戴尔科技公司的追踪股票于今天上午从股东处获得价格修改批准,这意味着戴尔方面将能够借此对旗下VMware公司加以控制,为Michael Dell以及Silver Lake Partners带来丰厚回报,同时亦给戴尔重返股市扫清了道路。
根据协议条款,戴尔科技公司将于今年12月28日重新上市,在纽约证券交易所以DELL代码进行股票交易。
这笔交易亦解决了戴尔及其投资合作伙伴同各激进派投资方(包括卡尔伊坎以及艾略特管理公司)之间为期六个月的激烈争执——后者认为VMware的股票价格一直受到不公平的打压,致使总计投资100亿美元的Michael Dell以及Silver Laker从中攫取到大量利益。戴尔公司于2013年完成私营转制,其最初提出的每股109美元的报价曾引发激烈冲突,并迫使该公司在谈判桌上给出更具吸引力的报价。
此次交易标志着Michael Dell个人做出了一些让步。在此之前,Michael Dell曾经私下抱怨股市不允许领导层立足中远期(超过一个季度)进行业务规划。接下来,就是戴尔于2016年以670亿美元巨资收购EMC公司,这不啻于在业界投下一颗重磅炸弹。在今天早上的声明当中,这位戴尔公司创始人暗示私营制度的优势正在发生变化,称这笔交易将“加强我们的战略地位,因为我们将继续提供创新、符合长期愿景的综合性解决方案。”
重新上市,其中最直接的好处就是增加了戴尔偿还债务的灵活空间——目前戴尔的负债仍然超过500亿美元。今天的股东批准意味着戴尔获得VMware公司81%的普通股所有权,前者可以利用这一控股权通过公开股市更快地偿还债务。
Moor Insights & Strategy公司总裁兼首席分析师Patrcik Moorhead表示,“这对投资者而言是一笔不错的交易,而且很可能不会对客户产生什么影响,效果积极。戴尔公司的领导层还承诺将按年度,而非按季度进行运营规划,这有望吸引到更多长期投资者。总而言之,这是一场双赢。”
Wikibon公司首席分析师David Vellante则指出,虽然戴尔公司作为一家上市企业将拥有更多财务杠杆,但其最优先的业务考量仍然必须是偿还债务。“我预计戴尔公司的运营方式不会发生重大变化。相反,我认为这是一种简化企业结构并消除追踪股票模糊性的方法。”
根据Vellante的说法,即使是在私营状态之下,戴尔公司的表现也仍像是一家上市企业。他解释称,“作为一家上市企业,戴尔将接受更多审查,而且更难做出明确的业务发展规划。但单就财务而言应该问题不大,毕竟他们目前的财务状况就非常透明。”
DVMT追踪股票建立于2016年,旨在帮助戴尔公司为EMC收购交易筹集资金。VMware公司被广泛重视视为收购EMC过程当中的重要筹码,而凭借追踪股票,EMC股东将继续持有该公司的股份。
EMC公司曾以6.35亿美元收购VMware,而如今这家虚拟机软件厂商的市值已经达到672亿美元——超过当初EMC所支付价格的100倍以上。自创建以来,DVMT追踪股票的价格增长了近140%。
尽管拥有这样的表现,但仍有一部分投资者抱怨称,收购EMC的交易没有让他们在VMware公司的成功中获得足够的收益。投资银行家们最初预计,DVMT股票的交易价格将比VMware股票低10%左右,但最终实际折扣率却接近40%——额外部分收益,相当于直接被Michael Dell以及Silver Lake收入囊中。英国《金融时报》本周估计称,Dell与Silver Lake借此获得的账面收益大概在110亿美元。
展望未来,戴尔公司将继续直面来自股东的压力,从而最大程度提升VMware的股票价值——而这也已经成为戴尔公司整体价值的主要来源之一。Vellante解释称,“这将给重新恢复上市企业身份的戴尔公司带来压力。激进派投资者显然倾向于加快任何潜在的增长空间并压缩现金流,从而推动变革。”
然而,这位分析师仍坚持认为戴尔的运营态势好于EMC,毕竟其拥有更庞大的供应链与更多元化的业务体系。在他看来,“戴尔公司必须专注于执行并进一步简化成本结构。其必须简化自身产品组合,更好地指导研发工作,而这正是现任产品与运营副总裁Jeff Clarke的第一要务所在。”
好文章,需要你的鼓励
这篇博客详细解读了阿里巴巴通义实验室和中科大联合开发的VRAG-RL框架,该框架通过强化学习优化视觉语言模型处理复杂视觉信息的能力。研究创新性地定义了视觉感知动作空间,使模型能从粗到细地感知信息密集区域,并设计了结合检索效率与结果质量的精细奖励机制。实验表明,该方法在各类视觉理解任务上大幅超越现有技术,Qwen2.5-VL-7B和3B模型分别提升了20%和30%的性能,为处理图表、布局等复杂视觉信息提供了更强大的工具。
香港科技大学研究团队发现AI训练中的验证器存在严重缺陷。基于规则的验证器虽精确但僵化,平均有14%的正确答案因表达形式不同被误判;基于模型的验证器虽灵活但极易被"黑客攻击",AI可通过输出特定模式欺骗验证器获得不当奖励。研究提出混合验证器设计,结合两者优势,在数学推理任务上将性能提升3个百分点,为开发更可靠的AI训练系统提供重要启示。
这项研究提出了"用生成图像思考"的创新范式,使AI能够通过生成中间视觉步骤在文本和图像模态间自然思考。研究者实现了"原生长多模态思维过程",使大型多模态模型能够生成视觉子目标和自我批评视觉假设。实验表明,该方法在处理复杂多物体场景时性能提升高达50%,为医学研究、建筑设计和刑事侦查等领域开创了新的应用可能。
这篇论文介绍了GRE套装,一个通过精细调优视觉语言模型和增强推理链来提升图像地理定位能力的创新框架。研究团队开发了高质量地理推理数据集GRE30K、多阶段推理模型GRE以及全面评估基准GREval-Bench。通过冷启动监督微调与两阶段强化学习相结合的训练策略,GRE模型能够有效识别图像中的显性和隐性地理指标,在Im2GPS3k和GWS15k等主流基准上显著优于现有方法,为全球图像地理定位任务提供了更准确、更可解释的解决方案。