ZDNet至顶网软件频道消息:大约15年前,马云就曾前往硅谷为他刚刚创办的阿里巴巴集团融资。虽然数额只有几百万美元,但却没有多少人愿意掏钱。
本周一,身为阿里巴巴集团执行董事长兼联合创始人的马云,在该公司的首次IPO路演中,对着800多名潜在投资者表示,他又回来了,而这一次,他想多要点钱。
本周一是这家中国电子商务巨头全球路演的开始,他们希望在IPO中筹集创纪录的210亿美元。通过此次路演,阿里巴巴首次得以试探投资者对其巨大增长前景的信心。
当天的活动从早上6点便已开始,阿里巴巴高管首先来到花旗集团位于曼哈顿下城的总部,与6家首席承销商的销售团队会面。他们的沟通主要是为了让销售团队了解阿里巴巴,确定如何才能最好地面向潜在投资者展开推销。
但真正的看点却是当日的午餐宣讲会,举办地在曼哈顿中城的沃尔道夫酒店(Waldorf-Astoria)的18层。
上午10点左右,投资者便开始排队等候。大约半小时后,他们纷纷乘坐电梯来到路演登记处。至少有一名潜在买家对会议安排提出了批评,因为他们被迫在洞穴般的沃尔道夫酒店大堂内排起了长队,队伍甚至都排到了门外。事实上,直到阿里巴巴高管上周选定了路演地点后,整个会议安排才最终确定下来。
阿里巴巴的美国首场路演,吸引了众多华尔街大腕到场。
与会人士中包含很多华尔街大腕,包括著名长期投资者马里奥•加贝利(Mario Gabelli)和前投资银行家、迈克尔•布隆伯格(Michael R. Bloomberg)私人财富管理人史蒂芬•拉特纳(Steven Rattner)。
高盛和摩根大通的高级交易员们在场内四处走动,高盛前副总裁、阿里巴巴董事迈克尔•埃文斯(Michael Evans)也不时在会场内与人寒暄。
午餐宣讲会最终在下午1点左右正式开始,比预定时间推迟了大约半小时,但阿里巴巴提前准备好的视频已经发布在RetailRoadShow.com上。瑞士信贷CEO布拉迪•道甘(Brady Dougan)随后介绍了马云,接下来接替他主持路演的,则是瑞士信贷全球互联网投资银行主管、此次IPO的主要顾文伊姆兰•科翰(Imran Khan)。
尽管包括执行副董事长蔡崇信和CFO武卫在内,阿里巴巴有多位高管登台亮相,可身着西装和衬衫但没系领带的马云,还是成为场内当之无愧的焦点。据与会人士介绍,他并没有让在场的人失望,当场调侃起了哈佛大学的案例研究——哈佛始终预计,阿里巴巴将会灭亡,而对手则会赢得胜利。(马云指出,那些竞争对手都已经被阿里巴巴逐一击败。)
在被问及竞争对手时,马云开玩笑地说道,这是副总裁该考虑的问题,他的脑子里始终在思考如何让公司基业长青,成为百年企业。
现场的问题几乎都围绕着阿里巴巴的商业模式展开,话题涉及阿里巴巴今年展开的多笔交易,包括入股一支中国足球队,以及一家电影工作室。除此之外,沟通的内容还包括阿里巴巴的公司治理问题,以及该公司的的高速增长能否持续。
“他们很聪明地直面了很多意料之中的问题。”一名与会者说,“他们先发制人地提到了这些问题,但只是提供了事先准备好的答案。”但在随后的演讲中,马云还是出人意料地直接回答了听众的问题。
管理层代表承认,尽管阿里巴巴拥有极高的营业利润率,目前大约为43%,但却会随着时间的推移有所降低。不过,由于阿里巴巴在中国电子商务行业占据绝对领先地位,因此仍然能给投资者创造巨大的买入机会。
阿里巴巴高管之后还会进行为期10天的全球路演,最终返回纽约确定IPO发行价。
好文章,需要你的鼓励
英伟达在SIGGRAPH大会上发布了全新的AI世界模型、库和机器人开发基础设施。其中最引人注目的是Cosmos Reason,这是一个70亿参数的"推理"视觉语言模型,专门用于物理AI应用和机器人。新发布的还包括Cosmos Transfer-2模型,能够从3D仿真场景加速合成数据生成,以及速度优化版本。公司还推出了神经重建库、RTX Pro Blackwell服务器和DGX Cloud云平台,旨在为机器人开发提供完整的解决方案。
本研究针对大语言模型中普遍存在的偏见问题,提出了一套完整的数据和AI治理框架。研究发现当前主流AI模型中37.65%的输出存在偏见,其中33.7%具有中高风险。通过开发BEATS检测系统和全生命周期治理方案,为AI系统建立了从数据收集到部署监控的完整"公平性保障体系",旨在让AI技术更好地服务全人类而非延续社会偏见。
两大企业基础设施厂商宣布产品线扩展,为客户提供更多大规模部署人工智能工作负载的选择。戴尔更新AI数据平台,新增非结构化数据引擎,并推出搭载英伟达RTX PRO 6000 Blackwell GPU的PowerEdge服务器。HPE扩展AI优化系统配置,支持自主AI和物理AI应用。两家公司均集成英伟达最新Blackwell架构GPU和AI软件套件,提供从数据处理到模型推理的完整解决方案。
浙江大学团队开发的HarmonyGuard框架首次解决了AI网络代理的安全与效率平衡难题。该系统通过三个协作的AI代理,实现自适应安全策略更新和双目标优化,在真实测试中将策略合规率提升38%,任务完成率提升20%,为构建既高效又安全的智能助手奠定重要基础。