隨后,藝龍CEO江浩在致全體員工的公開信中表示,“如果本次騰訊私有化藝龍成功,藝龍將繼續(xù)做大做強,在國內(nèi)資本市場再度上市是我們的當然選項。”
今年5月,攜程以4億美金收購藝龍37.6%股份,成為其最大的獨立單一股東。鉑濤集團控制的Keystone和Keystone的間接持有子公司Plateno共同擁有22.2%的股份,投資機構(gòu)Luxuriant擁有3.7%的股份。按此推算,騰訊在藝龍私有化結(jié)束后將持有藝龍36.5%的股份,攜程仍然是藝龍第一大股東。
財報顯示,藝龍第二季度總營收為人民幣2.342億元,比去年同期的人民幣3.124億元下滑25%;凈營收為人民幣2.185億元(約合3520萬美元),比去年同期的人民幣2.924億元(約合4710萬美元)下滑25%;藝龍第二季度凈虧損為人民幣3.564億元,去年同期則為凈利潤人民幣3150萬元。
以下是藝龍郵件全文:
各位藝龍同事:
今天,我們對外宣布藝龍董事會收到了中國互聯(lián)網(wǎng)行業(yè)內(nèi)的巨頭騰訊公司的非約束性私有化要約,騰訊希望以每股18美元的價格收購除了攜程、鉑濤和騰訊自己等藝龍股東外的全部藝龍流通股,如果這個交易能夠完成,藝龍將完成私有化從美國納斯達克股票市場退市。
騰訊在2011年曾經(jīng)投資藝龍8400萬美元,獲得了藝龍15%的股份。基于藝龍在過去一段時間里在中國的移動住宿領(lǐng)域里出色的表現(xiàn),事隔4年后,騰訊決定再次大規(guī)模增持藝龍的股份,表現(xiàn)出對藝龍所處行業(yè)的極大看好,對藝龍公司發(fā)展的極大信心,對藝龍目前管理團隊和所有員工的極大信任。
在過去的四年多時間里,藝龍從一個季度大約只有220萬間夜,成長到剛過去的2015年第二季度有1100萬間夜,藝龍的間夜量四年翻了五倍。藝龍在國內(nèi)的酒店覆蓋從2萬家酒店,增長到目前的29萬家酒店。藝龍移動客戶端間夜量的占比從近乎0%,增長到目前的75%。藝龍的員工也從四年前的2000人,達到了目前4000人的規(guī)模。
與此同時,四年后我們所處的市場也發(fā)生了深刻的變化。我們的競爭對手除了股東之一攜程外,還有百度旗下的去哪兒,阿里巴巴旗下的去啊,以及阿里巴巴投資的美團,都因為看到中國的移動住宿市場的巨大潛力,不惜以每年虧損十多億人民幣的燒錢速度在這個市場里瘋狂擴張,藝龍因此也面臨著巨大的競爭壓力。
我相信騰訊不會輕易在我們這個充滿希望和活力的市場中讓步,選擇發(fā)出增持藝龍股份的要約,正是騰訊要在中國的移動住宿行業(yè)繼續(xù)發(fā)力的重要一步棋。
我個人很期待,如果這次騰訊能夠私有化藝龍成功,和騰訊在各個領(lǐng)域展開更深度的合作,促進藝龍移動住宿業(yè)務(wù)的繼續(xù)高速發(fā)展。
藝龍作為已經(jīng)在美國納斯達克股票市場上市了11年的老牌優(yōu)質(zhì)公司,在騰訊私有化藝龍的過程中,將按照美國法律法規(guī)的要求,嚴格保護現(xiàn)有公眾股東的權(quán)利和權(quán)益。而對于藝龍最核心的資產(chǎn),我們的員工,在騰訊私有化藝龍的過程前后,我們也將全力保護我們員工的權(quán)利和權(quán)益,讓員工感受到獲得了長期激勵。
2015年以來,已經(jīng)陸續(xù)有幾十家在美國上市的中概股公司宣布了私有化,其中一個原因是中國的證券市場與美國的證券市場相比,有巨大的估值溢價。
而本土企業(yè)在有最熟悉自己的消費者和投資者的本土上市,在全世界范圍內(nèi)看都是不可逆的大趨勢。國家制定的“互聯(lián)網(wǎng)+”戰(zhàn)略,尤其使得中國資本市場看好中國的互聯(lián)網(wǎng)企業(yè)回歸本土上市。如果本次騰訊私有化藝龍成功,藝龍將繼續(xù)做大做強,在國內(nèi)資本市場再度上市是我們的當然選項。
藝龍的全體同事,我希望和大家一起以巨大的熱情和敏捷扎實的行動,全身心投入二次創(chuàng)業(yè)的征程,在未來的一段時間里,苦干實干,勇敢地迎接一切已知和未知的挑戰(zhàn),把藝龍推向嶄新的高度。
向著藝龍公司和藝龍人更美好的明天,全力沖刺!
江浩
好文章,需要你的鼓勵
浙江大學團隊提出動態(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、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。
清華大學研究團隊提出SIRI方法,通過"壓縮-擴張"交替訓練策略,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模型訓練提供了新思路。
南洋理工大學與騰訊聯(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。
華中科技大學研究團隊發(fā)現(xiàn),通過讓AI模型學習解決幾何問題,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,使用強化學習方法訓練多個AI模型。實驗結(jié)果顯示,幾何訓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。