4月16日消息,聯(lián)想控股周三晚間正式向香港聯(lián)交所提交IPO申請書,正式啟動公司香港上市計劃。按照該公司公布的股權(quán)結(jié)構(gòu)顯示,聯(lián)想集團董事局主席柳傳志個人持股比例為3.4%。
IPO細節(jié)
聯(lián)想控股在招股書中未公布發(fā)行價及發(fā)行股數(shù),單據(jù)湯森路透旗下IFR估計,此次IPO預(yù)計將于第三季度進行,中金和瑞銀為此次IPO的聯(lián)席保薦人,將募資20億美元-30億美元。
聯(lián)想控股招股書中顯示,所募集資金將用于增加投資的資本,繼續(xù)投資具有高增長潛力的行業(yè),例如消費與服務(wù)相關(guān)行業(yè),并補充財務(wù)投資的資本。
業(yè)績表
根據(jù)招股書,聯(lián)想集團控股2014年營收2895億元,2012年至今年復(fù)合增長率為13.1%;凈利潤41.6億元,2012年至今年復(fù)合增長率為34.8%。
聯(lián)想控股成立于1984年,由中國科學(xué)院計算所投資20萬元人民幣,柳傳志等11名科研人員創(chuàng)立。2014年末,聯(lián)想控股總資產(chǎn)更高到2890億元。截至2014年12月31日,聯(lián)想控股總?cè)藬?shù)約為60379人。
股權(quán)結(jié)構(gòu)
關(guān)于聯(lián)想控股股權(quán)結(jié)構(gòu),申請資料顯示,截至2014年12月31日,國科控股持有其36%股權(quán),為第一大股東;聯(lián)持志遠持有24%股權(quán)、中國泛海持有20%股權(quán)、聯(lián)恒永信持有8.9%股權(quán)。
其中,聯(lián)持志遠、聯(lián)恒永信均為員工持股平臺。而在聯(lián)想控股的個人股東中,柳傳志持有3.4%股權(quán)、朱立南持有2.4%股權(quán)。
其他持股人包括:寧旻持股1.8%;黃少康持股1.5%;陳紹鵬持股1%;唐旭東持股1%。寧旻、陳紹鵬、唐旭東都是聯(lián)想控股高級管理人員。
至此,聯(lián)想兩家員工持股機構(gòu)共持有32.9%的股權(quán),而高管個人共持有9.6%的股權(quán),合計達到42.5%。
業(yè)務(wù)架構(gòu)
聯(lián)想控股目前擁有戰(zhàn)略投資及財務(wù)投資兩大類業(yè)務(wù)。通過戰(zhàn)略投資業(yè)務(wù),聯(lián)想控股押注于六大板塊,即IT、金融服務(wù)、現(xiàn)代服務(wù)、農(nóng)業(yè)與食品、房地產(chǎn)、化工與能源材料。
聯(lián)想控股的財務(wù)投資業(yè)務(wù)則包括天使投資、風(fēng)險投資、私募股權(quán)投資。此外,公司還有對未上市企業(yè)及上市公司進行直接投資,亦開展母基金投資業(yè)務(wù)。
好文章,需要你的鼓勵
新加坡國立大學(xué)研究團隊開發(fā)了SPIRAL框架,通過讓AI與自己對弈零和游戲來提升推理能力。實驗顯示,僅訓(xùn)練AI玩簡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。
同濟大學(xué)團隊開發(fā)的GIGA-ToF技術(shù)通過融合多幀圖像的"圖結(jié)構(gòu)"信息,創(chuàng)新性地解決了3D相機噪聲問題。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)集上實現(xiàn)37.9%的精度提升,并在真實設(shè)備上展現(xiàn)出色泛化能力,為機器人、AR和自動駕駛等領(lǐng)域提供更可靠的3D視覺解決方案。
伊利諾伊大學(xué)研究團隊通過對比實驗發(fā)現(xiàn),經(jīng)過強化學(xué)習(xí)訓(xùn)練的視覺語言模型雖然表現(xiàn)出"頓悟時刻"現(xiàn)象,但這些自我糾錯行為并不能實際提升推理準確率。研究揭示了AI模型存在"生成-驗證差距",即生成答案的能力強于驗證答案質(zhì)量的能力,且模型在自我驗證時無法有效利用視覺信息,為AI多模態(tài)推理發(fā)展提供了重要啟示。
MIT等頂尖機構(gòu)聯(lián)合提出SparseLoRA技術(shù),通過動態(tài)稀疏性實現(xiàn)大語言模型訓(xùn)練加速1.6倍,計算成本降低2.2倍。該方法使用SVD稀疏性估計器智能選擇重要計算部分,在保持模型性能的同時顯著提升訓(xùn)練效率,已在多個任務(wù)上驗證有效性。