海航的科技板块布局又走出关键一步。
11月8日晚,海航科技集团有限公司(以下简称海航科技集团)旗下天海投资(A股证券代码600751、B股证券代码900938)发布公告,公司名称拟变更为“海航科技股份有限公司”,英文名称拟变更为“HNA Technology Co., Ltd.”,经营范围变更为云计算、大数据等计算机及信息服务领域。目前变更事宜已通过董事会审议,待股东大会审议通过后办理工商变更手续。
就此,天海投资从收购英迈国际开始,一步步华丽转身科技领域,名称和营业范围的变更意味着海航的科技战略全面加速。
剥离海运转型科技 天海投资华丽转身
除了名字变更,公告还显示:公司的经营范围也从之前的海上运输完全变更为科技领域,新的经营范围包括云计算、大数据、区块链、人工智能、计算机软件开发、信息系统集成服务、数据处理和存储服务等。
今年以来,国内资本市场掀起一轮转型热潮,从传统实业向纵深产业转型,智能制造、电子计算机、环保产业以及与主业相关的纵深产业受到青睐。
天海投资是海航科技集团旗下唯一A股上市公司, 此次更名无疑证明海航集团对天海投资的重视,在海航集团筹谋已久的这盘科技战略棋局中,天海投资已被确立了独一无二的旗舰地位。
2016年12月7日,天海投资斥资60亿美元收购全球最大的IT分销商Ingram Micro Inc.(下称“英迈国际”)100%股权,被人民日报评价为“当年世界范围内最为重大的国际并购之一”。自英迈国际加入海航以来,双方协同效应逐渐显现,已经创造了1+1>2的收益。
在刚刚发布的三季报中,天海投资1-9月份营业收入达2238.95亿元,同比增加近145倍,归属上市公司股东净利润1.21亿元,归属于上市公司股东的扣除非经常性损益的净利润5.36亿元,同比增加6.9倍。
当前,天海投资相关航运业务已完成剥离,四季度财务数据中将无航运业务收入和成本,不但资产质量得到显著改善,新业务发展也可轻装上阵。
背靠海航实体产业支持 大科技战略版图初现
人类正从IT时代走向DT时代,在新的时代背景下,数据会是未来一切商业模式的核心,海航集团作为世界500强企业之一,依托多年累积起来的线上线下优质数据资源,会让数据资源助力海航及行业走进DT时代。
2016年底,海航科技集团成功转型后,依托海航集团丰富的产业场景,为客户及合作伙伴提供高附加值的解决方案和产品。海航科技集团致力于成为一流的高科技产业集团,通过云计算、大数据、人工智能等领域的运营、投资和创新,打造共享、分享、生态的“四流”(人流、物流、资金流、信息流)平台。
作为海航科技旗下唯一A股上市公司,天海投资的地位不容小觑。
天海投资有关负责人表示,天海投资将依托海航丰富产业场景和数据资源优势,通过ABC(AI、Big Data、Cloud)的运营,以产业、数据和资本为驱动,打造数据化、智能化和产品化的资源共享、价值传递、产业循环的开放平台,致力于成为中国领先、世界一流的高科技企业,未来业务主要为科技供应链服务、云基础设施和行业云解决方案服务(智慧城市、机场、园区解决方案等)和企业数字化转型服务等。
2017年10月,天海投资与商汤科技签署战略合作备忘录,拟合作项目包括GPU阵列深度学习超算中心建设、AI视觉智能基础能力建设、智慧空港AI项目、智慧租车AI项目等。目前,依托英迈云技术支持,天海投资重点打造的“云集市”项目也在加速推进中。
业内人士分析,有着海航集团的强大后盾,随着天海投资收购英迈国际后业务协同效应逐渐发挥,并积极战略布局云计算和人工智能,此次更名标志着海航在科技领域的布局已经全面展开。可以预期,在公司更名和变更经营范围后,随着海航科技战略布局的逐步深入,随着海航集团各产业协同效应日渐凸显,天海投资作为科技板块的排头兵有望创造更佳业绩。
参考天海投资三季度报告数据,天海投资年营业收入或将超过3,000亿人民币,预计位列A股前15。
好文章,需要你的鼓励
很多人担心被AI取代,陷入无意义感。按照杨元庆的思路,其实无论是模型的打造者,还是模型的使用者,都不该把AI放在人的对立面。
MIT研究团队提出递归语言模型(RLM),通过将长文本存储在外部编程环境中,让AI能够编写代码来探索和分解文本,并递归调用自身处理子任务。该方法成功处理了比传统模型大两个数量级的文本长度,在多项长文本任务上显著优于现有方法,同时保持了相当的成本效率,为AI处理超长文本提供了全新解决方案。
谷歌宣布对Gmail进行重大升级,全面集成Gemini AI功能,将其转变为"个人主动式收件箱助手"。新功能包括AI收件箱视图,可按优先级自动分组邮件;"帮我快速了解"功能提供邮件活动摘要;扩展"帮我写邮件"工具至所有用户;支持复杂问题查询如"我的航班何时降落"。部分功能免费提供,高级功能需付费订阅。谷歌强调用户数据安全,邮件内容不会用于训练公共AI模型。
华为研究团队推出SWE-Lego框架,通过混合数据集、改进监督学习和测试时扩展三大创新,让8B参数AI模型在代码自动修复任务上击败32B对手。该系统在SWE-bench Verified测试中达到42.2%成功率,加上扩展技术后提升至49.6%,证明了精巧方法设计胜过简单规模扩展的技术理念。