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重大時代背景是在中國經(jīng)濟轉(zhuǎn)型中,政府對于互聯(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)合最近一段時間中概股們爭前恐后的宣布私有化,我想談?wù)勥@個與IPO一周年很不相稱的話題——私有化。
對每一家中概股來說,是否要私有化,各有各的情況,各有各的考慮,不能一概而論,由于這個話題太熱門,我從個人角度談?wù)勎覍@個問題的思考。
一家中概股到底要不要私有化?我認為,站在企業(yè)業(yè)務(wù)發(fā)展的角度,只要想清楚了兩個問題就可以做決策。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?
對于前一個問題,我相信很多人的第一反應(yīng)就是高估值,如果對比中美兩個資本市場,這個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,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。而當牛市轉(zhuǎn)為熊市,能否享受到高估值的溢價,最根本的,還是要取決于企業(yè)經(jīng)營。
必須要冷靜認識的是,企業(yè)在享受到一定溢價的同時,必須付出的成本和代價也是不菲的。首先是財務(wù)成本,一家公司退市以及拆VIE結(jié)構(gòu)的財務(wù)成本不低于當時IPO的成本,其次是時間成本,即使一家公司成功退市,能否在A股上市,以及何時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。
因此我認為,一定要站在企業(yè)業(yè)務(wù)發(fā)展的角度來思考這個問題: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)對人才的吸引力度也是不同的,對于互聯(lián)網(wǎng)企業(yè)來說, 人才是最寶貴的資產(chǎn),也是決定未來勝負的關(guān)鍵。
對于第二個問題,放在不同的企業(yè)身上更是千差萬別。從一個角度來說,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重大時代背景是在中國經(jīng)濟轉(zhuǎn)型中,政府對于互聯(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的電商行業(yè)等等。
只有考慮清楚了以上兩個問題,才能對“私有化”做出正確決策,既要順應(yīng)大勢,又不能盲目跟風,其他都只是操作層面的問題而已。
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。