至顶网网络频道 02月06日 综合消息: 总部位于美国和新加坡的半导体公司博通(Broadcom Ltd.)不喜欢被拒绝。该公司看到最近对竞争对手芯片制造商高通技术公司(Qualcomm Technologies Inc.)的收购要约被拒绝,于是在周一表示自己已经提出了1,210亿美元的新报价。
路透社周日援引一位不愿透露姓名的消息人士的消息称,这一新的报价旨在迫使高通公司进行谈判。此次出价是在高通于3月6日举行的年度股东大会之前提出的,博通公司此举旨在推翻高通公司的董事会,并且用自己提名的人员替代董事。高通公司表示正在考虑这个报价。
博通公司最初的报价为每股70美元,其中包括每股60美元现金和每股10美元的股票,现在的新报价在此基础上又有了提高。为了进一步推动这起收购,预防监管机构可能的阻止,博通公司还提供了更高的分手费用。一般来说,分手费用可能会占到交易额的3%到4%。
然而,高通公司的股价在周一下跌了将近7%。两家经纪公司表示,苹果公司可能会在其下一代iPhone手机中,放弃使用这家芯片制造商的调制解调器芯片,转而使用英特尔公司的其他产品。而且,在这个交易日的晚些时候,纳斯达克股票交易所经历了七年多以来最大的股票抛售,下跌了将近4%。
路透社的报道称,博通公司对于在协议签署后的十二个月内完成“非常有信心”。不过,高通公司的董事会据说仍然在抵制这场交易,他们认为博通公司的报价是为了“廉价地”收购这家公司。该公司的董事会还表示,完成收购需要的监管机构审查流程充满风险,而且至少需要十八个月。
Constellation Research Inc. 的首席分析师兼副总裁Holger Mueller 表示:“很显然,他们(博通公司)真的很想要高通。”他表示:“他们在三月份的股东大会之前,给了高通的股东们一些时间进行思考。现在,高通公司和博通公司都解释了他们的长期业务计划,这样,投资者们可以决定要在哪一边下注。”
Moor Insights and Strategies公司的首席分析师Patrick Moorhead表示,高通公司由于最近在“物联网”、Wi-Fi和自动驾驶领域的成功,上调了本财年的指导业绩,在此之后,博通公司上调了收购价格。但是,尽管现在的报价看起来似乎很诱人,Moorhead还是表示他不相信博通公司能够说服高通公司的股东接受它。
Moorhead表示:“无论如何,高通公司创造了知识产权,而且博通则在实施它,所以这是一种战略上的不匹配,因此投资视野不同。”Moorhead表示:“精明的高通投资者们知道这是一个糟糕的提议,我不希望这笔交易能够通过。”
博通公司的敌意收购尝试是半导体行业合并热情高涨时期最为雄心勃勃的举措之一。最近,向军方和航空航天行业出售计算机芯片的Microsemi公司在收到某不知名公司的收购要约之后,正在寻找买家。
博通公司自己最近也完成了55亿美元的收购,收购了竞争对手博科通讯系统公司(Brocade Communications Systems Inc.),而高通公司仍然在尝试以380亿美元的价格收购荷兰半导体公司NXP Semiconductors NV。这笔交易于一月份获得了欧盟监管机构的批准,而高通公司曾经表示该公司期望中国政府的批准能在本月份得到确认。
好文章,需要你的鼓励
UniR(Universal Reasoner)是一种创新的推理增强方法,可为冻结的大语言模型提供即插即用的推理能力。由韩国科学技术院研究团队开发,该方法将推理能力分解为独立的轻量级模块,无需改变主模型结构。UniR的核心优势在于高效训练(仅更新小型推理模块)、出色的模型间迁移能力(小模型可指导大模型)以及模块组合能力(多个专用模块可通过logits相加组合使用)。在数学推理和翻译测试中,UniR显著超越现有微调方法,展示了轻量级模块如何有效增强大语言模型的推理能力。
Nebius团队开发了SWE-rebench,一个自动化管道用于从GitHub收集软件工程任务并进行去污染评估。该系统解决了两大挑战:高质量训练数据稀缺和评估基准容易被污染。通过四阶段处理(初步收集、自动安装配置、执行验证和质量评估),SWE-rebench构建了包含超过21,000个Python交互式任务的数据集,并提供持续更新的评估基准。研究发现部分语言模型在传统基准上的表现可能被污染效应夸大,而DeepSeek模型在开源模型中表现最为稳健。
这项研究提出了JQL(发音为"Jackal"),一种通过多语言方法提升大型语言模型预训练数据质量的创新系统。研究团队从拉马尔研究所等机构通过四阶段方法解决了多语言数据筛选的难题:先由人类评估内容教育价值创建基准数据,然后评估大型语言模型作为"评判者"的能力,接着将这些能力提炼到轻量级评估器中,最后应用于大规模数据筛选。实验表明,JQL在35种语言上显著优于现有方法,甚至能泛化到未见过的语言如阿拉伯语和中文,为多语言AI发展提供了高效可靠的数据筛选方案。
浙江大学和西湖大学研究团队开发的Styl3R实现了艺术风格化3D重建的重大突破,能在不到一秒内从少量未标定照片和任意风格图像创建具有多视角一致性的3D艺术场景。通过创新的双分支网络架构将结构建模与外观着色分离,系统不仅保持了原始场景结构,还准确捕捉了参考风格特征。与现有方法相比,Styl3R在处理速度和视觉质量上均显著领先,为创意内容制作开辟了全新可能。