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
三星与AI搜索引擎Perplexity合作,将其应用引入智能电视。2025年三星电视用户可立即使用,2024和2023年款设备将通过系统更新获得支持。用户可通过打字或语音提问,Perplexity还为用户提供12个月免费Pro订阅。尽管面临版权争议,这一合作仍引发关注。
浙江大学团队提出动态专家搜索方法,让AI能根据不同问题灵活调整内部专家配置。该方法在数学、编程等任务上显著提升推理准确率,且不增加计算成本。研究发现不同类型问题偏爱不同专家配置,为AI推理优化开辟新路径。
苹果M5 MacBook Pro评测显示这是一次相对较小的升级。最大变化是M5芯片,CPU性能比M4提升约9%,多核性能比M4 MacBook Air快19%,GPU性能提升37%。功耗可能有所增加但电池续航保持24小时。评测者认为该产品不适合M4用户升级,但对使用older型号用户仍是强有力选择。
清华大学研究团队提出SIRI方法,通过"压缩-扩张"交替训练策略,成功解决了大型推理模型"话多且准确率低"的问题。实验显示,该方法在数学竞赛题上将模型准确率提升43.2%的同时,输出长度减少46.9%,真正实现了效率与性能的双重优化,为AI模型训练提供了新思路。