话题公司 › 阿里巴巴

公司:阿里巴巴

关联话题: Alibaba、阿里

阿里巴巴集团创立于1999年,是中国大陆一家以提供互联网服务为主的综合企业集团,目前实行位于杭州,上海与北京的双总部制度。

阿里巴巴服务范围包括B2B贸易、网上零售、购物搜索引擎、第三方支付和云计算服务。集团的子公司包括阿里巴巴B2B、淘宝网、天猫、一淘网、阿里云计算、聚划算、全球速卖通、阿里巴巴国际交易市场、饿了么、飞猪、优酷、盒马鲜生、阿里影业、菜鸟网络、高德地图、Lazada、Daraz等。旗下的淘宝网和天猫在2012年销售额达到1.1兆人民币,2015年度商品交易总额已经超过三兆元人民币,是全球最大零售商。

至2012年九月底止的财政年度,以美国会计准则计算,阿里营业额按年增长74%至318.39亿元(港元‧下同),盈利急升80%至37.75亿元。2015年全年,阿里巴巴营收146.01亿美元,净利为74.94亿美元。2017年,根据阿里巴巴集团向美国证券交易委员会提交的IPO招股书显示,雅虎持有阿里巴巴集团22.6%股权、软银持阿里集团34.4%股份,另管理层、雇员及其他投资者持股比例合共约为43%,当中马云持阿里巴巴集团约8.9%、蔡崇信持股为3.6%。

2019年11月,阿里巴巴集团在在港交所二次上市。香港财经界把阿里巴巴、腾讯(港交所:700)、美团点评(港交所:3690)、小米(港交所:1810)四只中国大陆科技股的英文名称首个字母,合称“ATMX”股份。

2019年11月26日,阿里巴巴集团港股上市,总市值超4兆,登顶港股成为港股“新股王”。2020年8月,阿里巴巴集团港股总市值首次超过6万亿。

阿里巴巴拆份出去的蚂蚁集团上市前,网络金服整体遭遇到政府的强力监管,阿里巴巴同样受到影响,2021年4月10日,阿里巴巴集团涉垄断被中国市场监管总局罚款182.28亿元人民币。2023年三家中国最主要的金融机构,再联合开罚71亿元,不过也随着官方宣布最后整顿工作的完成,阿里巴巴股价开始反弹。

大模型技术在淘宝生鲜审核场景的应用

随着多模态大模型技术的不断进步,大模型的应用范围得到了极大的扩展,其中较为重要的一个分支便是审核场景。现业务域内有较多场景需要人工进行凭证审核,这些审核工作不仅需要耗费较多的人力成本,效率上也有较大的提升空间。

探索LLM推理全阶段的JSON格式输出限制方法

文章详细讨论了如何确保大型语言模型(LLMs)输出结构化的JSON格式,这对于提高数据处理的自动化程度和系统的互操作性至关重要。

OpenAI o1模型的前世今生

本文探讨了OpenAI最新推出的o1模型,该模型在复杂推理能力上取得了显著突破,特别是在STEM领域。文章详细描述了o1模型的技术路线,包括其在预训练、后训练和推理阶段的关键创新,以及这些创新如何显著提升了模型的推理能力和安全性。

QuickJS的垃圾回收算法

内存管理,一旦使用不当,就会遇到各种内存问题。但对于高级语言,这些语言底层的编译器/虚拟机自动对内存进行了管理,我们一般称之为垃圾回收。虽然它能自动管理内存,但是当我们对它了解的越多,越能帮助我们在日...

“四两拨千斤” —— 1.2MB 数据如何吃掉 10GB 内存

一个特殊请求引发服务器内存用量暴涨进而导致进程 OOM 的惨案。

关于单次亿级图片素材调度、处理及使用的工程实践总结

作者有幸参与设计和开发了涉及数十亿量级的图片素材调度、处理和索引使用的平台-产业AI素材库,在平台的建设落地过程中,踩了许多坑,也有了一些工程落地上的实践总结,希望分享给大家。

QuickJS的垃圾回收算法

内存管理,一旦使用不当,就会遇到各种内存问题。但对于高级语言,这些语言底层的编译器/虚拟机自动对内存进行了管理,我们一般称之为垃圾回收。虽然它能自动管理内存,但是当我们对它了解的越多,越能帮助我们在日常开发工作中提高代码效率。

FlinkSQL之temporary join开发

实时开发中,双流join获取目标对应时刻的属性时,经常使用temporary join。笔者在流量升级的实时迭代中,需让流量日志精准的匹配上浏览时间对应的商品属性,使用temporary join开发过程踩坑不少,将经验与各位同学参考交流。

钉钉产品体验那些事:我们没有写好的 10 条产品文案

我们设计产品的目标,应该是让完全不熟悉技术、最没有经验的那个用户,也可以轻易看懂每一条文案,放心地点击每一个按钮,自信地使用钉钉的产品和服务。

NativeCrash率从万分位降到十万分位,我做了这几件事...

饿了么商家版APP通过专项治理行动,成功将NativeCrash率从万6降至十万分之六,显著提升了用户体验和软件稳定性。

如何让SQL跑快一点?(优化指南)

这篇文章主要探讨了如何在阿里云MaxCompute(原ODPS)平台上对SQL任务进行优化,特别是针对大数据处理和分析场景下的性能优化。

深入RAG:知识密集型NLP任务的解决方案

在当今知识密集型任务日益增多的时代,如何有效地利用外部知识来增强语言模型的生成能力成为了一个重要的研究方向,因此RAG技术应运而生。本文将详细介绍RAG的工作原理、应用场景、限制及挑战,帮助读者更好地理解和应用这一前沿技术。

一文详解Java泛型设计

本文主要介绍泛型诞生的前世今生,特性,以及著名PECS原则的由来。

基于抽象语法树(AST)的代码问题修复

文章介绍了如何通过抽象语法树(AST)技术自动化地解决前端代码治理中的具体问题,特别是针对大量存在的未使用变量或函数参数等问题。

大屏里的指尖奥秘

让人愉悦的手势设计~

Agent 从想法到实现之六顶思考帽

本文简要介绍六顶思考帽的概念及其优势,讲解智能体的概念和常见的智能体平台,讲解该智能体的创建过程,带领大家从想法走向实现。

trang chủ - Wiki
Copyright © 2011-2024 iteam. Current version is 2.137.1. UTC+08:00, 2024-11-15 01:18
浙ICP备14020137号-1 $bản đồ khách truy cập$