5月18日消息,福建省證券局以及深圳證券交易所已經受理,盛大游戲關聯公司“關于泰亞股份資產置換上海愷英網絡科技有限公司股權涉嫌虛假陳述的投訴”,主管部門已啟動了調查程序。
4月17日,泰亞鞋業(yè)股份有限公司(以下簡稱“泰亞股份”)通過上市公司信息披露渠道發(fā)布了《重大資產置換及發(fā)行股份購買資產暨關聯交易預案》,該“預案”載明泰亞股份擬將截至評估基準日2015年2月28日的全部資產與負債與王悅等11名交易對方持有的上海愷英網絡科技有限公司(以下簡稱“愷英網絡”)100%股權中的等值部分進行資產置換,愷英網絡借殼上市。
盛大游戲關聯公司舉報稱,泰亞股份發(fā)布的有關公告存在嚴重的誤導性陳述和欺詐,愷英網絡的營利模式是建立在嚴重的知識產權侵權和不正當競爭行為基礎上的,該事實將會嚴重影響其估值以及未來的持續(xù)營利能力,“為維護知識產權權利人的合法權益,保護廣大投資者的利益,請監(jiān)管部門根據舉報內容對泰亞股份、愷英網絡的違規(guī)行為予以立案徹查,制止其違法違規(guī)行為,對該資產換置停止審批”。
盛大游戲在投訴函中聲稱,自己是網絡游戲《熱血傳奇》的權利人和運營商,其發(fā)現愷英網絡運營的網頁游戲《斬龍傳奇》、《刺沙》、《屠龍傳說》、《屠龍戰(zhàn)》、《戰(zhàn)天》、《血飲傳說》等多款的行為嚴重侵犯了盛大游戲的著作權和游戲的特有名稱,并進而構成對盛大游戲的不正當競爭行為。因此,愷英網絡以運營涉嫌侵犯《熱血傳奇》游戲的系列侵權游戲為主要經營模式,存在巨大的法律風險。
自2013年起,盛大游戲陸續(xù)針對愷英網絡參與運營的《龍紋戰(zhàn)域》、《烈焰》等多款侵權游戲提起民事侵權訴訟,最終多以游戲開發(fā)商承認侵權,并支付賠償金以及許可費達成和解,而愷英網絡作為上述侵權網絡游戲的傳播者和主要運營商,在整個過程中采取惡意拖延訴訟等措施規(guī)避侵權責任的承擔。
除上述由于游戲開發(fā)商積極承擔侵權責任而暫時獲得豁免的傳奇游戲以外,仍有《斬龍傳奇》、《刺沙》、《屠龍傳說》、《屠龍戰(zhàn)》、《戰(zhàn)天》、《血飲傳說》等10款游戲是未經授權的涉嫌侵權的傳奇游戲。上述游戲既是愷英網絡游戲收入的主要來源,也是其資產估值的重要依據。
盛大游戲針對愷英網絡運營網頁游戲《烈火戰(zhàn)神》、《斬龍傳奇》的系列侵權行為已經向法院提起訴訟,要求停止侵權并賠償經濟損失累計不少于人民幣1億元,該兩個案件正在審理之中。愷英網絡因該兩案件可能遭受的經濟損失不僅包括訴訟中盛大游戲所主張的累計1億元的賠償金,還包括由于法院要求停止侵權導致的涉案游戲停止運營所造成的游戲收入的重大損失。根據《交易預案》所公示兩款游戲的收入情況,愷英網絡若敗訴,將很可能損失兩款游戲共計大約3億的年收益,且若法院判令停止侵權,則判決生效后該兩款游戲亦將無法產生收益。
盛大方面表示,后續(xù)還擬將針對《刺沙》、《屠龍傳說》、《屠龍戰(zhàn)》、《戰(zhàn)天》、《血飲傳說》等8款侵權游戲采取民事、行政乃至刑事途徑進行強力維權,愷英網絡將承擔與前述案件類似的責任,其涉及的金額達數億元,且同樣存在無法再產生收益的風險。
上述系列訴訟涉及對愷英網絡這種靠運營侵權網頁游戲謀取巨額利益的商業(yè)模式是否違法、是否可持續(xù)的司法判斷,會對泰亞股份的股價產生巨大影響。然而泰亞股份在《預案》中所披露的信息存在嚴重誤導性以及不充分性,將對投資者產生嚴重誤導,也進而影響資本市場的秩序及主管機關的執(zhí)法尊嚴。
盛大訴愷英網絡《烈火戰(zhàn)神》侵權訴訟受理通知書
版權糾紛
上海重劍網絡科技有限公司的工商基本信息
盛大游戲認為,愷英網絡控股股東及實際控制人王悅以及上海重劍網絡科技有限公司所作的承諾不具有實際擔保能力,其企圖通過毫無實際擔保能力的承諾以及未充分披露訴訟可能造成的損失,弱化訴訟所產生的風險,將給投資者造成嚴重的誤導?!读一饝?zhàn)神》以及《斬龍傳奇》訴訟案件所涉金額巨大,王悅所作的承諾在沒有任何資產作為擔保的情況下,不具有實際擔保能力。而上海重劍網絡科技有限公司所針對《斬龍傳奇》案件出具的《承諾函》更加虛假,其僅是一家2014年3月份剛設立,注冊資本只有200萬元的有限公司,其出具“愷英網絡前述訴訟需承擔任何經濟責任或遭受任何由此產生的直接損失或間接損失,其將無條件地全額補償或全部承擔”承諾的更不具有任何實際擔保能力。
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。