
Imation公司已经开始着手推进其前任CEO之一Mark Lucas在任时规划的一系列战略性收购,并将IronKey业务出售给金士顿公司。另外,其还收到了一份来自纽约证券交易所的合规违反公告,表示其市值低于上市要求。
Lucas在任时收购IronKey公司并将其安全U盘硬件作为多元化发展战略的组成部分,旨在抵消由磁带销售下滑与光学存储介质业务缩水所带来的营收冲击--但这一举措并没能取得成功。
现在,激进派投资方正对Imation与Lucas的历史计划加以控制,而Imation方面则专注于推进其Nexsan存储阵列以及Connected Data私有云同步与共享技术。
这意味着IronKey业务已经不再具有实际价值,而这项USB技术及相关资产将为金士顿技术有限公司麾下的金士顿数字化业务部门所接收。
这笔业务交易的具体金额并未披露。
金士顿公司将把IronKey业务同其DataTraveler加密U盘产品相结合。整个结合流程将持续一段时间,期间金士顿方面需要保证有关各方不会立即对当前正在支持IronKey产品的渠道合作伙伴之经营方式产生影响。
加密服务供应商DataLocker公司已经收购了IronKey企业管理服务(简称EMS)平台,其负责对加密U盘进行集中化管理。DataLocker此前还曾从BlockMaster公司手中收购过SafeConsole管理系统,金士顿方面则将这套系统引入到其现有加密U盘产品当中。
金士顿公司闪存业务经理Valentina Vitolo表示:"让DataLocker对于EMS以及SafeConsole的双重管理能力对于我们的全部客户都不啻为一项好消息。"
纽约证交所要求所有上市企业在连续三十天的交易日中最低资本不可低于5000万美元,这意味着股东持有的上市股票总值必须高于5000万美元。一旦股票总值低于这一最低标准,那么证交所方面会发送一份正式的合规违反通知函,而对应企业必须在45天内提供明确的行动计划,从而保证所发行股票能够在接下来18个月内重新符合合规要求。
而Imation方面已经接到了这样一封例规违反通知函。
以下图表显示了该公司过去12个月以来的股票价格走向:

Imation公司过去12个月股票价格走势图。信息来源:谷歌财经
这对于投资者显然是一场灾难,而且根据走势来看其股票价格可谓一路雪崩。Imation公司股票在2015年5月21日的价格为4.72美元,而如今每股价格仅为0.675美元,这意味着Imation的资本总额仅为2409万美元。换句话来说,这意味着Imation公司在过去8个月中市值缩水了85.2%。
克林顿集团于2015年5月控制Imation公司,当时时任CEO的Mark Lucas由于市值缩水而被踢出董事会。而在同年8月,克林顿方面获得了Imation董事会的控制权。
投资者们对于克林顿集团的运营能力显然无甚信心,以上股价走势图表也明确表达出这一点,如今Imation公司的市值已经全面崩溃。
董事会必须想办法让Imation公司的市值重新达到纽约证交所的最低要求,而后将企业转为私营或者在市场上找到一家买家。具体来讲,这一内部传统双控制器阵列市场正呈现出激烈的竞争态势,同时亦面对着各全闪存阵列初创企业、积极转型的主流厂商、混合型闪存-磁盘阵列后起之秀以及超融合型解决方案的持续冲击。
基本上讲,Nexsan产品需要经过一系列开发及调整,从而在同以下厂商的竞争当中取得成功--请大家深吸口气然后一股脑将其念出:戴尔、EMC、HDS、惠普企业业务公司、IBM、Kaminario、NetApp、Nimble、Nutanix、Pivot3/NexGen、Pure Storage、Simplivity、Tegile、Tintri、Uncle Tom Cobley以及X-IO等等。很明显,Nexsan在这场混战当中脱颖而出的可能性真的很低。
如果Imation公司转为私营,那么克林顿集团可能会需要负责运营这样一家私人股本企业。而如果选择整体出售,那么股份的崩盘意味着其只能将其贱卖给潜在收购方。
要想在这一系列猛击中复苏过来,Imation公司恐怕需要祈祷出现奇迹。
好文章,需要你的鼓励
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
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。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
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。