早在一个月前,说博通公司准备收购老牌安全软件厂商赛门铁克的消息,收购资金在150亿美元左右,随后有烟雾弹说这一交易落空。据外媒最新消息,博通公司曾经提出能够满足条件的收购价格,但是后来却下调了价格,导致交易失败。
但是就在今天计算机芯片制造厂商博通(Broadcom)本周四正式宣布,将以107亿美元的价格收购赛门铁克的企业安全业务,这也证实了此前有关这次收购的讨论已经进入高级阶段的报道。
这次收购意味着赛门铁克将被划分为两个部分,博通将接管赛门铁克的企业安全产品组合和赛门铁克品牌名称。赛门铁克将保留消费产品组合,包括诺顿防病毒软件和LifeLock身份保护品牌。
两家厂商表示,预计该交易将在今年年底前完成。
赛门铁克的企业业务在2019财年的收入为23亿美元,约占总收入的一半。赛门铁克售卖帮助大企业检测网络和设备是否遭受网络攻击的软件,以及用于云和其他计算服务的安全监控软件。这项业务在企业安全领域面临激烈竞争,主要竞争对手包括思科、微软、Palo Alto和Zscaler等。
此次收购是博通在软件领域继去年190亿美元收购敏捷软件开发、DevOps和计算机安全软件公司CA Technologies之后的第二大收购,目的是帮助将业务扩展到半导体和存储之外的领域。
2016年博通以55亿美元的价格收购了网络厂商博科(Brocade Communications Systems)以扩大商机,后来试图以1000多亿美元的价格收购芯片制造商高通(Qualcomm Technologies),但却因为美国总统特朗普所谓安全问题被叫停。
博通正在试图扩大自己的版图,因为面对激烈竞争和中美贸易争端的影响,博通很难维持在计算机芯片市场的增长。今年6月,在特朗普总统禁止与其最大客户华为公司开展业务之后,博通调低了今年的收入指引。
博通首席执行官Hock Tan今天在宣布收购消息的电话会议上表示,加大对软件的投入力度将会缓解公司面临的波动性。
Tan在电话会议上向分析师表示:“博科和CA的解决方案中存在有意义的交叉销售机会。”
博通表示,这次收购并未影响2019财年的收入预期(约为225亿美元),预期将保持不变,其中大约175亿美元将来自计算机芯片业务,其余的来自基础设施软件。
Moor Insights&Strategy分析师Patrick Moorhead表示,今天这一交易表明博通正在努力为自己寻找一个身份。
“这是一家芯片公司吗?是一家软件公司吗?或者正在成为一个投资工具,就像一个各项投资之间几乎没有联系的科技基金?现在还很难说。”
但Constellation Research首席分析师兼副总裁Holger Mueller表示,这笔交易对于博通来说仍然是很有意义的。
“如果博通能够很好地执行下去并且将自己重新定位为一家覆盖更广的企业平台和软件厂商,那么这将对博通来说是一个很好的策略。”
至于赛门铁克,现在它将主要专注于自己的消费级安全产品。
这次收购似乎让赛门铁克有了一些喘息的机会,今年赛门铁克面临裁员和高管离任等巨大挑战,还因涉嫌会计违规行为受到美国政府的调查,背负着20亿多美元的债务。
此前赛门铁克宣布了一项重大重组计划,预计裁员7%,以及关闭数个数据中心和其他设施,这将需要约7500万美元的遣散费以及2500万美元的关闭费用。
赛门铁克今天公布第一季度财报,在股票补偿等特定成本之前的利润为每股43美分,收入为12.4亿美元,两项都超出了华尔街的预期。此前华尔街预期每股收益仅为32美分,收入为11.9亿美元。
赛门铁克股票在常规交易中上涨超过12%后,在盘后交易中上涨超过2%。
好文章,需要你的鼓励
DeepResearchGym是一个创新的开源评估框架,专为深度研究系统设计,旨在解决当前依赖商业搜索API带来的透明度和可重复性挑战。该系统由卡内基梅隆大学研究团队开发,结合了基于ClueWeb22和FineWeb大型网络语料库的可重复搜索API与严格的评估协议。实验表明,使用DeepResearchGym的系统性能与使用商业API相当,且在评估指标间保持一致性。人类评估进一步证实了自动评估协议与人类偏好的一致性,验证了该框架评估深度研究系统的有效性。
这项研究介绍了FinTagging,首个面向大型语言模型的全面财务信息提取与结构化基准测试。不同于传统方法,它将XBRL标记分解为数值识别和概念链接两个子任务,能同时处理文本和表格数据。在零样本测试中,DeepSeek-V3和GPT-4o表现最佳,但在细粒度概念对齐方面仍面临挑战,揭示了当前大语言模型在自动化XBRL标记领域的局限性,为金融AI发展提供了新方向。
这项研究介绍了SweEval,一个新型基准测试,用于评估大型语言模型在企业环境中处理脏话的能力。研究团队从Oracle AI等多家机构的专家创建了一个包含八种语言的测试集,模拟不同语调和上下文的真实场景。实验结果显示,LLM在英语中较少使用脏话,但在印地语等低资源语言中更易受影响。研究还发现较大模型通常表现更好,且多语言模型如Llama系列在处理不当提示方面优于其他模型。这项工作对企业采用AI技术时的安全考量提供了重要参考。
这项研究提出了"VeriFree"——一种不需要验证器的方法,可以增强大型语言模型(LLM)的通用推理能力。传统方法如DeepSeek-R1-Zero需要验证答案正确性,限制了其在数学和编程以外领域的应用。VeriFree巧妙地计算正确答案在模型生成的推理过程后出现的概率,作为评估和训练信号。实验表明,这种方法不仅能匹配甚至超越基于验证器的方法,还大幅降低了计算资源需求,同时消除了"奖励黑客"问题。这一突破将有助于开发出在化学、医疗、法律等广泛领域具有更强推理能力的AI系统。