Avaya和Extreme Networks日前证实了Avaya将以“大约1亿美元”出售旗下网络业务的消息。
两家公司三月时就有意交涉该交易,但因为当时Avaya还在找其他买家投标,因此,确认Extreme为最后买家花掉了一段时间。
两家公司日前已经发了声明说交易已经完成,既是说一旦等到律师事务、签字和盖章后就完成了,预期交易结束日期为7月1日。
Avaya卖掉网络业务是因为需要现金,Avaya重组债务时举步维艰,所得现金可以帮助其重组债务,而且,Avaya也希望专注统一通信及之类的业务。另一方面,Extreme则想与诸如Cisco和HPE一类的公司平起平坐,Extreme所以还收购了博科的数据中心网络资产,旨在提供涵盖数据中心核心、LAN、校园网络、WAN和安全性的产品组合。
Extreme认为该交易是一个突破口,因为尽管“Avaya Networking并未提供有关业务审核过的财务报告”, Extreme相信 该业务的“年收入超过2亿美元”。 Extreme还表示可以将花在 Brocade的5500万美元转化为2.3亿美元的年收入,以及可以将收购斑马网络的5500亿美元转化1.15亿美元的年收入。如果这些数字是对的,那么明年这个时候Extreme的收入将新添5.45亿美元,外加2016年报出的5.28亿美元的收入。
加在一起也就是十多亿美元,Extreme的规模仍很难与HPE和Cisco攀比,甚至和Juniper网络都没法比。但Extreme落在Arista后面不是太远,业界人士通常认为在开企业网络购物清单时Arista是值得考虑的。
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。