
据福克斯商业报道,美国证券交易委员会已向特斯拉发送传票,内容涉及该公司计划私有化和其CEO埃隆.马斯克(Elon Musk)关于该计划的声明。随后,“纽约时报”也报道确认传票已被发出。
上周二,马斯克通过 Twitter 宣布了特斯拉的私有化意向和计划,表示考虑以每股420美元的价格回购特斯拉股份。并暗示他的这笔资金已经到位,只待股东进行投票。
受该消息影响,特斯拉股价周三收盘继续大跌3%,一周累计下跌超过8.5%,基本回吐了私有化消息公布所获得的全部涨幅。截至周三收盘,特斯拉今年股价已经累计下跌超过6.5%。而对于CEO突然公开宣布的私有化消息,特斯拉董事会成员们也表示自己“被蒙在鼓里”。
这一举动立即引发了争议,美国证券交易委员会指出,根据规定,通常要求公司在重要事件发生的四个工作日内提交相关文件,但马斯克是先宣布再递交文件。对此,美国证券交易委员会已经向特斯拉发去传票,调查其推文是否违反了有关市场操纵的规定。
美国证券交易委员会表示,一般而言,公司可以在社交媒体上公布重要信息,但不能误导投资者。如果调查人员得出结论认为马斯克的推文夸大了融资的性质,这可能构成市场操纵案例的基础,涉嫌蓄意操纵股价。
作为回应,特斯拉聘请了两家律师事务所来帮助处理此次“传票”事件,并就私有化提供建议。
资金来源问题未定
关于资金来源,在本周一发布在特斯拉官方网站上的博文中,马斯克解释了他之所以使用“资金保障”一词,是因为他“非常笃定”地认为在协议达成之后,沙特阿拉伯公共投资基金会(The Public Investment Fund)将为特斯拉的私营回购活动提供资金。他指出,其已经于今年7月31日与该基金的执行董事进行了会面。另外,他提到之所以通过推文公布这一消息,是因为他希望所有特斯拉投资者都能意识到特斯拉重归私有化的可能性。
此外,他还指出,特斯拉私有化的大部分资金将会通过股权融资来完成,而非债务融资。“这意味着,将与企业私有化通常使用的标准杠杆买进结构不同,特斯拉不会背负巨额债务。”马斯克表示。
马斯克同时估计称,特斯拉公司股东所拥有的全部股票当中,约有三分之二将直接转为私有化特斯拉股票。如果真的能够这样完成平衡过渡,他将不必以每股420美元的价格,以超过700亿美元总额从所有当前股东手中回购全部股票。
然而,这一筹资方案似乎进展得并不顺利。沙特公共投资基金对其资源分配拥有很多要求,包括财务方面和政治方面。
而目前,其超过一半以上的资产都投到了大型沙特公司之中,这些公司的股票可能很难大批卖出。此外,这家基金已经对其他科技公司或项目做出重大承诺,包括向软银牵头的愿景基金投资450亿美元。此前,它还宣布向美国网约车巨头Uber投资35亿美元,向维珍集团的太空公司投资10亿美元,另外还要拿出200亿美元,用于和黑石集团合作的基础设施投资基金。
与此同时,该基金还面临着在国内投资的压力,眼下经济滑坡正导致沙特人民的失业率创下历史新高。虽然它规模庞大,但许多资产都不具有流动性,可用现金也有限。
另一方面,从美国方面来看,来自外国的投资将使得私有化面临更多的监管挑战,包括加强了外国对美国科技公司投资的审查。
目前为止,沙特主权基金以及该国政府官员都拒绝对马斯克的声明发表任何评论。但据熟悉沙特公共投资基金的银行家周二称,他们尚未发现该基金准备承诺参与特斯拉交易的迹象。
对此,还有“花边”消息称,在上周末期间,马斯克与女友一直在家中“躲起来想办法筹集资金”,并且在这个时期马斯克显得有点“心烦意乱”。
特斯拉及马斯克发言人否认了这一消息,并拒绝对特斯拉资金来源问题发表评论。
私有化早有苗头
事实上,马斯克的对特斯拉私有化的想法早有苗头。在去年11月接受《滚石》杂志采访时他就曾指出:“我希望我们能让特斯拉重新归为私有,上市公司的头衔实际上已经降低了我们的工作效率。”
此外,马斯克还曾经多次表示,特斯拉将在今年年底之前实现盈利。尽管最近几个季度,其运营成本仍然有所增加,但其已经不再需要筹集额外的资金支持自身运转。
截至去年6月底,特斯拉公司表示其已经成功实现了在一周之内制造5000辆Model 3车型的目标。马斯克此前曾经指出,特斯拉将在2017年年底之前达成这项目标。而这样迅速提高的生产速率,无疑将对特斯拉的扭亏为盈起到至关重要的作用。
好文章,需要你的鼓励
AIM Intelligence联合多所知名大学揭示了音频AI系统的重大安全漏洞,开发出名为WhisperInject的攻击方法。这种攻击能让看似无害的音频指令操控AI生成危险内容,成功率超过86%,完全绕过现有安全机制。研究暴露了多模态AI系统的系统性安全风险,对全球数十亿智能设备构成潜在威胁。
新加坡国立大学研究团队系统梳理了视觉强化学习领域的最新进展,涵盖超过200项代表性工作。研究将该领域归纳为四大方向:多模态大语言模型、视觉生成、统一模型框架和视觉-语言-动作模型,分析了从RLHF到可验证奖励范式的政策优化策略演进,并识别出样本效率、泛化能力和安全部署等关键挑战,为这一快速发展的交叉学科提供了完整的技术地图。
浙江大学研究团队通过OmniEAR基准测试揭示了当前AI模型在物理世界推理方面的严重缺陷。测试显示,即使最先进的AI在明确指令下能达到85-96%成功率,但面对需要从物理约束推断行动的任务时,成功率骤降至56-85%。研究发现信息过载反而降低AI协作能力,监督学习虽能改善单体任务但对多智能体协作效果甚微,表明当前架构存在根本局限性。
纽约大学和Aimpoint Digital Labs的研究团队首次揭示了Transformer模型训练中"大规模激活"的完整发展轨迹。这些影响力比普通激活大千倍的"超级激活"遵循可预测的数学规律,研究者开发出五参数公式能以98.4%准确率预测其变化。更重要的是,通过调整模型架构参数如注意力密度、宽深比等,可以在训练前就预测和控制这些关键激活的行为,为设计更高效、量化友好的AI模型提供了全新工具。