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
随着5G流量快速增长和新用例不断涌现,网络运营商需要在最小化环境影响的同时管理密集网络使用。Orange法国与爱立信合作开展创新试验,测试FDD大规模MIMO天线集成无线电,优化高流量区域频谱使用。双方还探索Cloud RAN和Open RAN架构,通过虚拟化RAN功能实现灵活的软件中心网络。合作重点关注利用AI驱动的自动化和意图驱动技术提升能源效率,在不影响性能的前提下动态调整网络资源以降低能耗。
谷歌DeepMind等顶级机构联合研究揭示,当前12种主流AI安全防护系统在面对专业自适应攻击时几乎全部失效,成功率超过90%。研究团队通过强化学习、搜索算法和人类红队攻击等多种方法,系统性地突破了包括提示工程、对抗训练、输入过滤和秘密检测在内的各类防护技术,暴露了AI安全评估的根本缺陷。
微软正在将Windows 11改造为"智能代理操作系统",在任务栏中集成AI代理功能。新功能允许AI代理在后台执行任务,用户可通过任务栏图标查看进度状态。微软还在文件资源管理器中集成Copilot,提供文档摘要、文件问答等功能。此外,Click to Do功能得到改进,可将网页表格转换为Excel文档。这些AI功能采用本地AI和云端AI混合模式,为用户提供更智能的操作体验。
西蒙弗雷泽大学和Adobe研究院联合开发的MultiCOIN技术,能够将两张静态图片转换为高质量的过渡视频。该技术支持轨迹、深度、文本和区域四种控制方式,可单独或组合使用。采用双分支架构和分阶段训练策略,在运动控制精度上比现有技术提升53%以上,为视频制作提供了前所未有的灵活性和精确度。