近日,SUSE宣布与成长型投资公司殷拓集团(以下简称EQT)的合作计划,今后将作为一家完全独立经营的企业继续保持增长势头、战略执行和产品扩张。EQT从Micro Focus手中收购SUSE的方案仍然有待Micro Focus股东和监管机构的批准,预计将于2019年年初启动。
在经历7年的持续增长之后,SUSE将被EQT从Micro Focus手中收购。EQT是一家注重发展潜力的投资机构,在软件行业拥有丰富的经验。SUSE在Micro Focus旗下获得了母公司的投资和支持,逐渐发展成为领先的企业级开源软件定义基础架构和应用交付解决方案供应商。
与EQT建立合作伙伴关系之后,SUSE将继续发掘优质市场机会,包括Linux操作系统领域和开源空间的新兴产品群领域。交易完成后,SUSE将在首席执行官Nils Brauckmann的继续领导下进入企业发展的新阶段,以独立经营的姿态在全球范围内运营。为确保连续性,SUSE在人事安排、客户关系、合作伙伴关系、服务和产品阵容、维持开源领导地位和支持主要开源社区等方面将保持不变。
“今天是SUSE历史上非常激动人心的一天。通过与EQT合作,我们将成为一家完全独立经营的企业“,SUSE首席执行官Nils Brauckmann表示,“SUSE将续写发展的新篇章,同时保持甚至加快近年来良好的增长势头。与EQT联手之后,我们将受益于更多的投资机会并保持领导团队的连续性,继续确保长期盈利增长并重点聚焦客户以及合作伙伴的成功。现任领导团队带领SUSE走过了高速增长的阶段。现在,有了技术创新和上市能力领域的持续投资,他们将维持增长势头,带领SUSE不断前行。”
EQT Partners合伙人、EQT VIII投资顾问Johannes Reichel则表示:“我们很高兴能与SUSE的管理层合作,并利用这个非常吸引人的增长型投资机会。SUSE近年来强劲的业绩表现以及作为开源领域引领者所表现出来的强大文化和传统令我们印象深刻。这些特点与EQT支持和打造能力强、弹性高的企业并积极推动增长的传统不谋而合。我们期待和 SUSE 携手迈进增长和创新的新阶段。”
在EQT的支持下,SUSE将获得有利的市场定位并进一步发掘潜力,以在Micro Focus所取得的成绩为基础再上一层楼。
SUSE认为此次收购的时机恰到好处,因为在开源软件定义基础架构(SDI)和应用交付技术的推动之下,市场对数字转型的需求日益旺盛。各类机构纷纷加强了它们对开源技术和解决方案的关注,以期实现业务转型。
凭借悠久的开源软件开发历史、强大的品牌影响力以及种类丰富、市场领先的软件定义基础架构和应用交付解决方案,SUSE有能力把握这一市场动态,为客户及合作伙伴创造巨大的价值。
更多的投资和支持将为SUSE提供持续扩张和推进创新的动力,通过有机增长和附带收购的形式推动SUSE核心业务和新兴技术的增长。此次收购是对SUSE的价值和潜力的认可,表明EQT对其文化、领导地位和现行战略充满信心。
SUSE将继续根据当前和未来的市场需求交付产品并积极创新,现有的企业使命、愿景和战略将保持不变。以SUSE首席执行官Nils Brauckmann为首的现任领导团队将全部留任,继续关注于客户以及合作伙伴的成功,同时继续支持并参与开源社区和项目。考虑到行业以关系为中心的属性,让过去7年来实现高速增长的领导团队留任对客户、合作伙伴和开源社区来说具有重大的商业价值。
在成立25年后的今天,SUSE将继续致力于推动开源的发展和相关业务模式的推广,积极参与社区和项目,通过开源创新为企业提供优质、可靠、实用的解决方案。这是一种真正开放、开源的模式,不仅为客户提供代码,更为他们提供选择的自由。这种模式已经植入SUSE的文化,既是公司区别于竞争对手的优势所在,也是它取得成功的关键。
SUSE和EQT将继续保持SUSE强大的领导地位、对客户成功的重视以及建立成功合作伙伴关系的能力,助力SUSE开启发展新征程。
好文章,需要你的鼓励
这项研究提出了ORV(占用中心机器人视频生成)框架,利用4D语义占用作为中间表示来生成高质量的机器人操作视频。与传统方法相比,ORV能提供更精确的语义和几何指导,实现更高的时间一致性和控制精度。该框架还支持多视角视频生成(ORV-MV)和模拟到真实的转换(ORV-S2R),有效弥合了虚拟与现实之间的差距。实验结果表明,ORV在多个数据集上的表现始终优于现有方法,为机器人学习和模拟提供了强大工具。
这项研究由Writer公司团队开发的"反思、重试、奖励"机制,通过强化学习教导大型语言模型生成更有效的自我反思内容。当模型回答错误时,它会生成反思并二次尝试,若成功则奖励反思过程。实验表明,该方法在函数调用和数学方程解题上带来显著提升,最高分别改善18.1%和34.7%。令人惊讶的是,经训练的小模型甚至超越了同家族10倍大的模型,且几乎不存在灾难性遗忘问题。这种自我改进技术为资源受限环境下的AI应用开辟了新方向。
FuseLIP是一项突破性研究,提出了通过早期融合离散标记实现多模态嵌入的新方法。与传统CLIP模型使用独立编码器不同,FuseLIP采用单一编码器同时处理图像和文本标记,实现了更自然的模态交互。研究证明,这种早期融合方法在多种多模态任务上表现优异,特别是在需要理解图像结构而非仅语义内容的任务上。研究还开发了创新的数据集和评估任务,为多模态嵌入研究提供了宝贵资源。
ByteDance与浙江大学合作开发的MERIT是首个专为多语言多条件语义检索设计的基准数据集,包含320,000条跨5种语言的查询和135,000个产品。研究发现现有模型在处理多条件查询时过度关注全局语义而忽略特定条件元素,为此提出CORAL框架,通过嵌入重建和对比学习相结合的方式,使检索性能提升45.9%。这项研究不仅识别了现有方法的关键局限性,还为多条件交错语义检索领域的未来研究奠定了基础。