ZDNET网络频道 05月29日 编译:Fortinet公司于本周三公布了收购Meru Networks的意图,希望借此进军企业级安全无线市场,而这一举动也将使其同思科及其它主要网络厂商一样成为着眼于安全业务领域的一股新势力。
Meru Networks是一家位于加利福尼亚州桑尼维尔的价值9090万美元的企业,其竞争对手包括Ruckus Wireless以及Aerohive等厂商。这家公司拥有自己的智能802.11ac Wi-Fi解决方案。根据此次收购协议的相关条款,Fortinet公司将以现金形式按照每股1.63美元收购Meru Networks股份,折合总交易额为4400万美元。
尽管Fortinet方面此前就曾经在进入这一市场时遭遇过一些挑战,但此笔收购能够为其这家网络安全供应商带来冲击企业级无线领域所必需的现有企业客户基础及无线技术储备,该公司美国销售副总裁Joe Sykora在接受采访时指出。
“就目前来看,我们已经在企业安全领域取得了主导权,而我们也已经具备了冲击企业级无线市场所必需的一部分资源储备,”Sykora表示。“收购Meru Networks公司将为我们及合作伙伴带来在这一市场上取得成功所需要的技术及工具方案。”
Sykora同时指出,这种能力对于Fortinet公司的各位合作伙伴而言非常重要,他们目前正着眼于将安全层推向企业客户——特别是与BYOD相关的业务当中。为了达成这一目标,Fortinet同时宣布将在收购案的推进同时启动其全新FortiGuard Mobile Security订阅服务。
“这对于我们的合作伙伴而言将是一个伟大的时刻,”Sykora表示。“它将完善我们的解决方案组合,并切实满足合作伙伴们的需要。”
此次收购将成为无线市场上的最新一轮合并案例,而在此之前惠普公司曾于本月收购Aruba Networks。
Meru公司的各股东自去年五月就开始鼓动这家供应商进行整体出售,并表示其根本无法凭借着自身“无甚希望的小规模”解决方案同各位竞争对手相抗衡。
通过将业务逐步渗透到企业级无线市场,Fortinet公司将自己推向了更为激烈的竞争领域,在这里其将与思科及其它重量级网络厂商共同冲击安全业务。不过根据Sykora的说法,他认为Meru收购案将帮助Fortinet在市场对抗中取得优势地位,其很可能在企业级安全无线市场上迎来成功。
“我们打造出的安全无线解决方案是独一无二的。我们并不是在单纯将无线机制作为网络体系的一种扩展。就目前来看,市场上还不存在专门的无线安全层,”Sykora指出。“这部分市场是否存在着激烈的竞争?答案当然是肯定的……我们将与众多厂商共同展开争夺。……而收购Meru将让我们以前所未有的能力跨过这道难关,”他进一步补充道。
Fortinet公司的各位合作伙伴也对Sykora的观点表示赞同,并指出此次收购以及进军企业级安全无线市场的计划是该公司业务的一种“自然延伸”。
“我当然没有能够预言未来的水晶球,但如果他们能够在无线业务领域取得与核心网络及防火墙市场上相媲美的业绩表现,那么我肯定会抱有非常乐观的态度,”Fortinet合作伙伴、来自安大略省布朗普敦的IT Weapons公司业务发展主管Jeremy MacBean表示。
MacBean同时指出,收购一家无线厂商对于Fortinet来讲是一种“自然”而且“非常明智的举动”,因为其在核心网络与防火墙业务之外还需要新的业务扩展方向。
“从一家解决方案供应商的角度来看,我认为这一举措非常值得称道,”MacBean表示。“对Fortinet公司来说,将无线解决方案引入产品线能够切实帮助我们拿出更多捆绑与交付解决方案。”
各投资方对这笔投资亦表现出积极支持态度,消息付出之后Meru公司的股价增幅接近16%、达到每股1.60美元,而Fortinet方面的股价亦增长2%、达到39.57美元每股。
好文章,需要你的鼓励
亚马逊云服务部门与OpenAI签署了一项价值380亿美元的七年协议,为ChatGPT制造商提供数十万块英伟达图形处理单元。这标志着OpenAI从研究实验室向AI行业巨头的转型,该公司已承诺投入1.4万亿美元用于基础设施建设。对于在AI时代竞争中处于劣势的亚马逊而言,这项协议证明了其构建和运营大规模数据中心网络的能力。
Meta FAIR团队发布的CWM是首个将"世界模型"概念引入代码生成的32亿参数开源模型。与传统只学习静态代码的AI不同,CWM通过学习Python执行轨迹和Docker环境交互,真正理解代码运行过程。在SWE-bench等重要测试中表现卓越,为AI编程助手的发展开辟了新方向。
当今最大的AI数据中心耗电量相当于一座小城市。美国数据中心已占全国总电力消费的4%,预计到2028年将升至12%。电力供应已成为数据中心发展的主要制约因素。核能以其清洁、全天候供电特性成为数据中心运营商的新选择。核能项目供应链复杂,需要创新的采购模式、标准化设计、早期参与和数字化工具来确保按时交付。
卡内基梅隆大学研究团队发现AI训练中的"繁荣-崩溃"现象,揭示陈旧数据蕴含丰富信息但被传统方法错误屏蔽。他们提出M2PO方法,通过改进数据筛选策略,使模型即使用256步前的陈旧数据也能达到最新数据的训练效果,准确率最高提升11.2%,为大规模异步AI训练开辟新途径。