百亿欠款,金立生死一线

来源丨网易科技(ID:tech_163


2018年1月初,网易科技记者的朋友圈突然冒出一句话:深圳某手机厂商今年要倒闭。

 

这个消息开始并未受到太大关注。

 

半个月后,网易科技独家获悉了金立董事长刘立荣41.4%股权被冻结消息。在我们的独家消息公布后,金立被爆在深圳和上海陷入了多起诉讼,而网易科技通过查询发现:金立多家子公司出现动产抵押、债权转让纠纷中。

 

而网易科技记者近期从行业内人士以及手机供应链处得知,金立2017年资金链出现重大问题:拖欠金额达到百亿元,其中拖欠银行86亿元,拖欠供应商近40亿元,其中最多的某供应商达7.5亿元。

 

对此,网易科技向金立内部人士做了求证,其向网易科技表示,具体金额接近、但应该没有超过100亿。

 

来自行业内人士表示,金立是否能够挺过这一关就看能不能将资金周转开,供应商是否都来挤兑,如果像之前乐视一样出现所有供应商挤兑就容易出现崩盘。

 

网易科技记者了解到,之前传闻金立拖欠员工工资已经补发:有员工向网易科技表示感觉情况在好转;同时,网易科技联系了金立手机工厂方,对方表示工厂运行正常。而金立董事长刘立荣在接受《证券时报》记者采访时也表示,会分三个步骤来解决资金问题,债会一步一步偿还。

 

这个金立史上最大的劫,已经渡过了吗?

01

欠款或达百亿

 

今年1月16日金立董事长刘立荣被爆41.4%股权被冻结之后,金立多起的诉讼和债权纠纷案件浮出水面。

 

先是欧菲科技。据网易科技了解,欧菲科技特意举办了一次投资人电话会议,专门提及了金立欠款相关事宜。为安抚投资者的情绪,当时欧菲科技表示,金立确实有欠款,但可以放心:金立在欧菲科技的抵押物价值远高于欠款。

 

而欧菲科技董秘办公室也向网易科技透露,早在2017年11月份就对金立实行了保全,相关抵押物总体估值超过20亿。

 

欧菲科技发布的最新公告显示,部分客户应收账款计提坏账损失3亿元。至于该客户的身份,业界认为应为金立。

 

其次是维科精华。

 

1月27日,维科精华一气连发三个公告,称因2017年净利润为负值,其连续2年亏损、可能面临着被实施退市的风险;至于2017年亏损的原因,与子公司存在着8409.99 万元应收款有一定关联,而且结果存在不确定性。

 

资料显示,维科精华子公司宁波维科电池有限公司向宁波市北仑区人民法院递交了诉状,被告为东莞金卓通信科技有限公司、深圳市金立通信设备有限公司、东莞市金铭电子有限公司、深圳市金立科技有限公司以及刘立荣。

 

这几家公司中,金卓通信是金立通信的全资子公司,金铭电子92%的股权归金立通信所有,同时,金立通信持有金立科技95%的股权。而且,刘立荣是金利通信最大股东,持有41.4%股权,也是金铭电子、金立通信、金立科技的法定代表人。

 

宁波维科电池有限公司起诉的原因是对方拖欠货款。

 

截止到2017年12月31日,金卓通信直接向维科电池采购的未付货款金额为2111.37万元(已扣除两张未兑付的支票),未兑现支票金额1422万元,未付款金额共计3533.37万元;截止到2017年12月31日,金铭电子直接向维科电池采购的未付货款金额为3598.62万元,未兑现支票金额1278万元,未付款金额共计4876.62万元。

 

随后是厦门天马微电子。

 

2017年6月27日法院判决金铭电子向厦门天马微电子支付债权转让对价款242.288247万美元(约人民币1530万元)。

 

(图一:天马与金铭电子的债务合同)

 

资料显示,金卓通信、金立与国显电子也有债权人代位权纠纷。

 

对于以上的欠款,来自供应链的人士向网易科技表示:“这些都不是大头,还有一家供应商被金立拖欠了7.5亿。”

 

出于对该供应商的保护,该人士并未透露其具体公司名。但该人士表示,这7.5亿元已经做了银行保理,只要出货银行就要付款8成,即是说该厂商损失可能只有2成。

 

所谓银行保理就是通过对应收账款进行核准和购买,向卖方在基于买方信用条件下,提供短期并可循环使用的贸易融资、账款催收、坏账担保等服务。

 

另外一名供应链人士向网易科技透露,金立对外欠款可以达到百亿,其中拖欠银行86亿、拖欠供应商40多亿元。

 

网易科技通过公开资料查询发现,刘立荣多个公司陷入抵押或合同纠纷中:金铭电子2017年已有3个动产抵押,债务期限到2019年2月25日,抵押权人浙江浙银金融租赁股份有限公司;持股30.66%的东莞市金众电子有4个动产抵押,债务期限2019年8月19日,抵押权人远东国际租赁有限公司;金利科技有限公司也遭到了多个人民法院的股权冻结;刘立荣本身持有金立公司41.4%的股权也被进行了轮候冻结。

 

除此之外,刘立荣以及其各公司也在2017年1月份陷入了多起诉讼。

 

(图二:刘立荣以及其各公司陷入多起诉讼)


02


赌博输钱只是个烟雾弹?

 

金立突然之间出现如此多诉讼和债权纠纷,有不少业内人士认为刘立荣赌博输钱是导火索。据外界传言,刘立荣赌博输了金额巨大的款项,有传言称金额为3、4亿,也有传言称金额为10亿、甚至还有输了30多亿的传言。对此,刘立荣在接受《证券时报》采访时表示,那只是市场传闻。

 

而与刘立荣贴身相处一年多的某高管也向网易科技表示,其并没有发现刘立荣进行了这么大的赌博,“小赌是有可能的,但不可能输那么多。”

 

金立公关人员向网易科技否认了赌博输钱说。

 

“相比赌博欠款与拖欠供应链钱,哪个更容易让金立倒闭?赌博只是个烟雾弹,主要是为了掩盖供应链欠款。”某行业人士这样向网易科技解释赌博说的来源。

 

刘立荣也在接受《证券时报》采访时表示,金立资金链问题爆发是因为2016年-2017年两年营销和投资费用超限所致:这两年金立在营销上开始学习OV,疯狂的砸广告、请明星(冯小刚、余文乐、薛之谦、刘涛等)代言、赞助热播综艺节目。

 

据了解,金立M6/M6Plus特约赞助了《我们战斗吧》、独家冠名《真声音》、特约赞助《笑傲江湖》、冠名《四大名助》、赞助《跨界歌王》、冠名《今夜百乐门》。在2017年年初的时候,据金立的规划,2017年将会在S/M两个系列上投入约19亿人民币用于推广宣传,冠名了各档热门综艺节目。

 

刘立荣也透露,2016~2017年金立营销费用投入60多亿元。

 

投入重金砸广告,但手机销量的提升并不匹配。来自GfK的数据显示,2017年金立手机国内销量排名第七,售出1494万部手机,这与年初刘立荣定的国内目标销量保底3000万台,挑战3800万台相差甚远。至于海外销量,金立尚未对外公布。

 

刘立荣曾在接受媒体采访时表示过,包括金立在内的手机厂商,只有做到全球年销量1亿台的规模企业才会安全。

 

对此,IDC分析师金迪向网易科技表示,金立今年手机销量不佳与大环境有关:2017年中国智能手机市场增长出现停滞,出货量首次出现下跌。其表示,“金立的主要市场是四五线城市,该人群已经实现了智能手机的换机,市场增长空间变小。即使是疯狂的营销也未能挽救销量不佳。”

 

除了巨额营销之外,金立还对外进行了大量投资。在2017年7月份时,刘立荣就表示金立将会在重庆有比较大的投资,预计在接下来的投资当中总投资将会达到50亿元。

 

除此之外,金立还在建大厦。据网易科技了解,2014年金立以7.1亿元竞拍下位于深圳市前海深港现代服务业合作区的T102-0248宗地的使用权,该地面积5776.77平方米。金立想要在此建立一所金立大厦。2015年11月份该大厦开始开工,历时一年在2016年10月份封顶,但装修尚在进行当中。

 

有业内人士向网易科技表示,金立盖大厦也是一笔不小的开支。网易科技从金立高层处得知,除了地皮花了7.1亿元,盖楼大概需要花费十多亿元。

03


生死一线

 

“无论是传闻中的赌博赌输了,还是十几亿盖楼,还是二十多亿营销开支,对刘立荣来说都不是事儿,但就怕所有的供应商一起来挤兑。”有行业人士向网易科技如此分析道。

 

不过,金立的内部人员向网易科技记者表示,之前拖欠的工资已经发放,情况似乎有所好转。

 

而网易科技也联系了金立工厂方面,其表示工厂一切运作正常。

 

据了解,为了降低成本,本身就是手机ODM厂商的金立,在2017年三季度开始找ODM厂商生产手机。

 

“一款手机研发需要10个月,一个手机公司每年也就发10款左右新机,每款手机需要研发费3000万,成本1000元,备货1000万台就需要10亿元。所以,手机公司每款产品都不能有闪失。金立通过第三方ODM厂商,可以避免备料风险,降低成本,增加利润。”某ODM厂商向网易科技表示。

 

据网易科技记者了解,金立有部分手机找到了华勤和龙旗生产。

 

对于未来,刘立荣给了外界非常积极的信号:不会跑路,债务会一步步偿还。

 

在这场前所未有的大危机下,金立和刘立荣将如何应对?未来又将走向何方?

发现钛媒体,72问新生机;碎片时间,系统学习

点击阅读原文订阅孙振耀「72问」专栏,精彩不容错过
深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
评论
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