IBM正在向私募股权公司Francisco Partners出售旗下Watson Health业务的软件产品等资产。
就在一年之前,首次有报道称IBM正在考虑出售Watson Health业务。去年2月,《华尔街日报》报道称,IBM高管们曾一度考虑通过与一家空白支票公司的合并将该部门上市。
当时《华尔街日报》报道称,Watson Health的年收入约为10亿美元,而且当时尚未实现盈利。Axios本月早些时候发布的一份最新报告援引消息人士的话说,IBM正试图为该业务部门获得至少10亿美元的资金。
此次公告中IBM和Francisco Partners都没有披露交易的财务条款,但是详细说明了将有哪些资产被易手。
Francisco Partners将收购Watson Health部门的Health Insights平台,该平台可帮助医疗组织分析他们运营过程中所生成的数据。这家私募股权公司还收购了许多用于处理医学图像的软件产品以及Clinical Development、Social Program Management和Micromedex产品线。
Francisco Partners此次收购的产品并非所有都是软件解决方案,还包括MarketScan——IBM用于研究项目的医疗数据集。
此次出售资产将让IBM能够把更多精力集中于通过在混合云和人工智能领域获得额外市场份额来促进收入增长的战略。此前IBM也有类似举措,去年11月IBM剥离了托管基础设施服务业务,现在该业务已经成为一家名为Kyndryl Holdings的独立公司,在纳斯达克证券交易所上市。
医疗和技术服务市场仍然是IBM关注的焦点,IBM旗下红帽子公司凭借软件产品在医疗领域占有重要地位。在技术服务领域,IBM最近几个季度进行了多次收购,以扩展自己的云咨询服务产品。
IBM Software业务高级副总裁Tom Rosamilia表示:“今天与Francisco Partners达成的协议是我们明确的下一步战略,IBM将更加专注于我们基于平台的混合云和人工智能战略。IBM仍然致力于Watson、更广泛的AI业务、以及我们在医疗IT领域支持的客户和合作伙伴。Francisco Partners则通过此次交易获得了数据和分析资产,受益于不断增强的投资,以及专注于医疗行业的投资组合所带来的专业技能。”
此次交易并不是Francisco Partners第一次从一家大型企业技术厂商那里收购资产。早在2016年,Francisco Partners就与Elliott Management联合收购了戴尔的Quest Software和SonicWall子公司,最近又以54亿美元的价格将Quest Software卖给了另一家投资公司Clearlake Capital Group。
Francisco Partners合伙人Justin Chen表示:“与企业合作进行资产剥离一直是Francisco Partners的核心重点。我们期待为优秀的员工和管理团队提供支持,帮助这家独立的公司专注于增长机会以发挥其全部潜力,为客户和合作伙伴提供更高的价值。”
IBM和Francisco Partners预计将在第二季度完成收购,届时这家私募股权公司将把收购来的Watson Health资产转变为一家独立公司,由现任管理团队领导。
好文章,需要你的鼓励
TechCrunch Disrupt 2025 AI舞台将汇聚塑造科技未来的领军人物,顶尖风投将揭示在快速变化的AI领域获得融资的关键。来自Apptronik、ElevenLabs、Hugging Face、Runway等创新企业的领导者将分享前沿洞见,探讨AI如何重塑创意过程、改变物理世界、变革国防安全和重新定义人际关系。10月27-29日,五大主题舞台将在旧金山呈现科技创新的未来图景。
西班牙研究团队提出了一种创新的AI自我纠错方法SSC,让人工智能学会识别和修正规则中的漏洞。当AI发现自己在钻空子获得高分时,它会反思规则的合理性并主动改进。实验显示这种方法将AI的"钻空子"行为从50-70%降低到3%以下,同时提升了回答质量。这项技术有望让AI从被动执行指令转变为能够质疑和改进指令的智能协作伙伴。
英超联赛与微软达成五年战略合作伙伴关系,推出AI驱动的Premier League Companion服务,为全球球迷提供个性化体验。该服务利用Azure OpenAI技术,整合30多个赛季的统计数据、30万篇文章和9000个视频,帮助球迷发现和了解更多内容。未来还将为Fantasy Premier League引入个人助理经理功能,并通过Azure AI优化比赛直播体验和赛后分析。
这篇文章详细解析了Long、Shelhamer和Darrell在2015年CVPR会议上发表的开创性研究"全卷积网络用于语义分割"。文章以通俗易懂的方式,将这项复杂的技术比作艺术家的绘画过程,解释了如何让计算机不仅识别图像中有什么物体,还能精确标出每个物体的位置和边界。研究团队通过将传统分类网络改造为全卷积形式,并巧妙运用上采样和跳跃连接技术,实现了高效准确的像素级图像理解。这一突破为自动驾驶、医学影像和增强现实等领域带来了革命性变化,奠定了现代计算机视觉的重要基础。