至顶网网络频道 11月21日 综合消息: 半导体制造业正在进一步整合,本周一家芯片制造商Marvell Technology Group已同意以60亿美元收购Cavium。
这次收购预计将在2018年年中完成,让Marvell实现从之前面向存储设备售卖芯片的大型企业实现多样化,通过这次收购扩展到网络设备市场。
Moor Insights & Strategy总裁兼首席分析师Patrick Moorhead表示:"随着网络日益软件定义化,并整合到片上系统,网络厂商感受到了整合的压力。这就是Marvell和Cavium合并的原因。"
Marvell将为Cavium股东支付每股40美元现金,以及为Cavium每股支付大约2.18股的Cavium普通股。基于11月3日也就是第一次有收购消息流出之前Marvell的股价,这相当于收购价为每股80美元。Cavium股东将拥有合并后公司约25%的股份。据悉,Marvell的股价在早盘中上涨了1%,而Cavium股价上涨了7%。
这次交易将基于Marvell和Cavium自身拥有的现金,外加17.5亿美元债务融资,包含美国高盛银行和美银美林的8.5亿美元过桥贷款承诺和9亿美元承诺定期的贷款。
Marvell表示,合并后的公司年收入约为34亿美元。公司首席执行官Matt Murphy在一份声明中表示:"这是一个激动人心的组合,两家互补性很强的公司合并在一起能发挥更大的效应。"而他将成为合并后公司的首席执行官。
据称,这次收购将打造一个"基础设施解决方案的强大厂商",就在一年半之前Marvell发现自己成为激进对冲基金Starboard Value LP的目标。2016年2月,Starboard宣布已经持有Marvell公司7%的股份,并表示认为该公司"被低估",并通过重组业务来降低成本。
2016年年底,Marvell同意接受Starboard任命的三位新董事成为其董事会成员。之后,Matt Murphy被任命为该公司的新任首席执行官。Murphy开始迅速大规模重组Marvell的业务、裁员、并在数据中心和无线通信领域增加新产品。
而位于加州圣何塞的Cavium主要为网络、安全、服务器和交换机设备打造计算机芯片。这家公司在去年以13亿美元收购了QLogic,最近扩展到了面向SAN的接口设备领域。
如果这次交易如预期般顺利进行,那么会加速芯片制造行业的持续整合。本月早些时候,博通公司以高达1050亿美元的价格收购了高通公司,这笔交易本来会成为科技行业有史以来最大的一笔收购,甚至超过了戴尔以670亿美元收购EMC公司。然而,高通公司董事会却拒绝了这一提议,称公司价值被低估,将面临监管阻碍。
博通自身也在2016年进行了重组,当时Avago Technologies以370亿美元收购了博通。上周,博通表示将会把总部从新加坡迁回至美国圣何塞。上周五,博通完成了60亿美元对博科通信系统公司的收购。
与此同时,高通也在寻求完成自己470亿美元对荷兰半导体公司NXP Semiconductors的收购,这是在一年前公布的,但是尚未最终确定。这笔交易一直受到欧洲监管机构的监督,另外还有投资公司艾略特管理公司的接入,该公司称这些条款嘀咕了NXP的价值。然而,路透社周六的一份报告称,日本监管部门即将批准通过,欧洲当局可能会跟进,并在年底前对高通公司做出一些调整。
Marvell目前的市值为1000亿美元,相比之下Cavium的市值为52亿美元。自华尔街日报报道出现以来,Cavium的股价已经上涨了10%以上。Marvell还公布了第三季度业绩(将在11月28日正式公布)预期:收购在6.1亿美元到6.2亿美元之间,除个股票补偿等特定成本之外每股收益在32美分到34美分之间,高于8月24日提供的指南中间点。
好文章,需要你的鼓励
Liquid AI发布了新一代视觉语言基础模型LFM2-VL,专为智能手机、笔记本电脑和嵌入式系统等设备高效部署而设计。该模型基于独特的LIV系统架构,GPU推理速度比同类模型快2倍,同时保持竞争性能。提供450M和1.6B两个版本,支持512×512原生分辨率图像处理,采用模块化架构结合语言模型和视觉编码器。模型已在Hugging Face平台开源发布。
AIM Intelligence联合多所知名大学揭示了音频AI系统的重大安全漏洞,开发出名为WhisperInject的攻击方法。这种攻击能让看似无害的音频指令操控AI生成危险内容,成功率超过86%,完全绕过现有安全机制。研究暴露了多模态AI系统的系统性安全风险,对全球数十亿智能设备构成潜在威胁。
阿里团队推出首个AI物理推理综合测试平台DeepPHY,通过六个物理环境全面评估视觉语言模型的物理推理能力。研究发现即使最先进的AI模型在物理预测和控制方面仍远落后于人类,揭示了描述性知识与程序性控制间的根本脱节,为AI技术发展指明了重要方向。
新加坡国立大学研究团队系统梳理了视觉强化学习领域的最新进展,涵盖超过200项代表性工作。研究将该领域归纳为四大方向:多模态大语言模型、视觉生成、统一模型框架和视觉-语言-动作模型,分析了从RLHF到可验证奖励范式的政策优化策略演进,并识别出样本效率、泛化能力和安全部署等关键挑战,为这一快速发展的交叉学科提供了完整的技术地图。