全球高性能模拟及混合信号半导体领导者 Skyworks(纳斯达克代码:SWKS)与全球领先的连接和电源解决方案供应商 Qorvo(纳斯达克代码:QRVO)今日宣布,两家公司已达成最终协议,将通过现金与股票交易完成合并。该交易将合并后的企业估值约为 220 亿美元,旨在共同打造一家总部位于美国且全球领先的高性能射频、模拟及混合信号半导体公司。
Skyworks 首席执行官兼总裁 Phil Brace 表示:“此次合并是业内及 Skyworks 的重要里程碑。结合 Skyworks 与 Qorvo 互补的产品组合及世界一流的工程技术团队,将增强我们满足移动及多元化广泛市场客户需求的能力。借助更大的规模、更多元化的客户基础及运营协同效应,我们能够为客户带来更多创新,同时为股东创造可持续的价值。”
Qorvo 首席执行官兼总裁 Bob Bruggeworth 表示:“Qorvo 与 Skyworks 秉承共同的创新文化,始终致力于解决客户最复杂的技术难题。与 Skyworks 携手后,我们能够加速创新,并在众多增长领域提供更广泛、更全面的解决方案。我们期待能充分利用双方团队及产品和技术组合的综合优势,巩固在移动领域中的能力,并显著扩大在国防与航空航天、边缘物联网、AI 数据中心、汽车及其他由长期增长趋势驱动的行业中的影响力。”
战略理由与交易亮点
此次交易预计将为客户、员工及股东带来显著的长期价值。
交易详情
根据协议条款,在交易完成时,Qorvo 股东每持有一股 Qorvo 股票,将获得32.50美元现金及0.960股 Skyworks 普通股。这意味着合并后的企业价值约为220亿美元。
交易完成后,Skyworks 股东将持有合并后公司约63%的股份,Qorvo 股东约持有37%的股份(按完全稀释基准计算)。Phil Brace 将担任合并后公司的首席执行官;Bob Bruggeworth 将加入董事会。合并后公司的董事会将由11名董事组成,其中8名来自 Skyworks,3名来自 Qorvo。
Skyworks 计划使用现金储备及额外融资支付现金部分,并已获得高盛美国银行的债务融资承诺。该交易不受融资条件限制。合并后的公司在完成交易时的净杠杆率预计约为过去十二个月调整后税息折旧及摊销前利润(EBITDA)的1.0倍。这种稳健的资本结构将允许持续及进行业务投资以提升股东价值。
时间安排与审批
两家公司的董事会均已一致批准该交易,该交易预计于2027年初完成,但前提是需获得必要的监管批准、Skyworks 与 Qorvo 股东的批准,并满足其他常规成交条件。持有Qorvo 约8%股份的Starboard Value LP 已签署支持该交易的投票协议。
财务初步结果
Skyworks 今日发布2025财年第四季度及全年初步财务结果,详情见 Skyworks 官方网站。按计划,Skyworks将于2025年11月4日发布新闻稿并举行分析师电话会议,分享其完整的第四季度财务业绩。
同样,在今日另行发布的新闻稿中,Qorvo 公布了其2026财年第二季度的初步财务业绩,该新闻稿可在 Qorvo 官方网站(位于财务新闻下方)查阅。Qorvo将于2025 年11月3日公布2026财年第二季度财务业绩并举行电话会议。
好文章,需要你的鼓励
谷歌发布新的AI学术搜索工具Scholar Labs,旨在回答详细研究问题。该工具使用AI识别查询中的主要话题和关系,目前仅对部分登录用户开放。与传统学术搜索不同,Scholar Labs不依赖引用次数或期刊影响因子等传统指标来筛选研究质量,而是通过分析文档全文、发表位置、作者信息及引用频次来排序。科学界对这种忽略传统质量评估方式的新方法持谨慎态度,认为研究者仍需保持对文献质量的最终判断权。
武汉大学研究团队提出DITING网络小说翻译评估框架,首次系统评估大型语言模型在网络小说翻译方面的表现。该研究构建了六维评估体系和AgentEval多智能体评估方法,发现中国训练的模型在文化理解方面具有优势,DeepSeek-V3表现最佳。研究揭示了AI翻译在文化适应和创意表达方面的挑战,为未来发展指明方向。
Meta发布第三代SAM(分割一切模型)系列AI模型,专注于视觉智能而非语言处理。该模型擅长物体检测,能够精确识别图像和视频中的特定对象。SAM 3在海量图像视频数据集上训练,可通过点击或文本描述准确标识目标物体。Meta将其应用于Instagram编辑工具和Facebook市场功能改进。在野生动物保护方面,SAM 3与保护组织合作分析超万台摄像头捕获的动物视频,成功识别百余种物种,为生态研究提供重要技术支持。
参数实验室等机构联合发布的Dr.LLM技术,通过为大型语言模型配备智能路由器,让AI能根据问题复杂度动态选择计算路径。该系统仅用4000个训练样本和极少参数,就实现了准确率提升3.4%同时节省计算资源的突破,在多个任务上表现出色且具有强泛化能力,为AI效率优化开辟新方向。