Akamai于美国东部时间 2 月 15 日下午 4:30 在其第四季度和 2021 年年终财务业绩电话会议上讨论了此次收购
2022 年 2 月 23 日——负责保护和交付数字化体验且深受全球企业信赖的解决方案提供商阿卡迈技术公司(Akamai Technologies, Inc.,以下简称:Akamai)(NASDAQ:AKAM)近日宣布已达成收购 Linode 公司的最终协议。Linode 是一家提供易于使用且深受信赖的基础架构即服务 (IaaS) 平台的供应商。
现代数字化体验(包括元宇宙等虚拟环境)是通过融合媒体、娱乐、技术、电子商务、金融服务和线上游戏打造而成。几十年来,Akamai一直是这些行业中全球领导公司的重要合作伙伴,为当今的多云、多平台环境中的应用程序提供支持和保护。Linode 助力开发人员以简单、经济和易于访问的方式使用云计算。此次Akamai 将携手 Linode,成为覆盖从云端到边缘环境的全球分布广泛的计算平台。
Akamai首席执行官兼联合创始人 Tom Leighton 表示:“对 Akamai 来说,将 Linode 易于开发人员使用的云计算功能与 Akamai 市场领先的边缘平台和安全服务相结合,这一契机可以看作是一次变革。20 多年来,Akamai 一直是边缘计算业务领域的先驱,我们很高兴开启新的发展篇章:通过创建一个独特的云平台来构建、运行和保护从云端到边缘环境的应用程序,帮助开发人员在具备卓越规模、覆盖范围、性能、可靠性和安全性的平台上构建应用程序,这可以说是一次巨大的进步。”
Linode 创始人兼首席执行官 Christopher Aker 补充道:“我们在 19 年前创立了 Linode,目的是让功能强大的云技术更易于使用,也更容易获取。在此过程中,我们构建了一个深受全球开发人员和企业信赖的云计算平台。如今,随着云服务逐渐包罗万象,囊括计算、存储、安全和从核心到边缘的交付,我们的客户面临着全新的挑战。应对这些挑战的过程需要进行大量整合与扩展, Akamai 与 Linode 将携手规划,共同实现这一目标,这也标志着 Linode 开启了激动人心的崭新篇章,对我们当前和未来的客户来说都是一次重要的进步。”
根据协议条款,在进行惯例收购价格调整后,Akamai 已同意以大约 9 亿美元的价格收购 Linode Limited Liability Company 的所有已发行股权。由于本次交易为资产购买,Akamai 预计将在未来 15 年内节省现金所得税净现值约1.2 亿美元。本次交易预计将于 2022 年第一季度完成,并须满足惯例成交条件。
在 2022 财年,对 Linode 的收购预计将带来约 1 亿美元的收入,而 Akamai 的非 GAAP 每股收益预计将略微增长约 0.05 美元至 0.06 美元。Akamai 已于美国东部时间 2022 年 2 月 15 日下午 4:30 在其第四季度和 2021 年年终财务业绩及全年营收指导电话会议上提供其他详细信息。
本次交易顾问
PJT Partners 担任 Akamai 的财务顾问,WilmerHale 担任 Akamai 的法律顾问。DH Capital 担任 Linode 的财务顾问,Latham & Watkins 担任 Linode 的法律顾问。
好文章,需要你的鼓励
阿里纳德数据中心与Calibrant Energy合作开发首创电池储能系统,通过绕过传统电网升级时间线,使俄勒冈州希尔斯伯勒在建数据中心园区提前数年上线。该31兆瓦、62兆瓦时储能系统计划2026年投运,将作为响应电网的动态资产,在需求高峰期放电,增强区域电网可靠性。这标志着美国首次使用专用电池系统加速大型数据中心并网。
威斯康星大学研究团队开发了LUMINA系统,专门检测AI在回答问题时的"撒谎"行为。该系统发现AI有时会忽视提供的参考资料,固执地依赖内部知识生成不准确回答。LUMINA通过监测AI对外部文档和内部知识的依赖程度来识别这种行为,在多个测试中达到90%以上的准确率,比以往方法提升13%,为构建更可信的AI系统提供了重要工具。
微软在Edge浏览器中推出增强版Copilot模式,提供更强大的AI代理功能,目前在美国进行限量预览。该模式包含Actions和Journeys两大功能:Actions让浏览器能代表用户执行任务,如语音控制打开网页或查找文章特定内容;Journeys则记住用户浏览历史,帮助用户继续之前的研究任务。此举正值AI浏览器竞争加剧,OpenAI推出ChatGPT Atlas、Perplexity发布Comet、谷歌集成Gemini到Chrome。目前Chrome占据71%市场份额,Edge仅占4.67%。
这项由法国CentraleSupélec大学领导的研究通过严格控制的实验,系统比较了AI的推理训练与传统训练方式。研究发现推理训练在数学、开放式任务中效果显著,但需要70亿参数以上模型才能充分发挥优势,且成本增加明显。研究为AI开发者提供了明确的应用指导,有助于根据具体场景选择最优训练策略。