华尔街日报周四报道说,阿里巴巴上市的股价定在68美元每股,这是美国史上最大规模的IPO行动。阿里巴巴将从此次上市获得218亿美元,马云,软银和雅虎将从上市获益。
上市获得的资本将不仅会加速阿里巴巴国内快速增长与领先,还为公司扩张其它市场提供帮助,比如有亚马逊和eBay存在的美国。
不过,正面的竞争不会很快发生,阿里巴巴很好的谋划其行动,它在美国投资了多个零售业务。
Forrester分析师Kelland Willis说:“对任何人来说,不考虑阿里巴巴都是犯傻。他们有很清晰的全球化蓝图,阿里巴巴是行业的又一颠覆者。”
阿里巴巴旗下拥有一系列电子商务业务,著名的如淘宝,天猫,聚划算,阿里云等。和亚马逊不同,阿里巴巴并不自己出售任何商品。它依靠广告和佣金赚钱。
去年,阿里巴巴商品销售额超过了2400亿美元,而亚马逊和eBay加起来的销售额不到2000亿美元。此外,阿里巴巴的利润率在40%以上。亚马逊和eBay利润率统共只有15%。上个季度,亚马逊实际亏损1.26亿美元。
2012年3月至2013年3月,阿里巴巴收入56亿美元。今年,这一数字有望继续攀升,光在上个季度,阿里巴巴就收入25亿美元。
阿里巴巴的巨额上市开创了新的里程碑,不仅仅是它筹集的资金庞大,而且其成长迅速。传统来讲,美国是一个巨大而富有吸引力的零售市场,但美国零售模式在其它地方很少取得成功。在其它大型市场,比如中国和印度,这里的潜在客户很多,但他们花钱更少。阿里巴巴的成功证明他们能够有所改变。
乔治城大学金融学副教授Sandeep Dahiya说:“阿里巴巴证明,如果你拥有一个庞大的国内市场,你就能够建立一家全球公司。”
去年,阿里巴巴的活跃买家数量达到2.31亿,占中国整个3.02亿网购者的76%。
马云期望将阿里巴巴带向中国之外的地方。
马云周一对记者表示:“在美上市后,我们将在欧洲和美国开展我们的业务。我们不会放弃亚洲市场,因为,就像我说过的那样,我们不是一家来自中国的公司,我们只是碰巧生在中国的互联网公司。”
阿里巴巴正在试水美国市场。它成立了11 Main时尚精品,专业体育用品,婴儿用品与高科技产品网站。Willis表示,只能邀请注册的11 Main采用大图呈现,使人赏心悦目,但与eBay或Amazon的搜索器相比,它的搜索过滤器有诸多局限。
阿里巴巴收购了两家拍卖网站,Vendio Services和Auctiva。Forrester预计,阿里巴巴很有可能将展开更多收购,同现有的厂商一道帮助自己挺进美国。
Forrester认为:“阿里巴巴可能采取大收购或耗时数年进行一系列收购,最终形成一个平台,与美国的亚马逊,苹果,eBay和Facebook竞争。”
梳理下阿里巴巴在美国的投资可以帮助理解阿里巴巴的意图。
在零售方面,阿里巴巴投资了ShopRunner品牌物流服务公司,此外,阿里巴巴还持股Fanatics在线体育用品零售商,奢侈品古董网站1stdibs.com。目前来说,阿里巴巴可能更多的是利用这些网站为中国市场提供产品,但线下来讲,阿里巴巴可以利用这些网站的经验帮助其扩展美国市场。
阿里巴巴还投资了几款美国移动应用程序:互助租车Lyft,Quixey移动应用搜索引擎以及移动聊天和通话应用Tango。
Willis认为,这些应用程序的主要价值是数据。阿里巴巴能够利用这些应用获得数据分析消费者的偏好,喜欢哪些程序。
阿里巴巴在美国做大仍然需要时间。目前,公司将继续专注在中国的发展。马云很清楚,美国的电子商务行业已经高手云集,阿里巴巴需要有智慧,给这个市场带来新的东西。
马云说:“美国的电子商务就像一道甜点。它仅仅是你主营业务的补充。在中国,因为商业的架构太糟糕,电子商务才变成了主流。”
好文章,需要你的鼓励
这项研究利用大语言模型解决科学新颖性检测难题,南洋理工大学团队创新性地构建了闭合领域数据集并提出知识蒸馏框架,训练轻量级检索器捕捉想法层面相似性而非表面文本相似性。实验表明,该方法在市场营销和NLP领域显著优于现有技术,为加速科学创新提供了有力工具。
un?CLIP是一项创新研究,通过巧妙反转unCLIP生成模型来增强CLIP的视觉细节捕捉能力。中国科学院研究团队发现,虽然CLIP在全局图像理解方面表现出色,但在捕捉细节时存在不足。他们的方法利用unCLIP生成模型的视觉细节表示能力,同时保持与CLIP原始文本编码器的语义对齐。实验结果表明,un?CLIP在MMVP-VLM基准、开放词汇语义分割和视觉中心的多模态任务上显著优于原始CLIP和现有改进方法,为视觉-语言模型的发展提供了新思路。
这项研究介绍了RPEval,一个专为评估大语言模型角色扮演能力而设计的新基准。研究团队从法国里尔大学开发的这一工具专注于四个关键维度:情感理解、决策制定、道德对齐和角色一致性,通过单轮交互实现全自动评估。研究结果显示Gemini-1.5-Pro在总体表现上领先,而GPT-4o虽在决策方面表现出色,但在角色一致性上存在明显不足。这一基准为研究人员提供了一个可靠、可重复的方法来评估和改进大语言模型的角色扮演能力。
这篇论文介绍了LegalSearchLM,一种创新的法律案例检索方法,将检索任务重新定义为法律要素生成。研究团队构建了LEGAR BENCH数据集,涵盖411种犯罪类型和120万案例,并开发了能直接生成关键法律要素的检索模型。实验表明,该模型在准确率上超越传统方法6-20%,且在未见犯罪类型上展现出强大泛化能力。这一突破为法律专业人士提供了更高效、精准的案例检索工具。