在本届于拉斯维加斯召开的DELL EMC World大会上,双方情绪不错,而且还没有像赛门铁克与Veritas那样暴露出明显的矛盾冲突。
Michael Dell与Joe Tucci连同当时的首席整合官Rory Read一起完成了这次有史以来规模最大的技术企业合并工作。
戴尔与EMC双方都属于经验丰富的收购方,而且一直倾向于将收购资产以独立业务部门的方式保持运作,包括延续原有定位、文化以及自行设计的硬件与软件方案。
以下为相关案例:
戴尔
EMC
戴尔公司掌握着PC、服务器以及部分存储、软件与网络业务。EMC方面则贡献了大量存储硬件与软件、VMware、Pivotal、RSA、Virtustream以及企业内容管理(Documentum等)等资产。
双方企业都拥有自己的行政管理人员,包括直接向CEO报告的双方首席营销官Karen Quintos与Jeremy Burton。两家公司还曾在Michael Dell与Joe Tucci的领导下,拥有长达九年的戴尔经销EMC存储产品合作经验。可以说二者彼此早已熟知——不像赛门铁克与Veritas——且拥有着颇具交集的市场定位。
EMC公司拥有一支企业销售团队及出货渠道,戴尔的销售方式则更为集中。作为收购工作的起点,戴尔公司决定将EMC视为与Compellent乃至EqualLogic相同的独立业务部门。
但企业客户一般会同时从戴尔与EMC处购买产品,因此设立两套独立的销售团队与渠道合作伙伴显然会让客户感到无所适从。正因为如此,双方决定成立新的交易(由Marius Haas领导)与企业(由Bill Scannell领导)销售部门,其出售的产品同时来自戴尔与EMC两边。
在此基础之上,戴尔方面认为其需要拥有单一企业IT基础设施工程与开发部门,且应涵盖服务器、存储与网络等多个领域。也正因为如此,戴尔才决定整体收购EMC,并将其转化为旗下相对独立的运营业务部门。
戴尔公司高管组织结构图
而那些非关键性业务则被出售,包括戴尔软件以及Documentum等产品。
由David Goulden领导的核心EMC存储开发部门基础设施解决方案集团(Infrastructure Solutions Group)转化为戴尔下辖的IT基础设施开发部门,同时更名为戴尔-EMC,其亦包含两个原戴尔产品开发部门:
戴尔-EMC高管结构图,其中蓝色框体为原戴尔部门。
由于存储硬件产品团队成员需要将戴尔服务器纳入其产品,而无法像原先那样继续采用白盒硬件,因此该部门工作人员需要与Ashley Gorakhpurwalla领导下的服务器团队进行对接。在另一方面,Ashley相当于在一夜之间需要面对来自企业内部的大批客户。
Burns领导的部门也遇到了类似的情况——该网络事业部不可放弃与思科方面的合作伙伴以及来自VCE的产品供应。无论是否喜欢,Burns都必须坚持住这一原则。另外,戴尔与Nutanix公司的超融合型设备OEM协议也需要继续维持,而EMC方面的Chad Sakac必须接受这一现实。
在戴尔-EMC之内,Jeff Boudreau的存储部门亦迎来一位新成员——戴尔的SC部门。
而在高管结构变动方面,Karen Quintos成为首席客户官,而Jeremy Burton则出任CMO一职。
通过本届拉斯维加斯大会,我们发现双方在不到一年时间内即呈现出统一的组织面貌。Unity与SC的定位难题已经得到解决,超融合型设备与VxRail/VxRack的定位同样再次确立。没有任何迹象显示有高管人士打算离去,两家公司合并后拥有着极为团结的整体表现。
公司CMO Jeremy Burton将这一功劳主要归结于戴尔创始人,同时指出如此困难的合并工作绝非普通企业及非创始型CEO所能胜任。
总体来看,戴尔与EMC交出了一份堪称教科书级别的合并答卷。Michael Dell表示:虽然“过程中出现了一些问题”,但“目前的情况一切良好”。
至少到目前为止,我们没有看到任何因合并而带来的损失——例如高管成员因不堪忍受而离职。这种情况在大规模企业合并当中其实非常罕见。
然而目前尚处于合并初期,因此我们尚无法断言如果各组件产品团队遭遇销售量低迷问题并开始互相指责之后,情况会出现怎样的恶化。
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。