
北京时间1月28日消息,迅雷(NASDAQ: XNET)周三晚间宣布,公司未来将启动一项新的至多2000万美元的股票回购计划,同时宣布公司联合创始人程浩将辞去所有管理职务。
迅雷表示,公司董事会批准了一项全新股票回购计划,按照这一计划,迅雷未来12个月内可以回购最高价值为2000万美元的公司股票(其中包括美国存托股份)。新的股票回购可以通过公开市场交易、私下谈判交易或者其它合法形式进行,将由迅雷管理层视情况而定,其中包括通过Rule 10b5-1股票回购计划。
回购时机选择及时间跨度将取决于市场情况、迅雷ADS交易价格和其它因素。迅雷公司董事会将定期地评估这一股票回购计划,并且可能授权调整其条款和规模。这次股票回购计划,将由该公司可用现金余额资助。截至2015年9月30日,迅雷持有的现金、现金等价物和短期投资总额约为4.45亿美元。
迅雷联合创始人、董事和迅雷游戏业务分部总经理程浩已递交了辞呈,其将辞去在该公司的所有管理职位,于2016年1月29日生效。但程浩仍将担任迅雷公司董事。
迅雷联合创始人、董事长兼CEO邹胜龙表示,“自迅雷创办以来,程浩一直与公司在一起,他对迅雷的成功作出了卓越贡献。我们要感谢他的非凡领导和卓越贡献,我们同时希望他在今后的事业中万事如意。”(编译/若水)
亲爱的迅雷的同学们,
大家好。从2003年和Sean一起创立迅雷到今天,一晃十三年过去。虽然心中不舍,但还是到了和大家说再见的时候了。从29号开始,我将卸任公司的管理职务,开启新的“探险”之旅。
在迅雷的十三年是我人生中最美好的时光。2003年初,凭着一股年轻人的冲动和无知者无畏的精神,我从北京来到深圳,和Sean一起经历了一场别具意义的人生冒险。
我们最开始做的是一个分布式的邮箱系统,解决邮箱附件太小的问题(当时最大的只有6M)。探索了大半年之后,我们感受到了中国互联网宽带普及这个风口,并把精力聚焦到了下载这个领域。我们发明了革命性的P2SP算法,颠覆了整个内容传输领域,并为迅雷赢得了数亿用户。
无论是当年从美国回到北京,还是之后离开百度创立迅雷,我始终认为,人生最大的风险就是从不冒险。在迅雷的十三年中,我们历经风险,九死一生,最终成为一家年收入超十亿的公司并成功在NASDAQ上市。
迅雷能有今天,除了因为抓住了中国的互联网浪潮所带来的机遇之外,更重要的是,我们有一群并肩奋斗、风雨同舟的兄弟姐妹。
感谢每一个你!感谢大家和我们一起经历了一场探险之旅,没有你们就没有迅雷的今天,我为曾经和你们一起拼搏过、战斗过感到荣幸和骄傲,我的人生也因你们而更精彩。
之所以选择这个时间和大家道别,主要是两个原因。一方面是迅雷的事业已经做到了一个阶段,对我来讲到了“世界那么大,我要去看看”的时候了;另一方面随着陈磊和John的加盟,我们的管理团队逐步成熟起来,业务方向上也更加聚焦,我也比较能够放心的离开。
在中国的互联网企业里,迅雷一直是比较Unique的。我们是为数不多的依赖技术创新成长起来的公司;我们首创了P2SP的核心算法,并首先应用在了下载、流媒体点播和众筹CDN等行业,可以说是革新了整个内容传输领域。整体而言,中国有技术“气质”的企业还是太少,这和硅谷是截然不同的。但我相信技术创新在未来一定是大趋势。
接下来,我将投身于风险投资领域,我希望用十年时间再打造一支红杉。也希望通过我的行业积累和技术背景,帮助到有志于从事技术创新的年轻人,我相信未来的中国一定是技术创新和模式创新齐头并进。
希望大家在Sean、陈磊、Paul、John、Tom的带领下,齐心协力,让迅雷再上一层楼。虽然迅雷将不再是我的日常工作了,但这并不意味着“离开”,我对迅雷的关心不会变,只是切换为外部视角,无论迅雷在任何时候需要,我永远都会义无反顾、责无旁贷。
最后,再次感谢迅雷的每一名同学,现在的和已经离开的,感谢关注和帮助过迅雷的朋友们!祝福迅雷的明天更美好!
无论世界多大,我们总能聚聚!
Steve
我与Steve是杜克大学的同学,然后成为创业伙伴,我们怀抱着共同的理想,那就是用技术改变世界,我们都坚信数据传输未来会像水和电一样,变得简单、方便和接近免费,并据此专注创新,我们并肩走过了最艰苦的创业岁月。
我代表全体迅雷人对Steve十三年来所做出的贡献,表示由衷的感谢!同时也对Steve转型为一名投资人,帮助更多的创业者,继续推动中国的互联网创新,表示深深的祝福!
十多年来,一代又一代的迅雷人坚持不懈的努力、拼搏和奋斗,终于成就了今天的迅雷。希望大家未来在管理团队的带领下,继续专注和聚焦,相信在未来的互联网创新版图上,迅雷必将取得瞩目的成就!
最后,我要再一次对Steve表示感谢!祝愿Steve早日打造出自己的“红杉”!
好文章,需要你的鼓励
Adobe研究院与UCLA合作开发的Sparse-LaViDa技术通过创新的"稀疏表示"方法,成功将AI图像生成速度提升一倍。该技术巧妙地让AI只处理必要的图像区域,使用特殊"寄存器令牌"管理其余部分,在文本到图像生成、图像编辑和数学推理等任务中实现显著加速,同时完全保持了输出质量。
香港科技大学团队开发出A4-Agent智能系统,无需训练即可让AI理解物品的可操作性。该系统通过"想象-思考-定位"三步法模仿人类认知过程,在多个测试中超越了需要专门训练的传统方法。这项技术为智能机器人发展提供了新思路,使其能够像人类一样举一反三地处理未见过的新物品和任务。
韩国KAIST开发的Vector Prism系统通过多视角观察和统计推理,解决了AI无法理解SVG图形语义结构的难题。该系统能将用户的自然语言描述自动转换为精美的矢量动画,生成的动画文件比传统视频小54倍,在多项评估中超越顶级竞争对手,为数字创意产业带来重大突破。
华为诺亚方舟实验室提出VersatileFFN创新架构,通过模仿人类双重思维模式,设计了宽度和深度两条并行通道,在不增加参数的情况下显著提升大语言模型性能。该方法将单一神经网络分割为虚拟专家并支持循环计算,实现了参数重用和自适应计算分配,为解决AI模型内存成本高、部署难的问题提供了全新思路。