数据设备设备供应商Emulex公司受到激进派投资方埃利奥特资本管理公司的强势施压,已经决定放弃运营独立性、并以6.06亿美元现金——折合每股8美元——将自身出售给Avago技术公司。这一结果对于Emulex公司各位高管及投资方来说无疑算是笔意外之财。
除了Emulex之外,Avago方面还买下了该公司所拥有的主干光纤通道HBA业务、新兴以太网连接分析业务Endace以及其它一些规模较小的芯片附加业务。
光纤通道市场目前虽然已经停止增长,但其仍然无愧于老牌吸金利器的名号。当下整体市场正在由8Gb每秒向16Gb每秒转型,而未来还将迈入32Gb新层面——从未来角度看,升级预期以及OEM业务前景都非常明确。
尽管光纤通道SAN正受到来自服务器SAN、超融合型系统、iSCSI SAN以及HDFS大数据集群的四下围攻,但前者在可靠性与稳定性方面仍然具备着无法替代的优势。
Endace方面的状况却有所不同。在几年前将其购入囊中时,Emulex公司本希望能够推动其重新迈上增长正轨、进而实现年均4000万美元的营收水平。然而事与愿违,其最终市场表现仅达到预期的十分之一。
埃利奥特资本管理公司早在Endace收购案之前就已经买进Emulex公司的大量股票,而且其当时曾强烈反对这一金融冒险行为。
Avago公司则是一家专门从事产品组合构建的厂商——而非典型的高增长型技术初创企业。值得注意的是,在当初收购LSI时,Avago选择保留自身需要的业务元素并将其余部分再次出售——考虑到这一点,我们认为Endace也很可能再一次面临待价而沽的命运。
Avago公司总裁兼CEO Hock Tan在一份声明中表示:“Emulex公司的连接业务能够与Avago方面在企业级存储终端市场上的现有产品组合实现良好的契合效果。”
Benck在声明中同时补充称:“此次合并对于Emulex及其旗下员工而言是一次良好的历史性发展机遇,能够帮助我们为客户提供前沿性解决方案、同时为我们的股东带来立竿见影的实际价值。”
这份公告中还提到:“Emulex公司管理团队中的高层人员以及全部Emulex主管共同持有Emulex现有股份总额的约2.5%,他们已经通过招标及交易执行对此次收购提供支持。”
大家可能还记得2009年时博通公司曾经试图以9.12亿美元收购Emulex,但却被后者董事会予以否决,这是否意味着在决策者们看来Emulex的实际价值遭到低估?
如今五年已经过去,6.06亿美元的价码已经被Emulex高管层正式接受,这一数字较2009年下降了34%。虽然值得肯定的是,Emulex公司近年来营收水平曾经出现稳步提升——由2009财年的3.78亿美元到2010财年的4亿美元再到2012财年的5.02亿美元——但其2014财年的营收总额却下滑到了4.47亿美元。
这已经足够说明问题了。
此次收购对于QLogic以及其它一些遭受光纤通道业务营收增长缓慢局势困扰的HBA供应商来说意味着什么?他们的努力是否仍然无法帮助自身脱离光纤通道困局?QLogic公司已经拿下了博科的HBA业务,同时将自身InfiniBand业务出售给英特尔并且拥有优于Emulex的产品营收表现——预计该公司在最新财年中的年度营收总额已经高于5亿美元。从过去九个月来看,QLogic的净利润为4000万美元。
Emulex公司在最新财年中的营收略低于4.5亿美元,而净亏损额则为2950万美元。
QLogic方面目前已经成为一家成熟的企业,而业务高速发展的黄金时代也已经一去不复返。根据合理预期,该公司将通过其HBA业务实现有利可图的资金吸引力,也必然迫切希望利用这笔款项投资在其它更具发展空间的技术领域。又或者,QLogic公司也许会成为Avago或者PMC Sierra等厂商眼中值得认真考虑的理想收购对象。
根据Emulex收购案的比例——年度营收为4.5亿美元,收购价格为6.06亿美元——计算,QLogic的收购价格可能在7.5亿美元左右。
我们还对SAN网络嗅探与上层堆栈分析厂商——例如ExtraHop、Virtual Instruments以及QLogic等——之间的结合可能性表示关注。从理论层面看,各方的技术成果之间似乎存在着互补关系。
随着Avago收购案的公布,Emulex公司的客户及各销售渠道合作伙伴将摆脱Emulex前景中不确定性因素的负面影响。目前Avago与Emulex双方董事会已经同意此次交易,而且只要后者各股东不会从中作梗、那么收购活动基本属于板上钉钉。此次交易将于今年十一月彻底结束。
好文章,需要你的鼓励
Instagram负责人莫塞里在接受采访时透露,平台正考虑引入长视频内容功能,尽管此前一直专注于短视频。他承认为了吸引优质内容,Instagram可能需要支持长视频格式。此外,Meta最近推出了"您的算法"功能,旨在让用户更好地控制信息流内容。莫塞里承诺未来将提供更多工具,让用户主动塑造个性化内容,但完整实现可能需要2-4年时间。
香港大学联合Adobe研究院提出PS-VAE技术,成功解决了AI无法同时具备图像理解和生成能力的难题。通过创新的两阶段训练策略,让AI既能准确理解图片语义,又能生成高质量图像,在图像编辑任务上性能提升近4倍,为统一视觉AI系统开辟新路径,在数字创作、教育、电商等领域具有广阔应用前景。
在信息爆炸的时代,AI实验室的研究员们常常需要面对海量的论文、专利文件、论坛发言等各种渠道的信息。传统的查找方式不仅费时费力,还容易遗漏关键内容。那么,有没有一种方式能让AI真正代替人工,完成从找资料到写出稿的全流程工作?
华中科技大学与马里兰大学研究团队开发出Sage评估框架,首次无需人工标注即可评估AI评判员可靠性。研究发现即使最先进的AI模型在评判任务中也存在严重不一致问题,近四分之一困难情况下无法保持稳定偏好。团队提出明确评判标准和专门微调等改进方法,为构建更可靠AI评估体系提供重要工具。