思科本周一宣布将以19亿美元收购BroadSoft,作为其软件业务的一部分。这也是思科今年的第七次收购,除此之外还包括37亿美元收购云应用和业务监控提供商AppDynamics。
有多家不愿意透露姓名的思科合作伙伴表示,对于那些希望着重投资托管语音实践的合作伙伴来说,这次收购将会让思科成为这些合作伙伴的竞争对手。“思科正在吞噬我们的市场,”一家思科解决方案提供商销售副总裁这样表示,他指出,思科的这次收购将会引发渠道中的冲突。“思科需要告诉像我们这样的托管提供商,我们将如何保持我们的利润,因为双方会形成竞争关系。”
Future Tech是一家位于纽约霍尔布鲁克的解决方案提供商,该公司首席执行官Bob Venero表示,收购BroadSoft表明作为一家传统硬件网络提供商,思科正在试图将自己重塑为一家面向软件定义网络时代的厂商。
“我敢说,思科还会做更多像这样的收购。软件定义网络对于合作伙伴和客户来说是一个巨大的机会,这与思科在过去三十年所打造的基于硬件的网络世界完全不同。云已经重新定义了网络,如果思科希望存活下来,就必须做这些收购。思科需要平衡这些因素,快速且聪明地做到这些,才不会做出糟糕的决定,或者给自己和股东造成财务上的伤害。”
据称,思科将以这每股55美元的价格(或者19亿美元现金)收购BroadSoft,这次收购预计将在2018年第一季度完成。
思科高级副总裁、应用业务部门总经理Rowan Trollope表示:“我们相信我们提供的组合,从思科面向企业的协作技术,到BroadSoft面向中小企业通过服务提供商提供的套件,将为客户提供更多选择和更多灵活性。思科和BroadSoft将提供强大的协作能力套件,覆盖所有市场细分领域。”
位于美国加州盖瑟斯堡的BroadSoft称自己是在云PBX、统一通信、团队协作和联络中心解决方案方面的领导者。
BroadSoft的云业务应用和平台将在80个国家通过450多个服务提供商提供给客户。目前BroadSoft有超过1900万商业用户。
Venero表示,这次收购对于传统思科合作伙伴的经济影响还有待观察。他说,对于解决方案提供商来说最大的问题,就是思科将如何把BroadSoft——目前通过电信和服务提供商的渠道提供方案——与思科现有合作伙伴产品相整合?
Venero表示:“合作伙伴希望知道和了解他们将如何在现有的合作伙伴生态系统中提供这些。显然思科不会放弃他们的网络硬件平台。他们需要采取一种混合式的方法,将BroadSoft整合到思科面向路由器和交换机的iOS[式的网络软件]中。”
思科和BroadSoft的股价在周一早盘路由上涨,思科上涨了0.7%到每股34.48美元,BroadSoft上涨了1.53%到每股54.72美元。
思科表示,将BroadSoft开放接口、基于标准的云语音、通过服务提供商合作伙伴提供的联络中心解决方案与思科的会议、硬件和服务产品组合整合,将为各种规模的企业提供最佳解决方案,提供一整套的协作能力。
思科企业开发和思科投资副总裁Rob Salvagno在一篇博客文章中这样写道:“我们选择BroadSoft是因为它提供了一套云协同平台与业务应用的组合,这将强化我们的云投资,以及向全球电信提供商客户提供协作解决方案的能力。思科BroadSoft将提供一整套SaaS产品组合,面向所有规模企业的基于云的统一通信、协作、联络中心软件解决方案和服务。”
BroadSoft的员工将加入思科由Tom Puorro领导的统一通信技术部门,后者属于由Tom Trollope领导的应用群组。
前不久思科刚刚宣布收购初创公司Perspica,旨在加强自己的AppDynamics平台以及机器学习能力。
好文章,需要你的鼓励
清华大学团队突破性开发"零样本量化"技术,让AI模型在不接触真实数据的情况下完成高效压缩,性能反超传统方法1.7%,为隐私保护时代的AI部署开辟新路径。
普林斯顿大学研究团队开发出"LLM经济学家"框架,首次让AI学会为虚拟社会制定税收政策。系统包含基于真实人口数据的工人AI和规划者AI两层,通过自然语言交互找到最优经济政策,甚至能模拟民主投票。实验显示AI制定的税收方案接近理论最优解,为AI参与社会治理提供了新路径。
K Prize是由Databricks和Perplexity联合创始人推出的AI编程挑战赛,首轮比赛结果显示,获胜者巴西工程师Eduardo Rocha de Andrade仅答对7.5%的题目就获得5万美元奖金。该测试基于GitHub真实问题,采用定时提交系统防止针对性训练,与SWE-Bench 75%的最高得分形成鲜明对比。创始人承诺向首个在该测试中得分超过90%的开源模型提供100万美元奖励。
南开大学研究团队提出了一种新的3D高斯泼溅重光照方法,通过在高斯原语上直接编码离散化SDF值,避免了传统方法需要额外SDF网络的问题。该方法设计了投影一致性损失来约束离散SDF样本,并采用球形初始化避免局部最优。实验表明,新方法在保持高质量重光照效果的同时,仅需现有方法20%的显存,显著提升了训练和渲染效率。