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
这项研究由浙江大学、复旦大学等机构联合完成,提出了ReVisual-R1模型,通过创新的三阶段训练方法显著提升了多模态大语言模型的推理能力。研究发现优化的纯文本冷启动训练、解决强化学习中的梯度停滞问题、以及分阶段训练策略是关键因素。ReVisual-R1在各类推理基准测试中超越了现有开源模型,甚至在某些任务上超过了商业模型,为多模态推理研究开辟了新途径。
这项研究提出了一种名为"批评式微调"的创新方法,证明仅使用一个问题的批评数据就能显著提升大语言模型的推理能力。研究团队对Qwen和Llama系列模型进行实验,发现这种方法在数学和逻辑推理任务上都取得了显著提升,平均提高15-16个百分点,而且只需要强化学习方法1/20的计算资源。这种简单高效的方法为释放预训练模型的潜在推理能力提供了新途径。
新加坡国立大学研究团队开发了名为IEAP的图像编辑框架,它通过将复杂编辑指令分解为简单原子操作序列解决了当前AI图像编辑的核心难题。研究发现当前模型在处理不改变图像布局的简单编辑时表现出色,但在需要改变图像结构时效果差。IEAP框架定义了五种基本操作,并利用思维链推理技术智能分解用户指令,实验证明其性能显著超越现有方法,尤其在处理复杂多步骤编辑时。
Character AI的研究者开发出TalkingMachines系统,通过自回归扩散模型实现实时音频驱动视频生成。研究将预训练视频模型转变为能进行FaceTime风格对话的虚拟形象系统。核心创新包括:将18B参数的图像到视频DiT模型改造为音频驱动系统、通过蒸馏实现无错误累积的无限长视频生成、优化工程设计降低延迟。系统可让多种风格的虚拟角色与人进行自然对话,嘴型与语音同步,为实时数字人交互技术开辟了新可能。