8位生態(tài)伙伴敲鐘人
據(jù)悉,阿里巴巴集團于5月7日向美國證券交易委員會(SEC)提交了IPO(首次公開招股)申請,計劃通過此次交易籌集10億美元資金。本周一招股書文件顯示,該公司股票交易代碼為“BABA”,定價區(qū)間從每股60-66美元上調(diào)至每股66-68美元,原因是來自于投資者的需求表現(xiàn)強勁,并將發(fā)售3.2億股美國存托股票。
按此定價區(qū)間計算,阿里巴巴集團的籌資額可能將達218億美元,如果承銷商行使超額配售權(quán),阿里巴巴集團的籌資額則將達250億美元。
然而,當(dāng)晚資本市場的熱度一路延伸到開盤,阿里巴巴今日晚間開盤報價92.7美元,較發(fā)行價上漲36.3%。照此計算,阿里巴巴集團市值達2383.32億美元。
以機構(gòu)持股來看,日本軟銀集團持股比例34.4%,以開盤價計算價值將達到817.48億美元;雅虎持股523,565,416股,持股比例22.6%,總價值將達485.35億美元。
伴隨著股價的上漲,作為阿里巴巴創(chuàng)始人之一的馬云,一躍成為中國首富。加上阿里巴巴和支付寶母公司的股權(quán),馬云個人凈資產(chǎn)超過1400億元。交易完成后馬云仍將是第三大股東,持股量為7.8%。僅阿里巴巴集團中的股份,馬云的個人財富將達到131億美元,折合人民幣805億元。
與此同時,阿里巴巴成功上市后,員工中也將會誕生數(shù)十個億萬富豪及上千個千萬富豪。
3月16日,阿里巴巴宣布,決定啟動赴美上市事宜,以使公司更加透明、國際化,進一步實現(xiàn)阿里巴巴的長期愿景和理想。
5月6日,阿里巴巴向美國證券交易委員會(SEC)提交了首次公開募股(IPO)申請,確定阿里巴巴的上市承銷商為瑞士信貸銀行、德意志銀行、高盛、摩根大通、摩根士丹利和花旗集團。
6月16日,阿里巴巴首次公布了27名合伙人名單、任職情況,同時公布了未來上市公司的9名董事會成員名單,以及最新財務(wù)數(shù)據(jù)。
6月26日,阿里巴巴決定申請在美國紐約證券交易所掛牌上市,股票交易代碼為“BABA”。
9月5日,阿里巴巴預(yù)估其IPO發(fā)行價在每股美國存托股(ADS)60美元到66美元。擬發(fā)行3.20億股美國存托股。此外,阿里巴巴還賦予上市承銷商最多4802萬股美國存托股的超額認購權(quán)。
9月8日,阿里巴巴在紐約華爾道夫酒店啟動為期十天的全球路演,受到投資者追捧。
9月15日,阿里巴巴將IPO發(fā)行價預(yù)估區(qū)間提至每股美國存托股66美元到68美元,原因是來自于投資者的需求表現(xiàn)強勁,并將發(fā)售3.2億股美國存托股票。
9月18日,阿里巴巴將其IPO發(fā)行價確定為每股美國存托股68美元,融資額為218億美元,超越維薩卡公司成為美國最大的IPO。如承銷商行使超額認購權(quán),阿里巴巴有望創(chuàng)下全球IPO融資額最高紀錄。
9月19日,阿里巴巴在美國紐約證券交易所正式掛牌交易,股票交易代碼為“BABA”,開盤價92.7美元(折合569元人民幣每股),開盤后市值為2383.32億美元,成為僅次于谷歌的全球第二大互聯(lián)網(wǎng)公司、全球最大電商企業(yè)。
好文章,需要你的鼓勵
浙江大學(xué)團隊提出動態(tài)專家搜索方法,讓AI能根據(jù)不同問題靈活調(diào)整內(nèi)部專家配置。該方法在數(shù)學(xué)、編程等任務(wù)上顯著提升推理準確率,且不增加計算成本。研究發(fā)現(xiàn)不同類型問題偏愛不同專家配置,為AI推理優(yōu)化開辟新路徑。
清華大學(xué)研究團隊提出SIRI方法,通過"壓縮-擴張"交替訓(xùn)練策略,成功解決了大型推理模型"話多且準確率低"的問題。實驗顯示,該方法在數(shù)學(xué)競賽題上將模型準確率提升43.2%的同時,輸出長度減少46.9%,真正實現(xiàn)了效率與性能的雙重優(yōu)化,為AI模型訓(xùn)練提供了新思路。
南洋理工大學(xué)與騰訊聯(lián)合研究團隊開發(fā)出Rolling Forcing技術(shù),實現(xiàn)AI視頻實時流式生成的重大突破。該技術(shù)通過滾動窗口聯(lián)合去噪、注意力錨點機制和高效訓(xùn)練算法三項創(chuàng)新,解決了長視頻生成中的錯誤累積問題,可在單GPU上以16fps速度生成多分鐘高質(zhì)量視頻,延遲僅0.76秒,質(zhì)量漂移指標(biāo)從傳統(tǒng)方法的1.66降至0.01,為交互式媒體和內(nèi)容創(chuàng)作開辟新可能。
華中科技大學(xué)研究團隊發(fā)現(xiàn),通過讓AI模型學(xué)習(xí)解決幾何問題,能夠顯著提升其空間理解能力。他們構(gòu)建了包含約30000個幾何題目的Euclid30K數(shù)據(jù)集,使用強化學(xué)習(xí)方法訓(xùn)練多個AI模型。實驗結(jié)果顯示,幾何訓(xùn)練在四個空間智能測試基準上都帶來顯著提升,其中最佳模型達到49.6%準確率,超越此前最好成績。這項研究揭示了基礎(chǔ)幾何知識對培養(yǎng)AI空間智能的重要價值。