ZD至顶网国际消息: Mellanox近日称,已经签署了最终协议,将以约值8.11亿美元的现金收购另一家以色列芯片公司EZchip半导体公司。EZchip是一家主打网络处理芯片的供应商。
Mellanox表示,这一交易将加强公司为数据中心和广域网提供智能互连和处理芯片的能力。据Mellanox称,该交易在2017年将令Mellanox公司的总有效市场规模增至140亿美元。
Mellanox公司总裁兼首席执行官Eyal Waldman在一个新闻发布会上表示,“此次收购将扩大Mellanox的规模,提高盈利能力。这也令我们能在大型智能网络空间获益,我们将拥有所需的知识产权,以开发嵌入式处理产品。”
EZchip首席执行官Eli Fruchter表示,正值整合之风横扫半导体空间之际,这一交易事关多元化和协同。他称,“我们认为,在半导体空间里,实力雄厚的大公司有优势。我们觉得,加盟Mellanox公司是有意义的。”
时下的半导体行业正在展开前所未有的大整合,一众芯片供应商用了很多手法,旨在增加自己的规模、增加销售额以及力争将自己的产品扩大到其他市场。据市场调研公司IC Insights的资料,2015年前六个月里半导体行业的总体并购交易额约为726亿美元,是过去五年达成的平均并购交易额的六倍多。
EZchips拥有安全、深度包检测、视频和存储处理方面的产品和专业知识,纳入这些可以提高Mellanox的地位,使得Mellanox能够为先进数据中心和边缘平台提供终端到终端、智能10、25、40、50和100Gb每秒的互连和处理解决方案。
Fruchter表示,Mellanox公司提供的技术用于1、2和3层网络的技术,而EZchip提供的产品则可用于3到7层。他还称,Mellanox公司目前的销售对象主要是数据中心,而EZchip销售产品对象则主要是运营商网络公司。
Fruchter称,“如果将这些网络层合并起来,将这些客户细分市场合并起来,我们的销售产品范围将涵括1层到7层,客户将涵括运营商和数据中心空间。从协同的角度看,这是十分有意义的。”
Mellanox公司营销副总裁Kevin Deierling在接受采访时表示,该交易将为合并后的公司带来新的机遇。 Mellanox公司的传统客户群大型数据中心公司要求的一些技术目前Mellanox尚未拥有。“我们抓住机会将EZchip的技术引入到数据中心。”
Deierling 表示,Mellanox公司也见到“类似的合并”,云技术和数据中心技术已经开始进入电信营运环境。他称,“我们见到新技术的出现,大家接受了云架构,并想利用云架构用于管理大型基础设施和快速交付新的服务,达到同样的效率和敏捷性。这方面,我们可以与我们的云供应商有很好的合作,我们也看到电信市场在演变,正在接纳这一类的架构。我们认为,我们两家公司的结合使得我们处于一个非常独特的地位,可以更好地面对电信运营商朝更加云数据中心模式进化的过程。”
根据交易条款,Mellanox公司将按每EZchip股25.50美元付款。交易已经被两家公司董事会一致通过,其企业价值为EZchip账面净收现金额约6.20亿美元。
该交易仍须经EZchip股东批准以及需满足其他惯例成交条件,包括监管部门的批准。交易预计将于2016年第1季度完成。
Waldman称两家公司过去曾探讨过合并的可能性。他表示,“以前我们未能进行交易,由于一些客户问题、估值和供应商选择等原因。现在的时机正好。”
好文章,需要你的鼓励
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。