电商解决方案提供商宝尊今晚纳斯达克IPO
5月21日消息,总部位于上海的中国电商IT解决方案提供商宝尊宝尊(Baozun Inc)预计将于今晚在美国纳斯达克交易所挂牌上市。
不出意外,宝尊将于今天晚些时候公布发行价。
宝尊计划以每股美国存托股(ADS)12美元至14美元的发行价区间,发行1100万股ADS,最高融资额为1.771亿美元,股票代码为“BZUN”,承销商为摩根士丹利、瑞信、美林证券。
宝尊自称中国最大的电商解决方案提供商,招股书援引艾瑞数据称,宝尊以交易额价值计算的中国区市场份额为20%,具体业务包括向品牌电商提供IT解决方案、运营服务支持以及直接帮助电商向消费者销售商品两种模式的服务。
在融资额和发行价方面,根据宝尊5月8日更新招股书,该公司计划以每股美国存托股(ADS)12美元至14美元的发行价区间,发行1100万股ADS,授予承销商最高1,650,000股ADS超额配售权,即最高融资总额为1.771亿美元。
在市值方面,倘若承销商不行使超额配售权,即最终发行1100万股ADS(3300万股普通股),宝尊在IPO后在外发行普通股总量为145,825,312股普通股,以发行价区间上限的每股ADS 14美元计算,宝尊IPO后市值约为6.8亿美元。
在过往交易额方面,宝尊电商2012年、2013年和2014年商品交易总额分别为14.604亿元、26.208亿元和42.489亿元。在营收方面,宝尊2012年、2013年和2014年营收分别为9.545亿元、15.218亿元和15.844亿元。
在过往盈利情况方面,美国通用会计准则下,宝尊2012年、2013年和2014年净亏损分别为4720万元、3780万元和5980万元,不按照美国通用会计准则,宝尊2012年、2013年的净亏损分别为4720万元、2626万元,在2014年则实现净利润2514万元。
扣除归属于优先股的分红以及可转换优先股赎回价值变更等影响后,美国通用会计准则下,宝尊2012年、2013年和2014年归属于普通股东的净亏损为6814万元、9920万元、1.55亿元。
在近期业绩方面,宝尊电商2015年第一季营收4.77亿元,同比增77.9%;第一季净利润为198万元,同比下降12.5%,不按照美国通用会计准则,第一季度净利润764万元,去年同期净利润335万元。
扣除归属于优先股的分红以及可转换优先股赎回价值变更等影响后,美国通用会计准则下第一季度净亏损2335万元,去年同期净亏损1531万元。
在公司股权结构方面,宝尊CEO Vincent Wenbin Qiu在IPO前持股10.1%,IPO后持股7.9%,投票权36%,是实际控制人。
阿里巴巴和软银是宝尊的两大外部股东,其中阿里在IPO前持股23.5%,IPO后持股18.2%,投票权10.0%;软银在IPO前持有17.8%股权,在IPO后持有13.5%股权以及7.5%投票权。
除了资本方面的合作,宝尊和阿里还存在业务方面的合作。
宝尊因为在天猫开设的官方旗舰店,在2012年、2013年、2014年以及2015年第一季度向阿里巴巴支付了2960万元、5590万元、7180万元、1910万元服务费。
阿里巴巴在天猫开展促销活动期间,宝尊因为提供推广服务在2012年和2013年从阿里处获得3760万元和1270万元的收入。
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。