IBM与 Red Hat (红帽)共同宣布已达成最终收购协议。根据该协议,IBM 将以每股 190 美元的价格收购 Red Hat 所有已发行的普通股,总收购价值约为 340 亿美元。
这是 IBM 历史上最大规模的一笔交易,也是美国科技界历史上第三大交易。Red Hat 将并入 IBM 的混合云部门,作为一个独立的单元运作。Red Hat CEO吉姆·怀特赫斯特(Jim Whitehurst)将加入 IBM 高管团队,向 IBM CEO 罗睿兰(Ginni Rometty)汇报。
IBM 表示,收购 Red Hat 将使其成为多云和混合云市场的领导者。罗睿兰在声明中表示,“收购 Red Hat 可以打破格局,改变云市场的一切。”
彭博社分析师阿努拉格·拉纳(Anurag Rana)说,收购 Red Hat 使 IBM 成为“现在云计算领域的可靠参与者——无论是私有云还是混合云”。
美国科技媒体 TechCrunch 评论称,这笔交易也许代表着,在花了 10 年时间钻研人工智能和区块链技术之后,IBM 逐渐将工作重心从盈利前景不明朗的沃森(Watson)挪回了以往最擅长的企业服务领域。
沃森机器人自诞生以来一直代表着 IBM 顶尖计算能力和未来感的形象。它能创造菜谱,参加问答比赛,帮人保税,还能做会议记录员、医生助理、博物馆讲解员……但有分析师一直在质疑它能否成为 IBM 可依赖的收入来源。
投资银行 Jefferies 的分析师评论称,IBM 很多金融、生物领域的合作伙伴对沃森的表现并不满意,认为“它的失误不是单一故障的产物,而是过度营销、深度学习能力缺陷和早期训练数据缺失的结果”。
IBM 市值 1140 亿美元,但最近的收益更新中公布的营收低于预期。自罗睿兰在 2012 年担任 CEO 以来,IBM 营收下降了近四分之一。虽然部分原因是资产剥离,但大部分原因是现有硬件、软件和服务产品销售下滑,该公司一直在努力在云基础设施业务上赶上亚马逊和微软。
Red Hat 是美国一家以开发、贩售 Linux 包并提供技术服务为主要业务的企业,其产品包括 Red Hat Enterprise Linux 等。该公司在诸多重要 IT 领域如操作系统、存储、中间件、虚拟化和云计算等提供关键任务的软件与服务,且目前仍是提供 Linux 集成服务的同类企业中规模最大的公司。
1990 年代末期,Linux 以自由软件、开放源代码为号召,试图挑战商业化且闭源的 Windows 操作系统的霸主地位。当时,Red Hat 所推出的 Linux 系统软件集成包 Red Hat Linux 诞生,奠定了其在 Linux 业界的旗手地位。
Red Hat 于 1999 年 8 月 11 日在纳斯达克上市,2005 年 12 月 19 日纳入纳斯达克 100 指数,2006 年 12 月 12 日转到纽约证券交易所挂牌,2009 年 7 月 27 日,Red Hat 取代 CIT 集团成为标准普尔 500 指数成分股。
上一财年 Red Hat 营收为 29.2 亿美元,利润为 2.59 亿美元。2018 财年 Red Hat 营收同比增长了 21%,全年营收有望首次突破 30 亿美元。但与此同时,Red Hat 上季度和本季度的销售额均低于分析师的预期,这加剧了人们的担忧,即 Red Hat 可能会输给竞争对手,增长可能正在放缓。截至上周五,Red Hat 公司股价在过去 6 个月里下跌了 28%。
好文章,需要你的鼓励
本文探讨如何使用生成式AI和大语言模型作为倾听者,帮助用户表达内心想法。许多主流AI如ChatGPT、Claude等被设计成用户的"最佳伙伴",或试图提供心理健康建议,但有时用户只想要一个尊重的倾听者。文章提供了有效的提示词技巧,指导AI保持中性、尊重的态度,专注于倾听和理解,而非给出建议或判断。同时提醒用户注意隐私保护和AI的局限性。
北京大学团队开发出WoW世界模型,这是首个真正理解物理规律的AI系统。通过200万机器人互动数据训练,WoW不仅能生成逼真视频,更能理解重力、碰撞等物理定律。其创新的SOPHIA框架让AI具备自我纠错能力,在物理理解测试中达到80.16%准确率。该技术将推动智能机器人、视频制作等领域发展,为通用人工智能奠定重要基础。
人工通用智能和超级人工智能的出现,可能会创造出一种全新的外星智能形态。传统AI基于人类智能模式构建,但AGI和ASI一旦存在,可能会选择创造完全不同于人类认知方式的新型智能。这种外星人工智能既可能带来突破性进展,如找到癌症治愈方法,也可能存在未知风险。目前尚不确定这种新智能形态是否会超越人类智能,以及我们是否应该追求这一可能改变人类命运的技术突破。
香港大学和蚂蚁集团联合推出PromptCoT 2.0,这是一种让AI自动生成高质量训练题目的创新方法。通过"概念-思路-题目"的三步策略,AI能像老师备课一样先构思解题思路再出题,大幅提升了题目质量和训练效果。实验显示该方法在数学竞赛和编程任务上都取得了显著提升,为解决AI训练数据稀缺问题提供了新思路。