
随后,艺龙CEO江浩在致全体员工的公开信中表示,“如果本次腾讯私有化艺龙成功,艺龙将继续做大做强,在国内资本市场再度上市是我们的当然选项。”
今年5月,携程以4亿美金收购艺龙37.6%股份,成为其最大的独立单一股东。铂涛集团控制的Keystone和Keystone的间接持有子公司Plateno共同拥有22.2%的股份,投资机构Luxuriant拥有3.7%的股份。按此推算,腾讯在艺龙私有化结束后将持有艺龙36.5%的股份,携程仍然是艺龙第一大股东。
财报显示,艺龙第二季度总营收为人民币2.342亿元,比去年同期的人民币3.124亿元下滑25%;净营收为人民币2.185亿元(约合3520万美元),比去年同期的人民币2.924亿元(约合4710万美元)下滑25%;艺龙第二季度净亏损为人民币3.564亿元,去年同期则为净利润人民币3150万元。
以下是艺龙邮件全文:
各位艺龙同事:
今天,我们对外宣布艺龙董事会收到了中国互联网行业内的巨头腾讯公司的非约束性私有化要约,腾讯希望以每股18美元的价格收购除了携程、铂涛和腾讯自己等艺龙股东外的全部艺龙流通股,如果这个交易能够完成,艺龙将完成私有化从美国纳斯达克股票市场退市。
腾讯在2011年曾经投资艺龙8400万美元,获得了艺龙15%的股份。基于艺龙在过去一段时间里在中国的移动住宿领域里出色的表现,事隔4年后,腾讯决定再次大规模增持艺龙的股份,表现出对艺龙所处行业的极大看好,对艺龙公司发展的极大信心,对艺龙目前管理团队和所有员工的极大信任。
在过去的四年多时间里,艺龙从一个季度大约只有220万间夜,成长到刚过去的2015年第二季度有1100万间夜,艺龙的间夜量四年翻了五倍。艺龙在国内的酒店覆盖从2万家酒店,增长到目前的29万家酒店。艺龙移动客户端间夜量的占比从近乎0%,增长到目前的75%。艺龙的员工也从四年前的2000人,达到了目前4000人的规模。
与此同时,四年后我们所处的市场也发生了深刻的变化。我们的竞争对手除了股东之一携程外,还有百度旗下的去哪儿,阿里巴巴旗下的去啊,以及阿里巴巴投资的美团,都因为看到中国的移动住宿市场的巨大潜力,不惜以每年亏损十多亿人民币的烧钱速度在这个市场里疯狂扩张,艺龙因此也面临着巨大的竞争压力。
我相信腾讯不会轻易在我们这个充满希望和活力的市场中让步,选择发出增持艺龙股份的要约,正是腾讯要在中国的移动住宿行业继续发力的重要一步棋。
我个人很期待,如果这次腾讯能够私有化艺龙成功,和腾讯在各个领域展开更深度的合作,促进艺龙移动住宿业务的继续高速发展。
艺龙作为已经在美国纳斯达克股票市场上市了11年的老牌优质公司,在腾讯私有化艺龙的过程中,将按照美国法律法规的要求,严格保护现有公众股东的权利和权益。而对于艺龙最核心的资产,我们的员工,在腾讯私有化艺龙的过程前后,我们也将全力保护我们员工的权利和权益,让员工感受到获得了长期激励。
2015年以来,已经陆续有几十家在美国上市的中概股公司宣布了私有化,其中一个原因是中国的证券市场与美国的证券市场相比,有巨大的估值溢价。
而本土企业在有最熟悉自己的消费者和投资者的本土上市,在全世界范围内看都是不可逆的大趋势。国家制定的“互联网+”战略,尤其使得中国资本市场看好中国的互联网企业回归本土上市。如果本次腾讯私有化艺龙成功,艺龙将继续做大做强,在国内资本市场再度上市是我们的当然选项。
艺龙的全体同事,我希望和大家一起以巨大的热情和敏捷扎实的行动,全身心投入二次创业的征程,在未来的一段时间里,苦干实干,勇敢地迎接一切已知和未知的挑战,把艺龙推向崭新的高度。
向着艺龙公司和艺龙人更美好的明天,全力冲刺!
江浩
好文章,需要你的鼓励
GeoVerse融合几何潜在扩散模型与Wan2.2视频生成先验,并引入全局空间记忆机制,实现了跨视角一致、生成质量高且推理速度快的新视角合成,在多个数据集上大幅超越现有方法GLD。
本文解读TT-VidT,一种通过分离外观锚点与动作令牌、结合Diff Compression训练目标的视频自监督方法。在24种架构目标组合的受控实验中,仅TT3D与Diff Compression搭配才能进入强动作敏感区,且计算量比同类方法降低近一半。
Q&A Q1:Imprint Reader是什么? A:Imprint Reader是上海人工智能实验室团队开发的模型,通过SMaRT训练方法学会读取另一个模型冻结的权重更新,把参数层面的变化翻译成自然语言描述,判断这次更新到底注入了什么知识或诱导了什么行为习惯。 Q2:MetaEdit能做什么? A:MetaEdit能把Reader对目标行为的梯度信号迁移到原始模型上,不需要任何目标任务的训练数据,只用一句行为描述就能定向调整模型参数,已经在安全性拒绝率调节、数学推理风格转变和工具调用能力提升上验证过效果。 Q3:Imprint Reader读权重更新的准确率高吗? A:目前还不高,知识类目标的Pass@100只有2%,行为类目标是16%,说明自由生成描述的可靠性有限,但相比原始模型完全答不出来的0%基线,已经证明了权重更新的自然语言读取是可行的。
统一多模态模型能看也能画,理论上该会自我修正。本论文提出UMM-Reflection,用整条轨迹的强化学习联合训练诊断和修图能力,GenEval提升12分,且迁移到多个未训练基准,揭示RL提升的是选择可靠性而非新能力。