近日,西门子智能基础设施(Siemens Smart Infrastructure,SI)已经签署协议收购美国领先的资产和维护管理解决方案软件即服务(SaaS)提供商Brightly Software,此次收购将有助于SI在建筑和基础设施软件市场占据领先地位。收购价格为15.75亿美金,外加一项获利能力付款条款。
此次收购将把Brightly在教育、公共基础设施、医疗保健和制造等关键领域的成熟云计算能力,纳入到西门子在建筑领域的数字和软件专业知识中,还将加速西门子SaaS业务的成长,让西门子和Brightly能够共同为建筑基础设施提供卓越的性能和可持续性。Brightly也将从西门子的全球业务中受益,而西门子则会利用Brightly在美国市场的影响力,实现Brightly的能力与西门子自身产品组合之间显着的协同效应,预计净现值将达到数百万美元。该交易尚需获得监管部门的批准,预计将于2022年完成,次年实现PPA之前的每股收益增值。
“我们作为一家专注于技术的企业,这次收购是又一重要步骤。通过现实世界和数字世界的结合,我们将为客户提供推动数字化转型所需的技术,以打造最具可持续性和以人为本的建筑。这次收购将为我们实现增长目标提供支持,尤其是在数字收入和软件即服务方面。热烈欢迎Brightly加入西门子大家庭,我们感到自豪和兴奋,”西门子公司总裁、首席执行官Roland Busch这样表示。
基础设施所有者和运营商们正在寻求支持更高效、可持续运营的软件。Brightly具有完善的SaaS业务和客户群,结合西门子现有的楼宇基础和数字产品组合,将通过IT和OT的融合,促进数据集成,支持创新、独特的用户体验、楼宇和已建成基础设施的优化性能。
西门子管理董事会成员、西门子智能基础设施首席执行官Matthias Rebellius表示:“Brightly将使我们能够在建筑性能水平上实现跨越,达到一个新的高度。通过我们双方产品之间的无缝数据交换,客户可以期待获得更高的效率、更短的停机时间、更低的维护成、缩短的生命周期、更好的数据驱动决策和更满意的租户体验。此次收购将加快我们成为基础设施领域领先的软件公司,并支持我们打造可持续学习以满足租户需求的、完全自主化的建筑这一愿景。”
据估计,到2050年,将有70亿人口生活在城市地区,再加上应对气候变化的紧迫性,都推高了对于智能、可持续社区和基础设施的需求。西门子致力于通过数字化和智能系统构建智能社区,西门子的解决方案、服务和软件将现实世界和数字世界、IT和OT的连接,为运营已建成的基础设施注入智能化。
Brightly预计到2022年将实现约1.8亿美金的收入,2022年预期年度经常性收入(ARR)为1.6亿美金,所在的市场领域复合年增长率预计可达到13%。Brightly总部位于美国北卡罗来纳州卡里,有约800名员工,为约12000家客户提供服务,客户主要分布在美国、加拿大、英国和澳大利亚。自2019年以来,该公司一直由私募股权公司Clearlake Capital所有。
Brightly公司首席执行官Kevin Kemmerer表示:“随着数字化转型和可持续发展被提上日程,加上充满挑战的监管环境,企业组织对互联资产和实时资产数据的需求,正在推高全球范围内对智能资产管理解决方案的需求。我们看到了一个难得的机会,可以将我们的知识和软件与西门子相结合,加速建筑环境的数字化和优化,帮助客户评估和管理他们的集体资产,制定短期和长期资本计划,管理能源和ESG目标。我们双方拥有丰富的经验,可以帮助世界各地的客户改变他们的资产性能,打造安全、可持续和繁荣的社区。”
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。