希捷技术公司已经同意收购存储系统供应商Dot Hill Systems,此举将帮助希捷继续努力提升自身在存储价值链中的所处位置。
位于加利福尼亚州库比蒂诺的希捷是目前全球最顶尖的两大磁盘驱动器及SSD厂商之一,同时其在中小型企业存储解决方案市场上的份额亦愈加可观。希捷方面此次的收购计划将耗资6.94亿美元——如果除去Dot Hill公司持有的现金,那么总额则为6.45亿美元。
预计这笔交易将在2015年第四季度内彻底结束。
截至本文发稿之时,希捷与Dot Hill双方都没有对我们提出的询问作出回应。
希捷公司指出,Dot Hill旗下基于外部存储阵列的系统及软件产品将成为希捷云系统与电子解决方案业务的组成部分。这位存储巨头还计划利用Dot Hill的存储技术知识产权及软件为双方OEM客户群体带来更多增量价值。
Dot Hill公司业务当中有相当一部分来自面向面向OEM存储厂商合作伙伴的产品销量。在销售Dot Hill解决方案的合作厂商中有着大量我们耳熟能详的名字,其中包括宏碁、戴尔、惠普、联想、昆腾、三星以及Stratus Technologies等。
对于那些希望通过渠道销售合作伙伴购买Dot Hill解决方案的客户,该公司在官方网站上建议他们与总部设在加利福尼亚州圣何塞的昆腾进行联系。Dot Hill与昆腾于今年4月签订了一份合作协议,其中约定昆腾将Dot Hill的整个企业级磁盘存储系统产品线集成至自家分层存储方案当中。
作为这项协议的一部分,Dot Hill同意使用昆腾方面的渠道推广、销售与营销资源以及全球服务与技术支持体系。
Dot Hill公司在过去一年当中实现了销售额与净利润双增长的良好局面。该公司于本月早些时候公布了其2015财年第二季度的运营报告,其GAAP营收为6150万美元,远高于2014财年第二季度的4820万美元。GAAP净利润则为70万美元,折合每股1美分,而上年同期这一数字则为亏损10万美元。
“我仍然坚信我们是惟一一家能够在预期与实际营收增长幅度方面给出两位数结果的存储厂商,而净利润的增长幅度还要更大,” Dot Hill公司总裁兼CEO Dana Kammersgard在一份关于第二财季运营状况的声明当中指出。
希捷公司此次决定收购Dot Hill其实可以算是在意料之中,Berkeley Communications公司首席技术官Zeki Yasar表示——这是一家来自加利福尼亚州埃默里维尔的解决方案供应商。
希捷与其磁盘产品竞争对手西部数据双方都在积极收购并推出非组件型存储技术方案,Yasar在采访当中指出。
“双方似乎都在努力提升自身在价值链当中的定位,”Yasar解释称。“随着SSD销量对于高利润SAS磁盘驱动器业务的不断蚕食,传统驱动器制造商已经逐渐失去了这一利润丰厚的产品根据地。”
Yasar同时表示,希捷与Emeryville的结合对于两家企业来讲都将是一件好事。
“我发现,希捷公司正试图利用Dot Hill所拥有的一部分OEM合作关系,”他指出。“希捷方面也可以将希捷驱动器产品纳入到Dot Hill存储系统当中,从而实现更为理想的增值销售效果。这将使得希捷不再被束缚在组件供应业务领域。而对于Dot Hill来讲,这笔交易也有助于其挽回惠普、甲骨文-Sun以及NetApp等原本已经很难维系的OEM合作关系。”
好文章,需要你的鼓励
多年来,初创公司依赖传统营销手册制定市场策略,但AI正在改变这一现状。GTMfund合伙人表示,AI让企业能够以更少资源实现更多目标。谷歌云营销副总裁强调,虽然AI提升了效率,但营销专业知识仍不可或缺。OpenAI初创企业负责人发现,许多公司已将AI融入营销策略,通过个性化和精准定位获得竞争优势。AI工具在潜客开发和入站营销资质评估方面表现突出,企业招聘策略也从专业技能转向好奇心和适应能力。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
贝尔金推出多款Qi2无线充电产品,包括3合1充电支架、8K容量充电宝、折叠式MagSafe支架等。3合1充电支架支持iPhone、AirPods和Apple Watch同时充电,售价77美元。8K充电宝配备支架功能,提供28小时续航。还有便携折叠充电支架、10000mAh移动电源和108W四口充电器等产品,网络星期一期间享受30-50%折扣优惠。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。