IT巨头Dell Technologies宣布,在私有化之后以收购VMware追踪股票的方式再次成为一家上市公司。
在Dell董事会成员对其战略选择进行数月审议之后达成的该协议,于周日晚间得到Dell和VMware董事会批准。由Michael Dell创立并仍然掌控的Dell公司,将始终处于他的坚定控制之下。
Dell公司将向股东提供每股109美元现金或1.3665股新发行的C类股票以置换每股追踪股票(DVMT)。现金将来自VMware将向股东发行的110亿美元特别股息,其中大约90亿美元资金将给多数所有者Dell。
总的来说,这一举措将会简化Dell公司神秘的股票结构,最终将有两类股票:Dell的C类股票和VMware的现有股票。该报价较周五DVMT股票收盘价溢价29%。Dell表示,该交易预计将在第四季度完成。
这一举措也完成了计算机行业历史上最重大的转变之一,最终形成了涵盖各种硬件和软件产品和服务的商业计算巨头。
资深行业分析师Dave Vellante表示:“Dell从私有化到收购股票再到将自己转型为一家真正的企业级厂商,同时也没有拖延给华尔街的季度报告。收购EMC加速了这一愿景。Dell在两年内成为企业级领域的一家上市公司和主要力量,这一点令人印象深刻。“
DVMT追踪股票(或V类普通股)是在2016年创建的,目的是帮助Dell以670亿美元收购企业存储技术公司EMC,这次收购曾是IT业界有史以最大的一笔收购。收购EMC之后,Dell承担了巨额债务,两年后仍然欠有约527亿美元。
VMware追踪股票已经发行给EMC股东,作为Dell以现金和股票的方式收购EMC以便让EMC股票持有人继续持有并减少这次收购的现金支出。EMC当时拥有大约80%的VMware股份。自这笔交易完成以来,追踪股票现已上涨近100%。
通过购买DVMT股票,Dell将获得对VMware的直接控制权。据知情人士向华尔街日报透露,这笔交易也让Dell在以后决定与VMware合并时具有更大的影响力,因此可以被视为两部分交易中的第一步。
Vellante表示,收购DVMT股票将为股东带来良好的投资回报,同时帮助Dell解决VMware所有权结构的复杂性。
“通过上市,Dell可以通过推定的公开募股来取消现金,并提供股票和一些现金作为回报。这也将使Dell直接地掌控VMware和VMware的未来,同时保持VMware的独立性。通过回购优秀的DVMT股票,Dell重新夺回了VMware的所有权。”
据报道,戴尔考虑与VMware合并已经有数月时间了,这也是偿还更多债务的几种潜在选择之一。然而,很快就有一些VMware跟踪股票持有者反对这一举动,而且当时据华尔街日报报道称,由于董事会和特别委员会的持续抵制,暂时无法进行合并。
据报道称,Dell还考虑了其他潜在选择,包括Dell自己上市,或者干脆什么都不做。今年3月,戴尔子公司Pivotal Software宣布申请IPO,此举也被认为与Dell偿还债务的计划有关。
Vellante说:“到底[戴尔推定的公开募股能]筹集的现金中有多少将用于退休债务,还有待观察。我的感觉是,Dell每个季度都会从其自由现金流中退出债务,真正目的是为了利用这个热门市场以及VMware和DVMT自宣布交易以来的良好回报。DVMT和VMware现在是非常强大的股票,这是再次上市的好时机。”
Constellation Research分析师Holger Mueller表示,很可能是因为戴尔决定偿还债务的优先级高于把自己转型成为在以云计算为主导的技术领域变强大,从而促成了这笔交易。
他说:“不到两年前,Dell高管强调利用私有化实现转型的优势。但财务和税收结构可能也会发生变化,因此看起来债务的减少——即使这意味着上市——对Dell利益相关者来说也是更好的选择。”
Mueller表示,从客户的角度来看,在拟议的收购中不会发生太大的变化,Dell仍需要考虑自己基于云的IT基础设施产品及服务如何应对未来发展趋势。
“作为一家私有化公司或者上市公司是否有助于产品开发和转型,这都是次要的。重要的是研发和进入市场的过程,越快越好。”
好文章,需要你的鼓励
英特尔携手戴尔以及零克云,通过打造“工作站-AI PC-云端”的协同生态,大幅缩短AI部署流程,助力企业快速实现从想法验证到规模化落地。
意大利ISTI研究院推出Patch-ioner零样本图像描述框架,突破传统局限实现任意区域精确描述。系统将图像拆分为小块,通过智能组合生成从单块到整图的统一描述,无需区域标注数据。创新引入轨迹描述任务,用户可用鼠标画线获得对应区域描述。在四大评测任务中全面超越现有方法,为人机交互开辟新模式。
阿联酋阿布扎比人工智能大学发布全新PAN世界模型,超越传统大语言模型局限。该模型具备通用性、交互性和长期一致性,能深度理解几何和物理规律,通过"物理推理"学习真实世界材料行为。PAN采用生成潜在预测架构,可模拟数千个因果一致步骤,支持分支操作模拟多种可能未来。预计12月初公开发布,有望为机器人、自动驾驶等领域提供低成本合成数据生成。
MIT研究团队发现,AI系统无需严格配对的多模态数据也能显著提升性能。他们开发的UML框架通过参数共享让AI从图像、文本、音频等不同类型数据中学习,即使这些数据间没有直接对应关系。实验显示这种方法在图像分类、音频识别等任务上都超越了单模态系统,并能自发发展出跨模态理解能力,为未来AI应用开辟了新路径。