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
在我们的日常生活中,睡眠的重要性不言而喻。一个晚上没睡好,第二天的工作效率就会大打折扣,而充足的睡眠不仅能让我们恢复精力,还能帮助大脑整理和巩固当天学到的知识。有趣的是,AI模型竟然也表现出了类似的“睡眠需求”。
DeepSeek-AI团队通过创新的软硬件协同设计,仅用2048张GPU训练出性能卓越的DeepSeek-V3大语言模型,挑战了AI训练需要海量资源的传统观念。该研究采用多头潜在注意力、专家混合架构、FP8低精度训练等技术,大幅提升内存效率和计算性能,为AI技术的民主化和可持续发展提供了新思路。
尽管模型上下文协议(MCP)自11月推出以来用户数量快速增长,但金融机构等监管行业仍保持谨慎态度。银行等金融服务公司虽然在机器学习和算法方面是先驱,但对于MCP和Agent2Agent(A2A)系统的采用较为保守。监管企业通常只使用内部代理,因为其API集成需要经过多年审查以确保合规性和安全性。专家指出,MCP缺乏基本构建块,特别是在互操作性、通信标准、身份验证和审计跟踪方面。金融机构需要确保代理能够进行"了解您的客户"验证,并具备可验证的身份识别能力。
加拿大女王大学研究团队首次系统评估了大型视频语言模型的因果推理能力,发现即使最先进的AI在理解视频中事件因果关系方面表现极差,大多数模型准确率甚至低于随机猜测。研究创建了全球首个视频因果推理基准VCRBench,并提出了识别-推理分解法(RRD),通过任务分解显著提升了AI性能,最高改善幅度达25.2%。