慧与的首席执行官Antonio Neri表示:“等到与Juniper的交易完成,我们将拥有另一项业务:110 亿美元的收入。它将占公司收入的三分之一以上,可能会占公司利润的50%。”
首席执行官Antonio Neri表示,由于斥资140亿美元收购Juniper Networks,以及新的Aruba networking 全球营销活动,网络正在成为慧与的核心,慧与正在努力从竞争对手思科那里获取更多的市场份额。
Neri今天在亚特兰大举行的2024 XChange Best of Breed 会议上表示:“我们正在成为一家以网络为核心的公司。思科可能已经忘了这一点。”“我认为这是个大机会,最终会在网络层面为客户提供更加现代化、由人工智能驱动的体验。”
Neri表示,慧与对Juniper的大手笔收购可能“几周后”就会完成,这将大大提高这家市值300亿美元的公司的销售额和利润。
慧与的首席执行官表示:“等到与Juniper的交易完成,我们将拥有另一项业务:110 亿美元的收入。它将占公司收入的三分之一以上,可能会占公司利润的50%。”
Antonio Neri:Juniper和慧与的产品之间“没有重叠”
Neri表示,慧与和Juniper的产品组合并不重叠,这对其在全球网络领域与思科争夺市场份额是个好兆头。
Neri表示:“Juniper获得了规模(以及)更大的销售队伍。显然,它还能服务于所有客户群。人们有时会有点困惑,(认为)会有重叠。实际上,并没有重叠。”
例如,他表示惠与在服务提供商领域“从未在网络层面做过任何事情”。
他表示:“我们在这个领域没有路由业务。显然,(与Juniper合作)对我们来说是一件好事。”
在某些网络市场或客户方面,惠与传统上并不热衷于校园和分支机构领域,而这正是Juniper的强项。
Neri表示:“你想想,在校园和分支机构领域,惠与凭借HPE-Aruba Networking建立了令人惊叹的业务,但真正的业务是在企业的高端领域,而且更多是针对思科。你看看Juniper Mist(AI),他们打造的解决方案非常出色,更多是人工智能驱动的。”
他表示:“所以,不要把惠与和Juniper对立起来看待。而是惠与和 Juniper一起,要与市场上思科的多种架构竞争。”
慧与擅长不安于现状
对于Juniper合作伙伴,Neri表示,渠道合作伙伴将能够销售“更大的产品组合,比以往想象的更大。”
他表示:“你想想到了2024年底或者2025年初,这起收购完成并融入业务,它将支持所有类型的客户——从电信和云服务提供商,到各种规模的企业,从园区和分支机构到数据中心交换,再到核心数据中心。”“显然,园区和分支机构解决方案还包括 Wi-Fi、软件、防火墙、网络和安全。”
Redapt是一家总部位于德克萨斯州奥斯汀的解决方案提供商,该公司的执行副总裁Paul Shaffer表示,收购Juniper是慧与在竞争中扩大市场份额的一项大胆举措。
Shaffer表示:“从网络的角度来看,收购Juniper非常好,因为我们也有相当强大的Juniper业务。如果他们能把Juniper业务整合到他们的数据中心基础设施业务中,那么效果会非常好。”
Shaffer表示,多年来,慧与在Neri的领导下进行了一些科技行业“最好的战略收购”。
Shaffer表示:“慧与擅长不安于现状。Neri 进行了一些伟大的收购,你在Aruba上就能看到这一点。他进行了一些非常棒的收购,在一些产品线或解决方案可能存在空白的地方增加了产品线。”
他表示:“在科技世界里,你不能停滞不前。”“你必须进行这类严肃的投资,将赌注押在上面。我为惠与和Juniper感到兴奋。”
Neri则表示,他看好惠与和Juniper合并后在市场竞争中的优势。
Neri表示:“这是惠普和惠与历史上第一次全面拥有知识产权——从芯片到基础设施到操作系统,再到软件服务和安全,以提供现代化的边缘到云网络结构。”
好文章,需要你的鼓励
在他看来,企业对AI的恐惧源自未知,而破解未知的钥匙,就藏在“AI平台+开源”这个看似简单的公式里。
斯坦福和魁北克研究团队首创"超新星事件数据集",通过让AI分析历史事件和科学发现来测试其"性格"。研究发现不同AI模型确实表现出独特而稳定的思维偏好:有些注重成就结果,有些关注情感关系,有些偏向综合分析。这项突破性研究为AI评估开辟了新方向,对改善人机协作和AI工具选择具有重要意义。
Pure Storage发布企业数据云(EDC),整合其现有产品组合,提供增强的数据存储可见性和基于策略的简化管理。EDC集成了Purity存储操作系统、Fusion资源管理、Pure1舰队管理和Evergreen消费模式等架构元素,提供类云存储管理环境。该方案支持声明式策略驱动管理,让客户专注业务成果而非基础设施管理。同时发布高性能闪存阵列和300TB直接闪存模块,并与Rubrik合作提供网络安全防护能力。
威斯康星大学研究团队提出"生成-筛选-排序"策略,通过结合快速筛选器和智能奖励模型,在AI代码验证中实现了11.65倍速度提升,准确率仅下降8.33%。该方法先用弱验证器移除明显错误代码,再用神经网络模型精确排序,有效解决了传统方法在速度与准确性之间的两难选择,为实用化AI编程助手铺平了道路。