北京時(shí)間6月10日上午消息,阿里巴巴創(chuàng)始人馬云周二在紐約發(fā)表演講時(shí)表示,即使是在去年9月以創(chuàng)紀(jì)錄的融資額IPO(首次公開(kāi)招股)前,阿里巴巴的日子過(guò)得也很艱難。
“現(xiàn)在,我們已經(jīng)上市了,日子更難過(guò)了。”馬云說(shuō),“如果能有其他選擇,我不會(huì)讓公司上市。”
馬云這番表態(tài)顯然會(huì)引人側(cè)目,要知道,該公司去年曾經(jīng)在紐交所創(chuàng)下250億美元的IPO融資記錄。
與很多上市公司一樣,阿里巴巴面臨著投資者、監(jiān)管者和媒體的密切關(guān)注。馬云說(shuō):“不僅我們的人民在關(guān)注我們,全球都在關(guān)注我們。我們必須適應(yīng)這種現(xiàn)狀。”
股價(jià)低迷:投資者不滿(mǎn)意
阿里巴巴去年9月以每股68美元的價(jià)格IPO,對(duì)應(yīng)的估值高達(dá)1680億美元,超過(guò)eBay當(dāng)時(shí)估值的3倍。投資者的瘋狂買(mǎi)入令該股次日以92.70美元的價(jià)格開(kāi)盤(pán)。
然而,這一起點(diǎn)對(duì)阿里巴巴來(lái)說(shuō)可能有些過(guò)高。該股目前的價(jià)格不到88美元,意味著很多在IPO當(dāng)天買(mǎi)入該股的投資者仍處于虧損狀態(tài)。
由于業(yè)績(jī)未達(dá)華爾街預(yù)期,加之中國(guó)監(jiān)管者批評(píng)其控制假冒偽劣產(chǎn)品不力,導(dǎo)致阿里巴巴的股價(jià)今年1月大跌。
由于最近業(yè)績(jī)超出預(yù)期引發(fā)投資者追捧,該公司股價(jià)最近已經(jīng)反彈。阿里巴巴還提拔COO張勇為新CEO。
被香港拒絕:紐約并非阿里IPO首選
在被問(wèn)及阿里巴巴為何選擇在美國(guó)上市時(shí),馬云說(shuō):“我們被香港拒絕了。”
阿里巴巴之所以放棄在香港上市的計(jì)劃,是因?yàn)楦劢凰鶝](méi)有批準(zhǔn)該公司的治理結(jié)構(gòu),即為馬云和其他合伙人提供董事會(huì)控制權(quán)。
但具有諷刺意味的是,倘若阿里巴巴在香港上市,或者一直保持私有公司的身份,該公司根本不可能吸引如此高的關(guān)注度。
瞄準(zhǔn)美國(guó)小企業(yè)
阿里巴巴希望吸引美國(guó)小企業(yè)使用其電子商務(wù)網(wǎng)站,通過(guò)這一平臺(tái)向中國(guó)不斷擴(kuò)大的中產(chǎn)階級(jí)銷(xiāo)售產(chǎn)品。
“我們很尊敬eBay和亞馬遜,但我認(rèn)為,我們的機(jī)會(huì)和戰(zhàn)略是幫助美國(guó)的小企業(yè)。”馬云說(shuō),“中國(guó)需要更多的美國(guó)產(chǎn)品。”
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。