贾跃亭
近日,贾跃亭接受了《中国企业家》的独家专访,此为其即去年六月以来首次对外接受采访。面对外界对其在资本以及乐视生态系统的诸多质疑,贾跃亭全面解疑。
以下是部分采访实录,更多内容请关注近期《中国企业家》杂志:
CE:乐视的命运不能由你来掌控,这是不是你特别惧怕的事?
贾跃亭:是,所以我们用很少股权融资,这是一个利益因素。如果我要是过早的用股权融资这么多钱投到非上市公 司体系当中来,我在早期就可以用较低的价格融几十亿,这也不是难题。但是把钱融过来,尤其是早期很快股权就会稀释完了,根本给不到员工,因为连自己的股 票、股权多少你都控制不了。这不如给团队、员工,所以我宁愿难也要把企业做到一定规模之后再来融资,这样的话就能把更多的利益给了全员。
CE:这也是股权质押的原因?
贾跃亭:股权质押最大的动因就是这个,所有风险大的,所有早期的都是我个人来承担这个风险。早期和基金谈,你得耗费大量的精力,尤其是创始人,很大的精力得去跟他谈、得去讲,得去说服他,等你把钱融来的时候,时代早变了。
CE:这段时间谈过融资的事情吗?
贾跃亭:这段时间开始谈,因为我们非上市公司已经体量比较大了。乐视网之外的上市公司体量非常大,乐视影业、乐视体育、乐视云、乐视手机、乐视电视的一半、汽车,大部分控股公司全都在上市公司之外。
CE:大家讨论比较多的一个事是乐视影业,这是很优质的一个资产,本来按照独立上市来做的,后来并入到上市公司之中,这种调整的出发点是什么?
贾跃亭:首先乐视影业从来没有决定独立上市,我们非上市公司都是未来两种选择,一种是并到上市公司,如果不 太适合并到上市公司的话,再选择独立上市,一直都是这两种方式,给所有投资人都这么讲,包括给红杉也这么讲,只不过去年在我们比较困难的时候,大家还是决 定直接装进来,最起码也能够给大家一个明确的预期,不是在选择当中,而是已经决定了,把这个事情公告。
CE:其实这样对乐视影业来说会不会有一点影响?
贾跃亭:短期肯定是不利的,长期反而是有利的,长期生态协同会更密切,对乐视影业投资的股东也会更好。对乐视影业的全员也更好,本身和乐视网在一个体系下,在一个价值体系当中。
CE:能否简单介绍一些乐视的全球合伙人制度?
贾跃亭:全球合伙人分两块,一个就是我们内部的合伙人,我们全球的员工,现在已经有全球的人才加入进来,乐视美国的同事仅美国人就将近200 人,你要吸引过来全球顶尖的人才,除了要靠梦想、战略,另外一个激励机制,全球合伙人不光是现在看到的这些人,没看到的很多美国人,也纳入到这个激励体系 当中。
另外一个是外部的,如果认同乐视的理念,认同乐视的梦想,认同乐视的使命,能够和乐视产生强化版,那就可以作为我们的合伙人。
CE:去年下半年,外界对乐视曾经有很多质疑,你能否做一次回应?
贾跃亭:就是汇金立方对我们进行了一笔两千万的股权投资而已,没有任何其他的,我和汇金立方任何的家属都不认 识,完全只是一个自由职业者而已,没有任何的关系,如果说我要认识他家的关系多少说不清楚,这是其实最有利的一个证明。在中国搞基金的多了,各种各样的人 都搞PE基金,很多公司当中也都有投进去的,只不过乐视我老是在挑战未来,老是做一些别人反感的事,为什么反感,你为什么老和别人不一样,你为什么老是做 一些独树一帜的东西,或者其实在颠覆别人,大家就找你的问题。
CE:这事也困扰过你吗?
贾跃亭:说没困扰肯定是说瞎说,肯定困扰过,大家都拿这个攻击乐视,攻击乐视不光是这一个事,乐视一路走来都是不断的被攻击。
CE:那股权质押这事呢?
贾跃亭:股权质押的确是我们的一个风险点,但和我们对资本的理解有关,因为乐视主要是做一些别人看不明白的事,极前瞻的事情,如果是我们的董事会被基金控制了,那就会成为土豆,别说你的未来,连你的现在你都决定不了,谈何未来。
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。