与通用和克莱斯勒的合作协议相继在2012、2013年失效，失去了与这两家品牌经销商的部分排他性特权。同时，随着通用新成立汽车金融公司GMF（General Motor Financial, Inc），ALLY面临着更大的竞争压力。
表现之一是租赁业务，主机厂通过更大力度的贴息，使得租赁收入更多地流向厂商金融公司，2016年ALLY的租赁业务收入与2015年相比下降20%，管理层预计将继续下降50%。
失去了主机厂庇护，而且面临更激烈的竞争，ALLY也在逐步转型，以减少对通用和克莱斯勒经销商的依赖。2013年到2016年，非通用和克莱斯勒品牌的经销商，占ALLY新车库存融资和新车零售融资业务贷款交易量的比例从11%、9%，提升到12%和36%。
国内厂商金融公司也面临同样的天花板问题。
由于主机厂汽车金融公司只能做本品牌业务，金融业务规模即由本品牌汽车销量和金融渗透率决定，以汽车成熟市场作为参照，金融渗透率提高到70-80%后到达稳定期，而新车销量的增速也已放缓，中国汽车工业协会预测，2017年新车销量增速在5%左右。
国内厂商金融公司的资产规模增速下降也表明，天花板很快就将到来（如下表所示）。以上汽通用汽车金融为例，上汽集团2016年整车销售649万辆，平均售价11万元/辆，假设上汽未来5年保持3-5%的销量增速，贷款金额比例是车价50%，且上汽通用汽车金融未来5年能达到ALLY的金融渗透率水平（ALLY贷款车辆数占通用销量比例10-15%），则未来5年，上汽通用汽车金融年复合增长率在26-38%之间。5年后到达稳定期，进入个位数增长时代。
息差稳中有升，国内处于暴利时代
ALLY在过去几年中，息差稳中有升。息差提高的原因，一是扩大二手车金融业务占比，二是扩大客群范围，三是增加储蓄存款，以储蓄存款替代其它高成本融资，降低资金成本。
二手车属于非标品，评估资产质量后才能放贷，申请二手车贷款的客户FICO分比新车更低，因此二手车金融业务风险比新车高，利率也更高。
客群覆盖方面，ALLY开始下沉，给信用欠佳客户（nonprime，FICO分低于620分）甚至是缺乏信用分人群（nonscore）提供贷款，信用分越低，利率越高。
反观国内，上汽通用汽车金融2016年净息差是5.5%，是ALLY的2倍。随着近几年越来越多自主品牌车企成立厂商金融公司（比如吉利于2015年8月成立吉致汽车金融），以及银行、互联网金融等各方势力竞争加剧，息差会继续降低。
利率降低，除了竞争原因，资金成本降低也是原因之一。目前参与汽车金融的玩家，规模小的采用P2P网贷平台的方式，规模稍大，则会通过发行ABS来降低资金成本，更进一步的，是获取银行或保险资金。
资产优质坏账较低，运营效率国内尚有差距
汽车是优质资产，单次贷款额度一般在10万元以内，客户分散，且需要上牌、上险，风控压力相对更小。2015-2016年ALLY的坏账率在0.64-0.70%，上汽通用金融2013-2016年不良贷款率在0.24-0.43%之间，都处于较低水平。
ALLY坏账率比上汽通用汽车金融高的原因，一是因为ALLY二手车金融业务占比提高，二手车零售用户的FICO分比新车低；第二个原因是ALLY的租赁业务，面临车辆残值下降风险。上汽通用汽车金融不参与二手车金融和车辆处置，因此没有这两方面风险。
坏账率水平上，中美情况相同；但在运营效率上，国内尚有差距。以非利息营业支出（noninterest expense）占营收比重作为效率指标，上汽通用汽车金融比ALLY高出5%。上汽通用汽车金融高的原因，主要是促销和市场费用较高，占营收比重10-12%，而ALLY的营销费用稳定在营收的2%。
虽然运营效率上弱于ALLY，但上汽通用汽车金融净息差比ALLY高，导致净利润率比ALLY高出不少，2016年上汽通用汽车金融净利润率接近ALLY的2倍。
多元化战略，稳健增长
汽车贷款和租赁之外，ALLY也从事汽车保险业务。保险业务综合成本率高，主要依靠投资收益获得较低的利润率，这一方面中美情况类似。
通用汽车和克莱斯勒成立新的汽车金融公司，美国二手车残值处于下行趋势，这些都促使ALLY转型，减少对原有两大汽车品牌经销商的依赖。因此，ALLY开始进入财富管理、投资和信用卡等业务领域。
2016年，ALLY收购TradeKing进入在线财富管理领域；ALLY Home上线，发展直接抵押贷款（direct-to-consumer mortgage）；并与VISA联名推出ALLY CashBack信用卡。这些将扩大ALLY的消费者覆盖范围，提高交叉销售的能力。
资产端扩大资产类别，资金端则是继续通过各种营销方式扩大ALLY Bank知名度，提高储蓄存款占比，降低资金成本。
2016年，ALLY的ROE达到10%，EPS增长8%，上市以来首次实施分红和股票回购。通过实施多元化战略和各项降成本措施，ALLY目标是实现EPS年复合增长率15%，ROE提高到12%，运营效率指标降低到40%以下。
2019年，ALLY就将成为百年老店，ALLY能否转型成功、实现百年复兴，我们一起期待
微信分析师 微信公众号
