
迅雷回应:迅雷大数据员工涉嫌买通团伙恶意诽谤迅雷玩客币业务
11月30日下午,迅雷公司发布公告,称有关对迅雷公司玩客云和玩客币业务的不良传闻系迅雷大数据公司员工买通团伙聚众污蔑的恶意诽谤事件,并表示经警方调查,买通团伙的当事人张文东为迅雷大数据公司员工。
迅雷集团经内审调查发现,张文东进入迅雷大数据的推荐人为迅雷大数据实际控制人於菲的下属乔琦,迅雷称於菲还曾为乔琦申请10万元“公关费”,於菲也因涉嫌利益输送和侵吞集团资产正在接受调查。
至此,迅雷和迅雷大数据在近三天内的激烈内斗已进展到第五回合。具体事件进展回顾如下:
第一回合
迅雷公司:11月28日午间发布公告称,迅雷已正式撤销迅雷金融、迅雷易贷、迅雷小游戏、迅雷爱交易等业务的品牌和商标授权,并要求其全面停止对迅雷商标的任何使用。据悉,这一系列业务均为迅雷大数据公司及其子公司经营。
根据该公告,迅雷大数据公司是迅雷在2016年8月投资的企业,在2016年12月迅雷占股已下降至28.77%,并失去董事会席位。迅雷公司认为,自身对该公司以迅雷名义进行的业务,已经缺乏监督和管理的途径;在财报层面,迅雷财报也从未将迅雷大数据公司及其子公司业务纳入财务结果。
迅雷大数据公司:11月28日下午回应称,未收到集团任何违约通知,直指上述公告是陈磊以其担任迅雷CEO之便利,打击报复迅雷大数据不愿其开展的玩客币违法违规活动中同流合污的单方面行为,并非迅雷集团按照公司治理规程审慎决策后的违约表示。
与此同时,痛斥该玩客币活动没有采用区块链技术,是个顶风违反7部委文件,利用非法交易所、非法群体传销、变相ICO、非法集资的骗局。
第二回合
迅雷公司:11月28日晚再次发布公告,否认迅雷大数据公司将首份公告归咎于陈磊个人的说法,称其为来自迅雷董事会指导下的行为;还称已向迅雷大数据公司发送了律师函,并要求其全面停止对迅雷商标的任何使用;此外,还透露之所以收回商标,是因为迅雷集团经调查发现,迅雷集团与迅雷大数据公司的协议中存在多处显失公平的项目。
迅雷大数据公司:回应称从未收到迅雷集团的任何律师函,请迅雷公司CEO陈磊停止欺骗公众,侵犯迅雷大数据公司的利益;此外,再次试图将矛头指向玩客币,称曾受到玩客币的牵连被约谈过,并呼吁业界技术专家考察玩客币。
第三回合
迅雷公司:11月29日凌晨,迅雷公司董事会发布致全体股东信,强调会对 CEO 陈磊有着充分的信任和授权;针对迅雷大数据公司对玩客币的说法,迅雷公司董事会对其澄清,并称其符合国家的法律法规;迅雷相关人士透露,迅雷是这场事件的受害者,未履行出资义务却获得多家公司控制权的迅雷大数据公司实控人於菲才是最大受益人;29日下午,迅雷再次发布全员邮件,称即日起暂停高级副总裁於菲在迅雷集团的一切职务。
迅雷大数据公司:11月29日下午,回应称迅雷美股上市公司是注册在开曼群岛的离岸公司,根本不是迅雷大数据公司的股东,其声明中所说与“迅雷大数据公司之间的商业纠纷”子虚乌有;此外,迅雷大数据公司的股东之一为迅雷网络,其主要股东为邹胜龙(76%),其董事会与开曼群岛迅雷有限公司的董事会是两套人员,各自独立运作;与此同时发布文章《九评玩客币(一)》,称迅雷CEO陈磊率网心公司顶风作案,违法充当玩客币黑市交易的清结算服务商。
第四回合
迅雷公司:11月29日晚间,迅雷高速再次发布公告,重申将采用法律手段收回对迅雷大数据及其子公司的品牌授权的立场;与此同时,呼吁民众不要再使用迅雷大数据公司旗下的金融产品,若因使用该公司的金融产品而导致财产和利益受损,迅雷不能承担任何责任。
迅雷大数据公司:尚未给出回应。
以下为迅雷公司11月30日下午发布的声明,具体如下:
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据成为新时代“石油”的今天,几乎每个职场人都在焦虑: “为什么别人能用数据驱动决策、升职加薪,而我面对Excel表格却无从 ...
2025-10-18数据清洗是 “数据价值挖掘的前置关卡”—— 其核心目标是 “去除噪声、修正错误、规范格式”,但前提是不破坏数据的真实业务含 ...
2025-10-17在数据汇总分析中,透视表凭借灵活的字段重组能力成为核心工具,但原始透视表仅能呈现数值结果,缺乏对数据背景、异常原因或业务 ...
2025-10-17在企业管理中,“凭经验定策略” 的传统模式正逐渐失效 —— 金融机构靠 “研究员主观判断” 选股可能错失收益,电商靠 “运营拍 ...
2025-10-17在数据库日常操作中,INSERT INTO SELECT是实现 “批量数据迁移” 的核心 SQL 语句 —— 它能直接将一个表(或查询结果集)的数 ...
2025-10-16在机器学习建模中,“参数” 是决定模型效果的关键变量 —— 无论是线性回归的系数、随机森林的树深度,还是神经网络的权重,这 ...
2025-10-16在数字化浪潮中,“数据” 已从 “辅助决策的工具” 升级为 “驱动业务的核心资产”—— 电商平台靠用户行为数据优化推荐算法, ...
2025-10-16在大模型从实验室走向生产环境的过程中,“稳定性” 是决定其能否实用的关键 —— 一个在单轮测试中表现优异的模型,若在高并发 ...
2025-10-15在机器学习入门领域,“鸢尾花数据集(Iris Dataset)” 是理解 “特征值” 与 “目标值” 的最佳案例 —— 它结构清晰、维度适 ...
2025-10-15在数据驱动的业务场景中,零散的指标(如 “GMV”“复购率”)就像 “散落的零件”,无法支撑系统性决策;而科学的指标体系,则 ...
2025-10-15在神经网络模型设计中,“隐藏层层数” 是决定模型能力与效率的核心参数之一 —— 层数过少,模型可能 “欠拟合”(无法捕捉数据 ...
2025-10-14在数字化浪潮中,数据分析师已成为企业 “从数据中挖掘价值” 的核心角色 —— 他们既要能从海量数据中提取有效信息,又要能将分 ...
2025-10-14在企业数据驱动的实践中,“指标混乱” 是最常见的痛点:运营部门说 “复购率 15%”,产品部门说 “复购率 8%”,实则是两者对 ...
2025-10-14在手游行业,“次日留存率” 是衡量一款游戏生死的 “第一道关卡”—— 它不仅反映了玩家对游戏的初始接受度,更直接决定了后续 ...
2025-10-13分库分表,为何而生? 在信息技术发展的早期阶段,数据量相对较小,业务逻辑也较为简单,单库单表的数据库架构就能够满足大多数 ...
2025-10-13在企业数字化转型过程中,“数据孤岛” 是普遍面临的痛点:用户数据散落在 APP 日志、注册系统、客服记录中,订单数据分散在交易 ...
2025-10-13在数字化时代,用户的每一次行为 —— 从电商平台的 “浏览→加购→购买”,到视频 APP 的 “打开→搜索→观看→收藏”,再到银 ...
2025-10-11在机器学习建模流程中,“特征重要性分析” 是连接 “数据” 与 “业务” 的关键桥梁 —— 它不仅能帮我们筛选冗余特征、提升模 ...
2025-10-11在企业的数据体系中,未经分类的数据如同 “杂乱无章的仓库”—— 用户行为日志、订单记录、商品信息混杂存储,CDA(Certified D ...
2025-10-11在 SQL Server 数据库操作中,“数据类型转换” 是高频需求 —— 无论是将字符串格式的日期转为datetime用于筛选,还是将数值转 ...
2025-10-10