SAP正计划部分分拆Qualtrics,后者是SAP在于2018年11月以80亿美元收购的一家体验管理软件公司。
SAP在7月26日宣布了这一消息,并称IPO的主要目标是“让Qualtrics在体验管理领域充分释放市场潜力,将帮助强化Qualtrics的自主权,在SAP现有客户群或者其他客户群中扩大业务范围”。
此举令人惊讶,因为SAP收购Qualtrics是为了利用Qualtrics的经验数据和洞察分析自己的运营数据,从而更好地管理供应链、网络、员工和核心流程。但是现在,Qualtrics计划在IPO之后保留Qualtrics的多数股权。
SAP方面表示,此次IPO完全是为了给Qualtrics带来更多机会,但可能还有更多细节尚未正式披露,有可能是SAP的战略重心有所转移,SAP在5月以2.5亿美元将旗下数字互连通信业务卖给了Sinch AB。因此,SAP在分拆业务方面是有先例的。
IPO之后,Qualtrics创始人Ryan Smith将继续在公司留任,成为Qualtrics最大的个人股东。
SAP表示:“作为多数股权持有方,SAP将继续整合Qualtrics,因此预计该交易不会对SAP的2020年或更长期的财务目标产生影响。”
除了IPO本身就令人意外,这次Qualtrics的上市规模颇为庞大,潜在估值超过100亿美元。Qualtrics在被SAP收购之后一直没有停下增长的步伐,而且在被SAP收购之前,也曾计划过上市,所以可以说,IPO是Qualtrics一直以来的目标。
IPO的时间尚未透露。SAP仅表示,“关于IPO及其条件和时机的最终决定尚待确定,而且这还要取决于市场情况。”
好文章,需要你的鼓励
当前企业面临引入AI的机遇与挑战。管理层需要了解机器学习算法基础,包括线性回归、神经网络等核心技术。专家建议从小规模试点开始,优先选择高影响用例,投资数据治理,提升员工技能。对于影子IT现象,应将其视为机会而非问题,建立治理流程将有效工具正式化。成功的AI采用需要明确目标、跨部门协作、变革管理和持续学习社区建设。
这项由东京科学技术大学等机构联合发布的研究提出了UMoE架构,通过重新设计注意力机制,实现了注意力层和前馈网络层的专家参数共享。该方法在多个数据集上显著优于现有的MoE方法,同时保持了较低的计算开销,为大语言模型的高效扩展提供了新思路。
美国垃圾收集行业2024年创收690亿美元,近18万辆垃圾车每周运营六至七天,每日停靠超千次。设备故障成为行业最大隐性成本,每辆车年均故障费用超5000美元。AI技术通过实时监控传感器数据,能提前数周预测故障,优化零部件库存管理,减少重复维修。车队报告显示,预测性维护每辆车年节省高达2500美元,显著提升运营效率和服务可靠性。
小米团队开发的MiMo-7B模型证明了AI领域"小而精"路线的可行性。这个仅有70亿参数的模型通过创新的预训练数据处理、三阶段训练策略和强化学习优化,在数学推理和编程任务上超越了320亿参数的大模型,甚至在某些指标上击败OpenAI o1-mini。研究团队还开发了高效的训练基础设施,将训练速度提升2.29倍。该成果已完全开源,为AI民主化发展提供了新思路。