路透社當(dāng)?shù)貢r(shí)間周一報(bào)道稱,阿里巴巴可能上調(diào)IPO(首次公開(kāi)募股)價(jià)格區(qū)間。
消息人士向路透社報(bào)料稱,由于投資者需求旺盛,阿里巴巴在考慮上調(diào)IPO股票價(jià)格區(qū)間。
阿里巴巴未就此置評(píng)。
阿里巴巴本月早些時(shí)候宣布IPO價(jià)格區(qū)間為60-66美元(約合人民幣369-406元),可能通過(guò)IPO募集至多243億美元(約合人民幣1493億元)資金,將成為美國(guó)有史以來(lái)通過(guò)IPO募集資金金額最高的公司。如果上調(diào)發(fā)行價(jià),阿里巴巴募集的資金將水漲船高。目前尚不清楚阿里巴巴調(diào)整后的IPO股票價(jià)格區(qū)間,但彭博社報(bào)道稱價(jià)格區(qū)間上限將上調(diào)至70美元(約合人民幣430元)。
目前通過(guò)IPO募集資金最高的互聯(lián)網(wǎng)公司是Facebook,2012年IPO時(shí)募集160億美元(約合人民幣983億元)。如果成功IPO,阿里巴巴的融資金額將超過(guò)Facebook,甚至2008年維薩的191億美元(約合人民幣1174億元),成為美國(guó)有史以來(lái)融資金額最高的IPO交易。
阿里巴巴計(jì)劃在紐約證券交易所掛牌交易,代碼為“BABA”。
盡管在美國(guó)名頭并不響亮,阿里巴巴卻是中國(guó)互聯(lián)網(wǎng)零售領(lǐng)域絕對(duì)的大哥大。阿里巴巴旗下?lián)碛卸鄠€(gè)電子商務(wù)網(wǎng)站,其中包括淘寶網(wǎng)和天貓。
阿里巴巴業(yè)務(wù)增長(zhǎng)速度很快——去年第四季度營(yíng)收增長(zhǎng)66%,業(yè)務(wù)主要來(lái)自中國(guó)和周邊地區(qū),但被認(rèn)為可能對(duì)亞馬遜、eBay等美國(guó)電子商務(wù)巨頭構(gòu)成威脅。
6月份,阿里巴巴在美國(guó)推出了一個(gè)名為11 Main的商城,參與美國(guó)電子商務(wù)市場(chǎng)的競(jìng)爭(zhēng),目前尚不清楚它是否受到美國(guó)消費(fèi)者和商家的青睞。阿里巴巴CEO馬云周一表示,該公司未來(lái)數(shù)月或數(shù)年,將進(jìn)一步涉足美國(guó)和歐洲電子商務(wù)市場(chǎng)。
另?yè)?jù)路透社報(bào)道稱,阿里巴巴在向美國(guó)證券交易委員會(huì)提交的修訂版招股說(shuō)明書(shū)中把IPO價(jià)格區(qū)間上調(diào)至66-68美元(約合人民幣406-418元)。
好文章,需要你的鼓勵(lì)
新加坡國(guó)立大學(xué)研究團(tuán)隊(duì)開(kāi)發(fā)了SPIRAL框架,通過(guò)讓AI與自己對(duì)弈零和游戲來(lái)提升推理能力。實(shí)驗(yàn)顯示,僅訓(xùn)練AI玩簡(jiǎn)單撲克游戲就能讓其數(shù)學(xué)推理能力提升8.6%,通用推理提升8.4%,且無(wú)需任何數(shù)學(xué)題目作為訓(xùn)練材料。研究發(fā)現(xiàn)游戲中的三種推理模式能成功轉(zhuǎn)移到數(shù)學(xué)解題中,為AI訓(xùn)練提供了新思路。
同濟(jì)大學(xué)團(tuán)隊(duì)開(kāi)發(fā)的GIGA-ToF技術(shù)通過(guò)融合多幀圖像的"圖結(jié)構(gòu)"信息,創(chuàng)新性地解決了3D相機(jī)噪聲問(wèn)題。該技術(shù)利用圖像間的不變幾何關(guān)系,結(jié)合深度學(xué)習(xí)和數(shù)學(xué)優(yōu)化方法,在合成數(shù)據(jù)集上實(shí)現(xiàn)37.9%的精度提升,并在真實(shí)設(shè)備上展現(xiàn)出色泛化能力,為機(jī)器人、AR和自動(dòng)駕駛等領(lǐng)域提供更可靠的3D視覺(jué)解決方案。
伊利諾伊大學(xué)研究團(tuán)隊(duì)通過(guò)對(duì)比實(shí)驗(yàn)發(fā)現(xiàn),經(jīng)過(guò)強(qiáng)化學(xué)習(xí)訓(xùn)練的視覺(jué)語(yǔ)言模型雖然表現(xiàn)出"頓悟時(shí)刻"現(xiàn)象,但這些自我糾錯(cuò)行為并不能實(shí)際提升推理準(zhǔn)確率。研究揭示了AI模型存在"生成-驗(yàn)證差距",即生成答案的能力強(qiáng)于驗(yàn)證答案質(zhì)量的能力,且模型在自我驗(yàn)證時(shí)無(wú)法有效利用視覺(jué)信息,為AI多模態(tài)推理發(fā)展提供了重要啟示。
MIT等頂尖機(jī)構(gòu)聯(lián)合提出SparseLoRA技術(shù),通過(guò)動(dòng)態(tài)稀疏性實(shí)現(xiàn)大語(yǔ)言模型訓(xùn)練加速1.6倍,計(jì)算成本降低2.2倍。該方法使用SVD稀疏性估計(jì)器智能選擇重要計(jì)算部分,在保持模型性能的同時(shí)顯著提升訓(xùn)練效率,已在多個(gè)任務(wù)上驗(yàn)證有效性。