“我们把WPS做好 可是谁给我们钱?”

金山软件经历八年准备,克服重重困难,最终选择在香港主板上市。上市首日股价上涨39%,融资6.261亿港元。金山总裁雷军在接受采访时表示,尽管公司在过去肩负着重任,但现在正努力创建快乐的企业文化。
2007年10月12日 00:40:00

金山1988年成立,面对盗版和微软的双重挤压,和我们同期的通用软件公司能活到现在的,已经很少,能够上市的只有金山一家
经过一个多月的全球路演奔波,金山(3888.HK)昨天终于成功在香港证交所主板上市。金山上市第一天收于5港元,相比3.6港元的发行价上涨39%,共融资6.261亿港元。
昨天上午,刚刚花了2个多小时给金山全体员工写了公开信,金山总裁兼CEO雷军又马不停蹄回到珠海,在接受专访时仍然难掩激动。

《第一财经日报》:经过8年准备,今天金山终于成功上市了,能说一下您现在的心情吗?

 雷军:我的心情是经过变化的。挂牌以前非常平静,为上市前后准备了8年时间,历经坎坷,已经使我变得很平静。但是挂牌的瞬间,当看到公司名字和股价变化的时候,我的内心非常激动。

 《第一财经日报》:你们准备的过程是怎样的?你们也曾试图选择美国纳斯达克、日本等地的资本市场,为什么选择了在香港上市?

 雷军:我们从1999年开始准备,曾认真考虑过五个资本市场,并实际操作过A股、纳斯达克和香港主板三个市场,由于各种原因,我们最终选择了在香港证交所主板上市。

 《第一财经日报》:外界认为,这些年来,金山与盛大、网易这些网游公司相比显得有些老气,上市之后企业文化是否会有变化?

  雷军:金山从1988年成立已经19年,面对盗版和微软的双重挤压,和我们同期的通用软件公司能活到现在的,已经很少,能够上市的只有金山一家。外界觉得 金山比较老,形象、企业文化好像有问题,但过去4年我们一直保持着100%的增长速度,像一家刚创业的公司,充满活力,飞速成长。之前,我们肩负着民族软 件产业的重任,有些事情我们不得不做。我们把大量资金和人力用在了WPS研发上,但它现在并不能带来营收,政府和民众都希望我们把WPS做好,可是谁给我 们钱呢?因此,我们过去的企业文化确实是比较沉重,但从去年开始我们提出创建快乐的企业文化,要让苦难的东西越来越少。

 《第一财经日报》:金山给外界的看法,一直是员工流失严重、薪水较低,上市会否有所改变?

  雷军:对于外界的一些看法,其实是整个市场对金山的误读。由于过早的创业期,确实使我们流失了一些非常优秀的员工。但是作为一家技术型公司,我们打造了一 支凝聚力非常高的团队,流失率低于行业标准,我们有一半员工平均做到了4年以上,很多高管已经在金山工作了10年。今年2月1日,金山董事会发放了总价值 2.2亿港元的期权,使450名员工获得了期权。

 《第一财经日报》消息


Trackback: http://tb.blog.youkuaiyun.com/TrackBack.aspx?PostId=1821009


基于数据驱动的 Koopman 算子的递归神经网络模型线性化,用于纳米定位系统的预测制研究(Matlab代码实现)内容概要:本文围绕“基于数据驱动的 Koopman 算子的递归神经网络模型线性化,用于纳米定位系统的预测制研究”展开,提出了一种结合数据驱动方法与Koopman算子理论的递归神经网络(RNN)模型线性化方法,旨在提升纳米定位系统的预测制精度与动态响应能力。研究通过构建数据驱动的线性化模型,克服了传统非线性系统建模复杂、计算开销大的问题,并在Matlab平台上实现了完整的算法仿真与验证,展示了该方法在高精度定位制中的有效性与实用性。; 适合人群:具备一定自动化、制理论或机器学习背景的科研人员与工程技术人员,尤其是从事精密定位、智能制、非线性系统建模与预测制相关领域的研究生与研究人员。; 使用场景及目标:①应用于纳米级精密定位系统(如原子力显微镜、半导体制造设备)中的高性能预测制;②为复杂非线性系统的数据驱动建模与线性化提供新思路;③结合深度学习与经典制理论,推动智能制算法的实际落地。; 阅读建议:建议读者结合Matlab代码实现部分,深入理解Koopman算子与RNN结合的建模范式,重点关注数据预处理、模型训练与制系统集成等关键环节,并可通过替换实际系统数据进行迁移验证,以掌握该方法的核心思想与工程应用技巧。
基于粒子群算法优化Kmeans聚类的居民用电行为分析研究(Matlb代码实现)内容概要:本文围绕基于粒子群算法(PSO)优化Kmeans聚类的居民用电行为分析展开研究,提出了一种结合智能优化算法与传统聚类方法的技术路径。通过使用粒子群算法优化Kmeans聚类的初始聚类中心,有效克服了传统Kmeans算法易陷入局部最优、对初始值敏感的问题,提升了聚类的稳定性和准确性。研究利用Matlab实现了该算法,并应用于居民用电数据的行为模式识别与分类,有助于精细化电力需求管理、用户画像构建及个性化用电服务设计。文档还提及相关应用场景如负荷预测、电力系统优化等,并提供了配套代码资源。; 适合人群:具备一定Matlab编程基础,从事电力系统、智能优化算法、数据分析等相关领域的研究人员或工程技术人员,尤其适合研究生及科研人员。; 使用场景及目标:①用于居民用电行为的高效聚类分析,挖掘典型用电模式;②提升Kmeans聚类算法的性能,避免局部最优问题;③为电力公司开展需求响应、负荷预测和用户分群管理提供技术支持;④作为智能优化算法与机器学习结合应用的教学与科研案例。; 阅读建议:建议读者结合提供的Matlab代码进行实践操作,深入理解PSO优化Kmeans的核心机制,关注参数设置对聚类效果的影响,并尝试将其应用于其他相似的数据聚类问题中,以加深理解和拓展应用能力。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值