6月24日上午消息,今天是迅雷上市一周年的日子,迅雷創(chuàng)始人董事長兼CEO鄒勝龍今天發(fā)了一條長微博,分析了私有化的話題。他指出,一家中概股要不要私有化需想清楚兩個(gè)問題。
鄒勝龍指出,一家中概股到底要不要私有化只要想清楚了兩個(gè)問題就可以做決策。一,如果回歸A股,能得到什么?二,如果不回歸A股,可能失去什么?
在鄒勝龍看來,此輪中概股回歸的一個(gè)重大時(shí)代背景是在中國經(jīng)濟(jì)轉(zhuǎn)型中,政府對(duì)于互聯(lián)網(wǎng)+的殷切期望和重大扶植,資本市場已經(jīng)成為重要推手。
以下為鄒勝龍微博全部內(nèi)容:
今天是迅雷成功IPO一周年的日子,結(jié)合最近一段時(shí)間中概股們爭前恐后的宣布私有化,我想談?wù)勥@個(gè)與IPO一周年很不相稱的話題——私有化。
對(duì)每一家中概股來說,是否要私有化,各有各的情況,各有各的考慮,不能一概而論,由于這個(gè)話題太熱門,我從個(gè)人角度談?wù)勎覍?duì)這個(gè)問題的思考。
一家中概股到底要不要私有化?我認(rèn)為,站在企業(yè)業(yè)務(wù)發(fā)展的角度,只要想清楚了兩個(gè)問題就可以做決策。一,如果回歸A股,能得到什么?二,如果不回歸A股,可能失去什么?
對(duì)于前一個(gè)問題,我相信很多人的第一反應(yīng)就是高估值,如果對(duì)比中美兩個(gè)資本市場,這個(gè)問題幾乎是顯而易見的,那么,高估值能給企業(yè)帶來什么?牛市下的高估值又能持續(xù)多久?
其實(shí),受限于多種因素,高估值在短期內(nèi)并不能給企業(yè)帶來巨大現(xiàn)金。而當(dāng)牛市轉(zhuǎn)為熊市,能否享受到高估值的溢價(jià),最根本的,還是要取決于企業(yè)經(jīng)營。
必須要冷靜認(rèn)識(shí)的是,企業(yè)在享受到一定溢價(jià)的同時(shí),必須付出的成本和代價(jià)也是不菲的。首先是財(cái)務(wù)成本,一家公司退市以及拆VIE結(jié)構(gòu)的財(cái)務(wù)成本不低于當(dāng)時(shí)IPO的成本,其次是時(shí)間成本,即使一家公司成功退市,能否在A股上市,以及何時(shí)上市都帶有很大的不確定性,此外還包括退市以及重新上市過程中,無窮盡的股東溝通、利益分配和一關(guān)又一關(guān)的流程。
因此我認(rèn)為,一定要站在企業(yè)業(yè)務(wù)發(fā)展的角度來思考這個(gè)問題:如果一家公司的主要產(chǎn)品面向國內(nèi)市場,主要用戶都在國內(nèi),那么讓用戶同時(shí)成為投資人并分享企業(yè)成長的紅利所帶來的能量是巨大的;此外我相信,不同市值的企業(yè)對(duì)人才的吸引力度也是不同的,對(duì)于互聯(lián)網(wǎng)企業(yè)來說, 人才是最寶貴的資產(chǎn),也是決定未來勝負(fù)的關(guān)鍵。
對(duì)于第二個(gè)問題,放在不同的企業(yè)身上更是千差萬別。從一個(gè)角度來說,回歸A股能得到的,就是不回歸A股可能失去的,但又不限于此。
此輪中概股回歸的一個(gè)重大時(shí)代背景是在中國經(jīng)濟(jì)轉(zhuǎn)型中,政府對(duì)于互聯(lián)網(wǎng)+的殷切期望和重大扶植,資本市場已經(jīng)成為重要推手。
當(dāng)互聯(lián)網(wǎng)與傳統(tǒng)產(chǎn)業(yè)緊密集合,并開始重構(gòu)中國的產(chǎn)業(yè)格局,成為一家“中國”企業(yè),而非VIE結(jié)構(gòu)下的“外資”企業(yè),也成為某類與中國經(jīng)濟(jì)緊密相關(guān)企業(yè)的不二之選。比如,涉及到政府和企業(yè)安全的行業(yè),再比如受到政府大力鼓勵(lì)的電商行業(yè)等等。
只有考慮清楚了以上兩個(gè)問題,才能對(duì)“私有化”做出正確決策,既要順應(yīng)大勢(shì),又不能盲目跟風(fēng),其他都只是操作層面的問題而已。
好文章,需要你的鼓勵(lì)
新加坡國立大學(xué)研究團(tuán)隊(duì)開發(fā)了SPIRAL框架,通過讓AI與自己對(duì)弈零和游戲來提升推理能力。實(shí)驗(yàn)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(jì)大學(xué)團(tuán)隊(duì)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(jī)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(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視覺解決方案。
伊利諾伊大學(xué)研究團(tuán)隊(duì)通過對(duì)比實(shí)驗(yàn)發(fā)現(xiàn),經(jīng)過強(qiáng)化學(xué)習(xí)訓(xùn)練的視覺語言模型雖然表現(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(jī)構(gòu)聯(lián)合提出SparseLoRA技術(shù),通過動(dòng)態(tài)稀疏性實(shí)現(xiàn)大語言模型訓(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。