CNET科技資訊網 5月5日 北京消息:4月30日,天涯社區(qū)發(fā)布了公開轉讓說明書,擬在新三板掛牌。數據顯示,2013年度和2014年度兩年合計虧損達到7627萬元。 “實際上,我們這兩年在做業(yè)務轉型,過程中有一些虧損。”對于近兩個報告期的虧損,邢明如此說。
目前,邢明為天涯社區(qū)的董事長、總經理和實際控制人。股權架構顯示,邢明直接和間接持有天涯社區(qū)4402.7萬股,持股比例達48.9193%。天涯社區(qū)稱,此次謀取新三板上市,意在通過資本市場的規(guī)模融資解決發(fā)展所需的資金,以降低公司的償債風險。根據新三板的掛牌流程,天涯社區(qū)登陸新三板一事,還須得到證監(jiān)會的核準。
以下是說明書要點:
1)2014年及2013年度,公司凈利潤為負
天涯的主營業(yè)務收入分別為10410.48萬元及10717.88萬元;虧損金額分別為4465.82萬元和3161.33萬元根據說明書顯示,主要收入源自互聯網廣告的天涯社區(qū),已是連續(xù)兩年虧損,合計虧損達到7627萬元。
2)主要營收來源是互聯網增值和網絡廣告業(yè)務
天涯社區(qū)的主要營業(yè)收入,來自于互聯網增值和網絡廣告業(yè)務。2014年在其披露的廣告客戶名單中,百度作為第一大客戶為天涯貢獻1328萬元的收入。海南省旅游發(fā)展委員會是天涯的第三大客戶,貢獻收入222.64萬元。目前,邢明為天涯社區(qū)的董事長、總經理和實際控制人。股權架構顯示,邢明直接和間接持有天涯社區(qū)4402.7萬股,持股比例達48.9193%。
3)近兩年天涯社區(qū)經營活動現金流量凈額均為負值
截至2014年,天涯社區(qū)資產總額1.2億元,負債總額1.15億元,資產負債率為95.88%。同時,最近兩年,天涯社區(qū)經營活動現金流量凈額均為負值。
4)自2007年度起天涯社區(qū)曾謀求海外上市谷歌入股
2005年,一家注冊于開曼群島的天涯社區(qū)控股有限公司成立,該公司曾通過一系列協議對境內天涯社區(qū)形成控制,2011年上述協議控制被解除,主要目的是“達到天涯社區(qū)的境內上市”,而這也同時意味著社區(qū)境外上市計劃的終止。
此外,說明書還顯示了谷歌有入股天涯的經歷。2007年,谷歌以每股1美元的價格認購了開曼公司天涯控股100萬股;2010年,谷歌所持的100萬股被天涯控股以2.9美元/股的價格回購。谷歌所持有的100萬股,占天涯控股總股本的6.67%。按照290萬美元的回購價格計算,2010年天涯的市值為4347萬美元。
5)加強原創(chuàng)知識產權IP運營謀求多元化發(fā)展是公司未來方向
說明書顯示,2014年,天涯社區(qū)型電子商務業(yè)務共計產生1800萬元平臺交易額。天涯社區(qū)業(yè)務模式處于起步階段,正謀求轉型,將逐步進入高速發(fā)展期。方向包括社交媒體、社區(qū)游戲化、社區(qū)型電子商務,以及社交型互聯網金融業(yè)務。
在加強原創(chuàng)知識產權IP運營方面,天涯社區(qū)將以現有原創(chuàng)內容為基礎,以文學為起點,在培育明星作者和文學精品的基礎上,挖掘優(yōu)質文學IP,并擴散下游和周邊業(yè)務,包括游戲、影視、動漫、出版、音樂等其他版權運營領域。
正積極布局電商業(yè)務。2013年,公司主導成立海南天涯客在線旅游業(yè)有限公司,通過并購、新設的方式,在廣西、貴州、新加坡等地建立分支機構,力圖打造旅游在線商務平臺。2014年,天涯社區(qū)成立農產品電商事業(yè)部,運營“涯叔農場”,并向天涯用戶提供農副產品。
背景資料:
天涯社區(qū)屬于天涯社區(qū)網絡科技股份有限公司,創(chuàng)辦于1999年,自創(chuàng)立以來,以“天涯社區(qū)”論壇為主要平臺,以其開放、包容、充滿人文關懷的特色,受到華人網友的推崇。數據顯示,截至14年4月20日,天涯社區(qū)注冊用戶超過1億人,是國內排名第一的論壇類網站,位居國內網站綜合排名第10位。
邢明,天涯社區(qū)的董事長、總經理和實際控制人。1968年出生,曾擔任海南省信息中心信息處主任科員、特區(qū)信息報社總編輯等職務。2000年,邢明出任天涯社區(qū)董事長和總裁,是海南省人大代表、??谑姓f常委。
好文章,需要你的鼓勵
新加坡國立大學研究團隊開發(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,僅訓練AI玩簡單撲克游戲就能讓其數學推理能力提升8.6%,通用推理提升8.4%,且無需任何數學題目作為訓練材料。研究發(fā)現游戲中的三種推理模式能成功轉移到數學解題中,為AI訓練提供了新思路。
同濟大學團隊開發(fā)的GIGA-ToF技術通過融合多幀圖像的"圖結構"信息,創(chuàng)新性地解決了3D相機噪聲問題。該技術利用圖像間的不變幾何關系,結合深度學習和數學優(yōu)化方法,在合成數據集上實現37.9%的精度提升,并在真實設備上展現出色泛化能力,為機器人、AR和自動駕駛等領域提供更可靠的3D視覺解決方案。
伊利諾伊大學研究團隊通過對比實驗發(fā)現,經過強化學習訓練的視覺語言模型雖然表現出"頓悟時刻"現象,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等頂尖機構聯合提出SparseLoRA技術,通過動態(tài)稀疏性實現大語言模型訓練加速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練效率,已在多個任務上驗證有效性。