微信扫一扫,关注公众号

  • 科技行者

  • 算力行者

见证连接与计算的「力量」

首页 李想卸任汽车之家总裁 或创业平行进口车

李想卸任汽车之家总裁 或创业平行进口车

2015-06-12 14:20
分享至:
----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.-
2015-06-12 14:20 搜狐IT

6月12日午间消息,汽车之家(NYSE:ATHM)发布声明,对之前疯传的创始人李想离职事件作出回应,宣布其将不再担任汽车之家总裁职务,但保留董事和股东身份。

李想卸任汽车之家总裁 或创业平行进口车

本周曾有消息称李想将离职汽车之家,投入平行进口车创业领域。而2014年6月李想曾经发微博表示,将在2015年结束之前打造一款电动跑车,参与朋友的造车计划。当时就有汽车之家内部人士透露李想有离开汽车之家的想法。

以下是公告全文:

6月12日,汽车之家(NYSE:ATHM)宣布,创始人李想不再担任汽车之家总裁一职,但会继续以汽车之家董事、股东身份,在公司的战略规划等重要事务上发挥作用。

作为汽车之家的创始人以及最忠实用户,李想几乎每天都浏览汽车之家网站,非常关注产品细节和用户的感受,在网站的内容导向、产品定位以及企业文化、发展战略等方面,做出了卓越贡献。汽车之家恪守10年的“把消费者的利益放在第一位“的价值观,也是李想直接推动并坚持下来的,正是由于这些独特的个性,让汽车之家在众多汽车网站中脱颖而出,成为市值50亿美金的重要互联网公司。

汽车之家CEO秦致表示,过去十年里,李想和公司全体员工同舟共济,为汽车之家的创立和发展做出了卓越贡献,大家在一起亲密而坦诚。未来李想虽然不再参与公司日常的管理工作,但是依然会以董事和股东身份,继续帮助和关注汽车之家的成长。

李想表示, 现阶段汽车之家各个业务线已经进入稳定发展期,公司已经确立了以电商为核心的新的战略规划,传统媒体业务和新车电商、二手车电商都已经形成完整的路线图,相信管理团队将继续带领汽车之家取得更大的胜利和突破。他本人也将继续为汽车之家未来发展贡献自己的力量。

分享至
0赞

好文章,需要你的鼓励

推荐文章
  • 南方科技大学等机构联手破解AI推理训练难题:让大模型"一次思考"就学会解题

    南方科技大学等机构联手破解AI推理训练难题:让大模型"一次思考"就学会解题

    本文介绍了由南方科技大学等机构于2026年4月发表的研究(arXiv:2604.08865),提出了名为SPPO的大模型推理训练新方法。该方法将推理任务重新建模为"序列级情境赌博机",用一个轻量级价值模型预测题目难度,以单次采样替代GRPO的多次采样,解决了标准PPO的"尾部效应"问题。实验显示,SPPO在数学基准测试上超越GRPO,训练速度提升约5.9倍,配合小尺寸价值模型还能显著降低显存占用。

  • 香港科技大学数学系研究者:扩散模型原来是一个"魔法恒等式"拆成了两半

    香港科技大学数学系研究者:扩散模型原来是一个"魔法恒等式"拆成了两半

    这项由香港科技大学数学系完成的研究(arXiv:2604.10465,2026年ICLR博客论文赛道)提出了一种从朗之万动力学视角理解扩散模型的统一框架。研究指出,扩散模型的前向加噪和逆向去噪过程,本质上是朗之万动力学这一"分布恒等操作"被拆成了两半。在这个视角下,VP、VE-Karras和Flow Matching等不同参数化的模型可被精确互译,SDE与ODE版本可被统一解释,扩散模型相对VAE的理论优势得以阐明,Flow Matching与得分匹配的等价性也得到了严格论证。

  • 中国人民大学研究团队打造的"AI科学家":让机器自主完成几十小时的科研工程,它是怎么做到的?

    中国人民大学研究团队打造的"AI科学家":让机器自主完成几十小时的科研工程,它是怎么做到的?

    中国人民大学高岭人工智能学院等机构联合开发了AiScientist系统,旨在让AI自主完成机器学习研究的完整工程流程,包括读论文、搭环境、写代码、跑实验和迭代调试,全程无需人工干预。系统核心设计是"薄控制、厚状态":由轻量指挥官协调专业代理团队,通过"文件即通道"机制将所有中间成果持久化存储,使每轮工作都能建立在前一轮积累的基础上。在PaperBench和MLE-Bench Lite两个基准上,系统表现显著优于现有最强对比系统,论文发布于2026年4月。

  • 字节跳动发布GRN:像人类画家一样"边画边改"的AI图像生成新范式

    字节跳动发布GRN:像人类画家一样"边画边改"的AI图像生成新范式

    这项由字节跳动发布的研究(arXiv:2604.13030)提出了生成式精化网络(GRN),一套模仿人类画家"边画边改"直觉的视觉生成新框架。其核心包括两项创新:层级二进制量化(HBQ)通过多轮二分逼近实现近乎无损的离散图像编码,以及全局精化机制允许模型在每一步对整张图像的所有位置重新预测并随时纠错,从根本上解决了自回归模型的误差积累问题。配合基于熵值的自适应步数调度,GRN在ImageNet图像重建(rFID 0.56)和生成(gFID 1.81)上均创下新纪录,并在文本生成图像和视频任务上以20亿参数达到同等规模方法的领先水平。

----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.-