一、多重原因逼迫,阿里2014年上市势在必行:
2014年5月7日凌晨,通过内部邮件宣布,启动赴美上市。为什么阿里集团选择在此时上市?
EnfoDesk易观智库分析认为,此次上市时间受多方面影响:
1.阿里集团和雅虎达成协议,为了回购雅虎手中的一半股份,公司必须在2015年12月之前上市。
2.今年年初,京东商城宣布上市,给阿里集团带来了不小的压力。
3.阿里和腾迅两大互联网巨头在移动端入口的争夺愈演愈烈,阿里近年来进行了一系列投资,包括新浪微博、高德地图、UC、陌陌、虾米网、在路上、快的打车、友盟、卓大师等,这些投资都是为了弥补自己的移动端的段板。在这种胶着阶段,阿里必须要在移动端之争有阶段性成果之前,规避竞争为自己带来的负面影响,抓住时机上市。
二、对手成长迅猛,来势汹汹,阿里未来面临巨大挑战
从此次招股说明书上可以看出,阿里巴巴在中国电子商务市场占据主导地位,市场份额约为78%,但是阿里集团的电子商务(国内和国际)收入却占到集团总收入的95%,阿里集团近年来大力投资的其他业务,如阿里云,德高地图,小微贷款等业务,占比不足5%,过分依赖电子商务板块的问题凸显。
图:阿里巴巴和京东B2C电子商务市场份额对比情况
阿里巴巴在中国电子商务领域的统治地位正逐渐降低,增长速度已逐渐放缓,市场份额遭到蚕食,这主要是由于中国网上零售规模增速渐缓,整体电商市场进入平稳期,电商竞争进入全产业链竞争,从商业模式、流量、资本的竞合慢慢过渡到更注重商业本质的阶段。在这一阶段,阿里的主要竞争对手:京东、当当、苏宁云商、一号店、亚马逊都在积极布局,来势凶猛试图挑战阿里在电商中的霸主地位。
其中尤以京东为例,虽然其市场占有率不如天猫,但京东在电子商务领域发展非常迅速,增速提高明显,目前20.1%的市场份额紧随天猫其后。另外,2014年3月,腾迅入股京东,腾迅旗下的易迅网等电子商务网站与京东合并,合并后的京东在业务模块的完整性与入口来源上都得到了充分的补完。这对阿里来说并不是一个好消息。
三、移动端缺乏拳头产品,难复制阿里PC电商霸主地位,竞争对手虎视眈眈
根据EnfoDesk易观智库数据显示,阿里巴巴在移动电子商务领域的销售份额占到81%。近年来,阿里入股了包括UCweb,新浪微波在内的多个移动平台,并凭借在电子商务市场的统治地位,和支付宝的用户基础,得到这样的结果也在情理之中。
对于阿里而言,在移动电商看似复制PC的霸主地位。但其危机明显。
1.腾讯正通过“微信”和“财付通”,提升其在中国电子商务市场的影响力。近三分之一的阿里商户在微信上开了店铺。凭借微信强大的社交用户聚拢能力,对阿里未来的移动布局形成了直接挑战。
2.另外其它电商的直接竞争对手也在积极布局移动市场,通过差异化,细分化进行市场切割。
3.阿里PC端完整的商业产品体系,目前在移动端难以复制。
4.就现状来看,这种竞争态势里,阿里在移动端和腾迅,百度等争夺移动端入口的战斗中,已然落了下风,没有一款拳头产品主导移动市场的未来发展。仅凭借过去积累的用户资源支撑,复制PC的模式与经验。这样很难在未来的竞争中占据优势。
四、阿里上市征程坎坷,未来充满挑战。
此次招股书的发布,展示了阿里巴巴集团作为中国第一的电子商务企业的强大市场地位,再次向世界资本市场,显露出中国的电商力量。
但是从上文分析不难发现,阿里巴巴集团的上市只是其电商的阶段性胜利,阿里在中国电商市场中未来将面临更加艰难的道路,挑战与机会并存,阿里是否一如既往保持其霸主地位?我们拭目以待。
好文章,需要你的鼓励
开源加密初创公司ZamaSAS宣布完成5700万美元B轮融资,专注于为区块链和AI应用构建全同态加密技术以保护隐私。本轮融资由BlockchangeVentures和PanteraCapital共同领投,使公司总融资超过1.5亿美元,估值突破10亿美元。同时,Zama推出保密区块链协议公开测试网,允许开发者在以太坊上构建私密通信应用。
新加坡国立大学研究团队开发了SPIRAL框架,通过让AI与自己对弈零和游戏来提升推理能力。实验显示,仅训练AI玩简单扑克游戏就能让其数学推理能力提升8.6%,通用推理提升8.4%,且无需任何数学题目作为训练材料。研究发现游戏中的三种推理模式能成功转移到数学解题中,为AI训练提供了新思路。
英国网络铁路公司、Neos Networks和Freshwave联合启动"触达项目",旨在消除英国主要铁路干线上的信号盲区。该项目将公私合营模式相结合,预计为纳税人节省约3亿英镑。项目将部署1000公里超高速432芯光纤电缆,覆盖东海岸主线等多条线路,并在12个主要车站提供4G/5G室内连接,在57个隧道中部署4G移动连接。新网络将大幅提升铁路通信基础设施能力,支持轨道传感器和监控应用,为乘客提供更快更可靠的列车服务。
同济大学团队开发的GIGA-ToF技术通过融合多帧图像的"图结构"信息,创新性地解决了3D相机噪声问题。该技术利用图像间的不变几何关系,结合深度学习和数学优化方法,在合成数据集上实现37.9%的精度提升,并在真实设备上展现出色泛化能力,为机器人、AR和自动驾驶等领域提供更可靠的3D视觉解决方案。