房地产并购重组需谨慎处理三大关键点******

　　王丽新

　　新年伊始，房企处置资产、启动并购重组计划不断出炉。据不完全统计，自2022年11月底“第三支箭”落地以来，涉房企业披露的收并购案总交易对价超过576亿元。

　　支持房企股权融资的“第三支箭”发出，正进一步有效化解房企风险，加快推动行业风险出清，对“稳预期、稳信心、稳投资”起到重要作用。但从实操层面来看，其中涉及并购重组的交易资金规模大、并购程序繁琐，方案是否成功也存在不确定性。在笔者看来，这期间，上市房企需谨慎处理三大关键点。

　　并购前期，需理性选择适合企业自身的并购标的。在当下的市场格局中，稳健型房企有发展优势、有扩表需求，可供其“挑选”的资产标的池子也很大。但不同企业业务布局、细分市场话语权、主力产品业态以及战略发展方向均各有特色，背后的大股东资源也不尽相同。并购重组是企业发展历程中的大事，需顺应市场需求，仔细甄别被并购标的资产质量、经营状况、企业文化与管理等方方面面是否与自身匹配，不能盲目选择标的，要“补短板优长处”，采用合理的估值方法进行评估，实现“1+1＞2”效应。

　　并购中期，需做好尽调以及匹配最优的并购方式。不同于其他行业，房地产行业并购重组涉及的资产标的多数都是正在开发或销售的项目，周期较长，少则一两年多则十年八年才能清盘交付，这其中参与方较多，夹杂“明股实债”等现象，背后的债权关系复杂，需充分尽调，确保风险指数处在可控范围内且有收益空间，谨慎对待再出手。

　　此外，涉及并购重组的双方都应跟随政策节点，谨慎考量支付以及融资方式，无论是向特定投资者非公开发行股份募资，还是现金支付等，都需最大可能地寻找长期且成本较低的资金。毕竟，合理的并购方式能确保企业在并购过程中及时避免和合理应对风险，进而保证现金流安全。

　　并购后期，需注重业务协同及资源整合，达到提升效益的目的。当闯过前面的重重难关，并购项目进入落地阶段时，往往是实现有质量的并购重组最重要的一环。若企业实施并购重组后能在业务、经营、财务以及人力等方面达到很好地融合，其成果将快速在财务报表及业务模式方面形成良性循环。反之，并购标的则会成为收购方业绩表现的“拖油瓶”。

　　更重要的是，要想实施好房地产行业并购重组，需强化对上市房企、涉房上市公司并购重组、再融资的监管力度。一方面，收购方收进来的须是优质资产，才能更好地发挥资本市场优化资源配置的作用；另一方面，上市房企、涉房上市公司的再融资，需市场主体有真正融资和业务需求才能启动，更要保证并购重组的配套融资真正用在方案提及的项目以及“保交付”的项目中，否则会与发出“第三支箭”的初衷背道而驰。

　　总体而言，在行业风险持续出清过程中，并购重组活动有望逐渐增加。企业整合资源后，经营状况有望改善，同时将淘汰落后企业，改善产业结构，优化行业资产负债表，推动房地产行业朝着更好的方向发展。

报告显示：超六成受访者认为应强制企业公开算法******

　　光明网讯（记者 李政葳）“当前，国内对于算法治理的基本思路和框架都是清晰的，而分级分类精准治理的模式应当可以解决如何落实的问题。”在日前举办的“2022啄木鸟数据治理论坛”上，谈及算法治理的现状，清华大学人工智能国际治理研究院副院长、人工智能治理研究中心主任梁正表示，算法分级分类本身不是目标，而是要针对不同风险场景配备不同监管规则。

　　论坛由南都个人信息保护研究中心联合清华大学人工智能国际治理研究院、人工智能治理研究中心（清华大学）主办。其间，南都个人信息保护研究中心发布《算法应用与治理观察报告》《个人信息安全年度报告》《平台经济反垄断观察报告》。

　　记者了解到，《算法应用与治理观察报告（2022）》，梳理了国内外的多项法规，结合热点事件及应用场景呈现了算法治理现状，并发布千份算法治理调查问卷了解公众对算法公开和算法治理的了解程度和基本态度，最后基于多方调查分析，给出了当前算法趋势观察以及未来治理方向建议。

　　报告发现，目前国内算法治理仍处于早期探索阶段，企业的算法公开主要依靠官方的互联网信息服务算法备案系统，或在舆情事件发生之后。调查问卷结果显示，近半受访者承认算法让自己的使用体验更好，但仅一成受访者认为企业算法公开做得很好，逾六成的受访者称曾遭遇“大数据杀熟”；超过六成的受访者认为应该强制企业公开算法。

　　“在数据、算法方面治理政策进展显著，在平台与应用方面的政策和落地尚需加紧。”中国科学院人工智能伦理与治理研究中心主任、国家新一代人工智能治理专委会委员曾毅认为，目前人工智能伦理有三个相当紧迫的问题需要被正视：首先，人工智能应当被适度使用；其次，目前人工智能服务知情同意落地艰难，被迫知情同意普遍存在；最后，目前用户数据的授权撤销在人工智能服务中存在巨大挑战，需要监管和更高层的网络服务提供方联合提出更合理的政策与解决方案。

　　针对日前发布的《互联网信息服务深度合成管理规定》，中国政法大学数据法治研究院教授张凌寒表示，从算法治理角度来说，深度合成管理规定与之前的算法推荐管理规定的思路有所不同，前者采用了一种“三位一体由的数据与技术规范。

　　具体来讲，由于深度合成技术的门槛较高，技术支持者也被纳入了监管范围内。比如，深度合成服务提供者提供智能对话、合成人声、人脸生成、沉浸式拟真场景等服务，应当进行显著标识，这就将更重的责任落在了服务提供者身上。

　　中国社科院科技和社会研究中心主任段伟文提到，算法治理需要构建可信任的算法认知，而这需要产业和消费者的共同努力：产业要努力提升算法精准性、透明度，减少偏见，减少歧视；消费者则需要提高数字素养，提升算法意识，加强在人机互动中自主性、控制感和协同意识。