今天,网络安全厂商McAfee宣布,公司正在被一个投资集团私有化,交易金额超过140亿美金。
此次收购McAfee的投资集团包括Advent、Permira、Crosspoint Capital、CPP Investments、GIC和阿布扎比投资局的全资子公司,超过140亿美金的收购价格约合每股26美元,比此前有关交易正在进行中的报道公布时的股价最后收盘价溢价约22.6%。
因此,McAfee在作为一家上市公司运营仅一年之后即进行私有化。去年10月,McAfee在美国纳斯达克上市,市值约80亿美金,比现在被收购的价格低了60亿美金。
就在纳斯达克上市一直到今天宣布出售计划的期间,McAfee对其业务战略进行了重大变革,将重点缩小至消费级网络安全市场。
就在今年年初之前,McAfee还同时销售消费级和企业级网络安全软件。2020年第四季度McAfee的企业级业务增长约5%,如今已经成为McAfee重点的消费级网络安全业务收入增长了23%。今年3月,McAfee决定将企业业务以40亿美元的价格,出售给私募股权公司Symphony Technology Group,从而完全专注于消费级市场。
McAfee表示,此次私有化将有助于推进其增长战略。McAfee称,收购McAfee的投资集团将提供“财务和运营方面的资源,进一步增强McAfee的消费级产品,抓住消费者对数字保护服务需求的快速增长”。
McAfee凭借用于个人计算机和智能手机恶意软件检测平台在消费者网络安全市场站稳脚跟,此外还提供了VPN功能和其他网络安全软件。
McAfee借助广泛的合作伙伴生态系统向消费者售卖自己的软件产品,包括个人计算机制造商、手机制造商、互联网服务提供商以及其他公司,为他们的客户提供McAfee软件,进一步扩大McAfee的市场覆盖面。
根据McAfee今天发布的财务业绩显示,由于消费者的需求不断增长,使得McAfee在截至9月25日的这一季度收入增长了24%,达到4.91亿美元。该季度McAfee的旗舰产品Core DTC净新增了64000个订阅用户,现在在全球范围内累计拥有2010万订阅用户,相比去年同期公布的1730万订阅用户有显著增长。
该季度McAfee的销售额高达140亿美元,这对私募股权公司TPG来说是一个重大的好消息,后者是McAfee最大的股东,截至今年6月份持有McAfee约40%的股份。几年前,TPG从英特尔公司手中收购了McAfee的多数股权,从而成为McAfee最大的股东,当时McAfee估值为42亿美元,比如今的售价低了近100亿美元。
TPG首席执行官Jon Winkelried表示:“今天这一公告对McAfee来说意味着持续的增长和机遇。在过去四年中,McAfee扩大了产品组合,加强了上市战略,并进行了战略并购,包括剥离企业业务等。”
此次McAfee出售给投资集团并非这家网络安全公司的第一次私有化。2011年,McAfee就以76.8亿美元的价格被英特尔私有化,而在此之前McAfee已经作为一家上市公司运营了十多年时间。
好文章,需要你的鼓励
来自香港科技大学和MiniMax的研究团队开发了SynLogic,一个可合成35种逻辑推理任务的框架与数据集,填补了AI逻辑训练资源缺口。研究表明,在SynLogic上进行强化学习训练显著提升了模型逻辑推理能力,32B模型在BBEH测试中超越了DeepSeek-R1-Distill模型6个百分点。更值得注意的是,将SynLogic与数学和编程数据混合训练不仅提高了这些领域的学习效率,还增强了模型的泛化能力,表明逻辑推理是构建通用AI推理能力的重要基础。
这项研究揭示了大型语言模型的惊人能力:只需两个特殊训练的向量,冻结的语言模型就能在一次计算中生成数百个准确词汇,而非传统的逐词生成。研究者发现,这种能力要求特定的输入排列方式,且生成速度比自回归方法快约279倍。这一发现不仅展示了语言模型未被充分探索的并行生成潜力,还为快速文本重建开辟了新方向。
腾讯混元团队提出的"ConciseR"是一种通过两阶段强化学习实现大模型简洁推理的新方法。研究遵循"先走后跑"原则,先确保模型具备准确推理能力,再优化输出简洁性。第一阶段通过改进的群体相对策略优化(GRPO++)提升推理能力,第二阶段通过长度感知的群体相对策略优化(L-GRPO)减少输出长度。实验结果显示,该方法在AIME、MATH-500等多个基准测试中既减少了输出长度(平均20%以上),又保持或提高了准确率,展现出高效率-高准确率的理想平衡。
这项由香港科技大学团队开展的研究首次全面评估了压缩对大语言模型Agent能力的影响。研究发现,虽然4位量化能较好地保留工作流生成和工具使用能力(仅下降1%-3%),但在实际应用中性能下降达10%-15%。团队提出的ACBench基准测试横跨工具使用、工作流生成、长文本理解和实际应用四大能力,评估了不同压缩方法对15种模型的影响。结果显示,AWQ量化效果最佳,蒸馏模型在Agent任务上表现不佳,大型模型对压缩更具韧性。研究还提出ERank等创新分析方法,为实际部署提供了切实指导。