模拟芯片供应商Skyworks Solutions有限公司将以20亿美元现金收购网络与存储混合信号IC厂商PMC-Sierra公司——这项消息于本周二,也就是10月6日正式公布。
Skyworks公司(位于马萨诸塞州沃本市)表示此次收购将补充并拓展自身产品组合、客户群体以及目标市场。
Skyworks公司董事长兼CEO David Aldrich在一次电话会议上指出,此次收购交易将“在下一步半导体发展过程当中创造出由模拟与混合信号共同组成的业务空间”,从而应对数字化内容与数据流量即将出现的爆炸式增长。
此次收购“让我们得以显著扩展自身服务所面向之市场范畴,”Aldrich指出。“在合并工作完成之后,Skyworks公司将能够全面针对移动、连接以及如今的云环境发起冲击。”
这份公告也再一次证明了半导体行业内如今正被一场合并交易之浪潮所席卷,各芯片厂商将其作为主要发展战略以提升自身业务规模、扩大销售受众并推动产品进入其它毗邻市场。根据市场研究企业IC Insights公司的观点,半导体行业仅在2015年前六个月中的并购交易总额就高达726亿美元,已经达到前五年全年平均并购额的六倍。
Aldrich对Skyworks公司此次收购活动的三项主要动机进行了概述。首先,这笔交易将使得Skyworks能够对自身服务市场进行扩展,从而进军云计算以及其它互补性增长细分领域。
而第二大驱动因素则是因为,Skyworks公司意识到将PMC-Sierra的混合信号存储与传输产品同Skyworks自家RF与模拟方案相结合能够带来可观的收益,此外二者亦的客户群体与运营效率也能够借此得到有效改善,Aldrich指出。“将我们的这两项业务加以整合将在半导体行业中创造出一家重量级厂商——拥有一整套具备高度创新性的产品组合,同时充分发挥双方下辖之现有客户受众,”Aldrich解释称。
第三个理由在于,Skyworks公司认为两家企业在结合之后将给每股收益带来显著提升,从而帮助股东获得更为可观的价值回报。“我们认为收购PMC-Sierra能够直接帮助我们实现超越市场平均增长水平的理想财务收益,”他进一步补充称。
“考虑到Skyworks自身拥有深入的全球销售渠道以及领先的应用支持能力与世界级供应链体系,我们认为其无疑是最为理想的合作对象,”PMC-Sierra公司总裁兼CEO Greg Lang指出。
根据协议条款所要求,PMC-Sierra公司的各位股东将获得每股普通股票10.50美元的收购价格,这一水平较本周一该公司股票的收盘价格高出37%。两家公司的董事会已经批准了这项收购交易,并预计将在2016年上半年彻底完成。不过目前PMC-Sierra方面的股东还没有对此给出最终意见。
Skyworks方面表示,其将以现金与债务融资相结合的方式完成此次收购交易。
在排除了非经常性收购相关费用以及收购所带来的无形资产摊销之后,Skyworks公司预计此次收购能够在交易完成后立即带来非GAAP收益,而交易最终会给财务状况以及双方市值总和带来显著影响。
Skyworks公司同时宣布,其预计2015财年第四季度自身销售总额将达到8.8亿美元,净利润折算后为每股1.52美元。
好文章,需要你的鼓励
这项研究提出了ORV(占用中心机器人视频生成)框架,利用4D语义占用作为中间表示来生成高质量的机器人操作视频。与传统方法相比,ORV能提供更精确的语义和几何指导,实现更高的时间一致性和控制精度。该框架还支持多视角视频生成(ORV-MV)和模拟到真实的转换(ORV-S2R),有效弥合了虚拟与现实之间的差距。实验结果表明,ORV在多个数据集上的表现始终优于现有方法,为机器人学习和模拟提供了强大工具。
这项研究由Writer公司团队开发的"反思、重试、奖励"机制,通过强化学习教导大型语言模型生成更有效的自我反思内容。当模型回答错误时,它会生成反思并二次尝试,若成功则奖励反思过程。实验表明,该方法在函数调用和数学方程解题上带来显著提升,最高分别改善18.1%和34.7%。令人惊讶的是,经训练的小模型甚至超越了同家族10倍大的模型,且几乎不存在灾难性遗忘问题。这种自我改进技术为资源受限环境下的AI应用开辟了新方向。
FuseLIP是一项突破性研究,提出了通过早期融合离散标记实现多模态嵌入的新方法。与传统CLIP模型使用独立编码器不同,FuseLIP采用单一编码器同时处理图像和文本标记,实现了更自然的模态交互。研究证明,这种早期融合方法在多种多模态任务上表现优异,特别是在需要理解图像结构而非仅语义内容的任务上。研究还开发了创新的数据集和评估任务,为多模态嵌入研究提供了宝贵资源。
ByteDance与浙江大学合作开发的MERIT是首个专为多语言多条件语义检索设计的基准数据集,包含320,000条跨5种语言的查询和135,000个产品。研究发现现有模型在处理多条件查询时过度关注全局语义而忽略特定条件元素,为此提出CORAL框架,通过嵌入重建和对比学习相结合的方式,使检索性能提升45.9%。这项研究不仅识别了现有方法的关键局限性,还为多条件交错语义检索领域的未来研究奠定了基础。