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
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。