ZD至顶网软件频道消息(文/邹大斌): 2016年1月21日,普华基础软件股份有限公司(以下简称普华软件)以2.2亿元人民币将其所持有的上海中标软件有限公司(简称中标软件)的股份全部转让给一兰科技。
对于普华软件而言,能顺利从中标软件退出,此后可以全力打造自己的Linux系统,不再有既是对手又是合作伙伴的尴尬,算是一种解脱。更何况,2.2亿元对于普华软件而言还是一个很不错的价格,特别是有中科红旗以3800万元的价格被转手给五甲万京的案例在前。
中标软件是一家以国产基础软件为主要业务的厂商,成立于2003年。根据公开的资料,其股东包括中国电子信息产业集团公司(50%股份)、中国电子科技集团公司(46.5%)和中电32所(华东计算技术研究所,3.5%股份)。作为中国电子科技集团公司旗下的企业,普华软件持有中国电子科技集团公司和中电32所两家共计50%的股份。普华软件总经理赵晓亮任中标软件公司的董事长。
中标软件的核心产品包括中标麒麟(Linux操作系统)、中标普华(办公软件)、中标凌巧(移动车载操作系统)等。受限于整个国产基础软件的产业环境,经营压力很大。从公开的财报信息看,中标软件目前的业务还处于投入阶段。2014年中标软件营收为8879.51 万元,净亏3321.59万元。2015年截至到2015年5月31日,营收为1522.15 万元,净亏2932.55万元。
长期的投入没有回报,不会是一个普华软件希望看到的结果。不过,对普华软件而言,经营压力应该不是其萌生退意的主要原因,毕竟随着国家对信息安全和自主可控的高度重视,国产基础软件未来的市场前景是可期待的。
而最为重要的原因应该是双方在发展方向上出现了分歧,而标志之一就是普华软件2013年底决定要做自己的Linux操作系统,这与中标软件的中标麒麟产生了直接竞争关系。而在原来双方的合作蓝图中,中标软件侧重于操作系统、办公软件等底层软件,普华软件提供集成技术和云计算相关技术(比如虚拟化管理)以及车载控制操作系统等。除操作系统产生竞争之外,还有数据库,中标软件旗下拥有达梦,而普华软件控股人大金仓,两家公司之间也产生了直接的竞争。
在本就不大的基础软件市场,两家公司有这么直接的竞争关系,这让有普华软件总经理和中标软件董事长双重身份的赵晓亮很为难。据悉,双方也曾探讨过采用一些办法(比如资本层面的合作)来解决这种竞争和合作的关系,但最终没有达成一致,普华软件提出转让中标股权。
应该说,这一交易也在一定程度上折射出当前国产基础软件企业的经营困境。多年以来,尽管国家层面在大力推动,但是国产基础软件厂商生存艰难的现实依然没有大的改变。在微软、Oracle等巨头的挤压下,国产基础软件厂商生存空间被局限一些政府、军工项目等几个领域,商业模式单一,盈利能力很弱,自身造血能力不足,市场竞争能力不强。再加上中国对开源软件的服务的商业模式接受程度也不如国外,原来设想的从Linux等开源软件取得突破的想法一时还难以实现。中科红旗破产就是一个例证。
相对于普华软件和中标软件在国产基础软件领域的名气,此次接盘的一兰科技并不为大众所熟知。根据公开的信息,一兰投资集团旗下的一兰科技是一家民营高科技企业,主营业务为银行IT信息咨询评估及核心业务系统构建,为银行提供满足创新业务发展需求的业务系统订制化服务。
接手中标软件50%股份的一兰科技,下一步将会如何用好自己的股东权利得到回报,将是一个大家非常关注的话题。毕竟在国家基础软件市场大环境一时还难见起色的当下,要想从股份中直接获取经营利润短期内还是不太现实,这是对一兰科技的考验。不过,一兰科技应该已经早有谋算,否则也不会有这么大手笔的投入。对此,我们拭目以待。
好文章,需要你的鼓励
随着AI策略成熟,CIO开始重新考虑对公有云的依赖,私有云和本地环境重新受到关注。调查显示,67%的企业领导计划在未来12个月内将部分AI数据迁移至非云环境。主要原因包括成本可预测性、数据隐私保护、安全问题和云集成挑战。对于持续的AI工作负载,购买自有GPU比租用公有云更经济。私有云支出增长更快,预计2025年将有54%的组织在私有云上投入超过1000万美元。
沙特TachyHealth团队开发的32亿参数医疗AI模型Gazal-R1,通过创新的双阶段训练方法在医疗推理任务上超越了12倍大的模型,在MedQA等测试中取得87.1%的优异成绩,展现了精巧训练策略胜过规模扩张的重要启示,为资源有限的医疗AI研究提供了新路径。
本文深入分析了从传统AI发展到AGI过程中可能出现的智能爆发现象。基于AI专家共识的2040年AGI实现预期,文章探讨了七种主要发展路径,重点关注突破性的"登月路径"。智能爆发理论认为,智能可以像原子链式反应一样相互促进,快速产生大量新智能。文章预测2038-2039年可能发生智能爆发,随后在2040年实现AGI,但也指出了关于智能爆发的启动、控制和潜在风险等争议问题。
奥地利维也纳医科大学研究团队开发了RetFiner技术,通过让眼科AI模型同时学习OCT图像和医疗文字描述,显著提升了诊断准确率。该方法采用四种训练任务让AI模型建立图像与文字的深层联系,在三个主流眼科AI模型上实现了2-6个百分点的性能提升,为医学AI发展开辟了新方向。