5月18日,中手游宣布收到私有化要约。2天后,中手游组织架构调整,原COO应书岭负责的发行线独立。几乎同时做出的两项决定,其背后的关联,被认为与两家公司谋划同在国内A股上市有关。
另一个隐秘未说,但是大家都心知肚明的关键点是,貌合神离的两位,终于从实质上也要各管一块了。
组织调整形同分拆
5月20日,中手游宣布进行战略重组,将旗下子公司北京卓越晨星科技有限公司(北京卓越晨星)51%股份将在3年内转给中手游首席运营官应书岭控制的天津卓越科技有限公司(天津卓越)。应书岭将担任北京卓越晨星的首席执行官,不再担任中手游首席运营官一职。
应书岭
这一决定等于将中手游内部一直并行的两大发行团队正式拆分,应书岭团队将获独立。中手游CEO肖健公开表示,自从去年6月,中手游内部就分为北京发行中心和随悦、岚悦两大发行团队,分别由应书岭和肖健负责。
拆分之后,北京发行中心独立为子公司北京卓越晨星,控制权掌握在应书岭手中。成都卓星手中的《全民枪战》及《天天炫舞》两款手游的发行运营业务也移交给北京卓越晨星。
同时,肖健负责的随悦和岚悦,变更为中手游的网络游戏发行事业部、休闲与棋牌游戏发行事业部和海外发行事业部。主要产品包括《决战沙城》、《新仙剑奇侠传》、《喜羊羊快跑》等。
应书岭欲独立早有征兆。去年6月,中手游发生人事地震,一度掀起轩然大波,招来了美国律师事务所的调查。数日内,应书岭从被停职、到复出担任COO,最后与肖健在朋友圈“秀恩爱”。
有观点认为,对于想独立的应书岭来说,摆在面前的有两条路可走:要么离开中手游,要么内部分家。经过这场风波之后,发现前者走不通。鉴于当时的美国股市环境,应书岭至少在表面上不能离开中手游,选择内部分家亦在情理之中。
退市与拆分的关联
5月18日,中手游宣布,收到来自东方证券旗下子公司东方弘泰(北京)投资有限公司提出的初步非约束性私有化提议,以每A类或B类普通股1.5357美元、相当于每美国存托股21.5美元的价格,现金收购中手游全部发行在外股票。
中手游并非第一家想从美国退市的游戏企业,在它前面还有盛大游戏、巨人、完美世界。不过,中手游的退市为拆分提供了前提条件。如果说当初中手游留下应书岭是出于美国股市的考虑,如今,既然中手游自己都要退市了,这一顾忌也就不复存在了。
有业内人士打趣说,正应了一句俗语“烧香看和尚,一事两勾当。”一方面,A股的高估值吸引那些在海外“不受待见”的中概股们纷纷回归,另一方面,也把内部拆分的事顺手儿解决了。
或携手重回A股
正因为这次拆分,令中手游的回归之路与盛大游戏等不同。
从中手游这次架构调整内容来看,大部分收入业务依然留在了中手游,拆分不会对中手游A股上市产生较大影响。
肖健公布的产品计划中,包括了《火影忍者-忍者大师》、《航海王 强者之路》、《少林寺》、《四大名捕大对决》、《择天记》、《决战沙城2》、《无间狱》、《侍魂》、《龙珠Z》和《北斗神拳》等多款产品。棋牌游戏产品月流水峰值超过5000万,目前仍保持在3000万的规模。
《全民枪战》
另外,应书岭团队分到了《全民枪战》及《天天炫舞》两款产品,其中《全民枪战》上线首日流水破千万,这就为应书岭独立上市提供了想象空间。
从中手游的母公司第一视频的角度,两家公司同在国内上市是最理想的局面。最令第一视频董事长开心的,恐怕莫过于看到肖健与应书岭两位能干的“管家”不再争执,而是各自努力打工了。
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。