拟化巨头VMware今天宣布收购软件开发平台厂商Pivotal Software和网络安全厂商Carbon Black。
VMware表示将以27亿美元的价格收购Pivotal,另外花费21亿美元收购Carbon Black,预计这些交易将于2020年1月前完成。
VMware首席执行官Pat Gelsinger在一份声明中表示:“这次收购解决了当今所有企业的两个关键技术优先事项,即构建现代企业级应用并保护企业工作负载和客户端。我们通过这次收购有重要意义地加速了订阅和软件即服务产品的发展,并扩展了我们帮助客户实现数字化转型的能力。”
Pivotal和Carbon Black是两家完全不同的厂商,但两者都专注于Gelsinger提到的现代化工作负载。Pivotal提供的软件开发平台用于构建基于Cloud Foundry和Kubernetes等开源技术的现代应用,而Carbon Black提供的工具可以对这些应用进行保护。
在今天宣布收购消息之后召开的电话会议上Gelsinger表示,这两家厂商将让VMware能够应对企业IT领域的三大发展趋势。
“首先,多云是企业IT的一种新模式。其次,数字化转型正在加速云原生应用开发的步伐。最后,也是最重要的是,随着企业将应用迁移到云端并通过分布式网络和各种端点访问云,安全性已经成为一项重大挑战和优先事项。”
Gelsinger解释说,对于Pivotal而言,它开发的平台与VMware基础设施相结合将使VMware能够提供“全面的Kubernetes产品组合”用于构建和管理现代应用。
Kubernetes对于VMware来说似乎是“Pivotal”的(关键的),因为Pivotal最近几个月完全投身于容器编排软件领域。例如,几个月前Pivotal宣布即将在Kubernetes上推出Pivotal Application Service,为基于Cloud Foundry的平台增加更多功能,适用于那些希望将应用转移到软件容器中的开发人员,让他们可以保持不变地运行在多个计算平台上。
在此之前,Pivotal还与VMware展开合作,通过Pivotal Container Service联合服务将Kubernetes与自己的平台进行了整合。
Wikibon分析师Stu Miniman在上周首次有收购传闻报道时曾表示:“Pivotal Labs是一个帮助客户采用云原生方法的优秀团队。当Pivotal成立的时候,VMware与Cloud Foundry两者的发展方向有着巨大差异,但他们需要更紧密地联系在一起以便在未来取得成功。”
Pundotal IT分析师Charles King表示,收购Pivotal对双方的业务都是有好处的,并且两者都是Dell Technologies家族的成员。他表示,最近几个月Gelsinger在股市上表现不佳,意味着VMware能够以较低的价格买入,价格和首次公开募股时候的股价差不多。
King表示:“这笔交易完全合情合理,因为Dell和VMware已经拥有Pivotal三分之二的股份。换句话说,VMware是最合乎逻辑的买家,并且已经签署了一项协议涉及向Pivotal股东支付相对适度的现金,并通过交易自己的股票以换取Dell所持有的份额。总而言之,对于一家公司来说,这是一个不错的解决方案,但却无法兑现首次公开募股时所做的承诺了。”
另一方面对于收购Carbon Black来说,VMware的计划是将其与自己的安全产品相结合,为任何应用创建“现代安全云平台,在任何设备上运行任何云,”VMware在一份声明中这样表示。
Carbon Black的云原生安全平台使用大数据和行为分析技术,提供针对网络攻击的端点保护。King说,这些都是VMware目前基础设施安全产品和服务所缺少的功能。
“随着Carbon Black的加入,VMware将能够打造提供最高安全级别的解决方案,无论涉及哪些设备、在什么位置或者涉及什么云平台。”
在公布这两笔收购之前 VMware刚刚宣布了第二季度财报,结果超出预期。该季度VMware在股票补偿等特定成本之前的收益为每股1.60美元,收入为24.4亿美元,比一年前增长了12%。
此前华尔街预期每股收益为1.55美元,收入为24.3亿美元。
尽管如此,VMware的股票还是在盘后交易中下跌超过5%。
好文章,需要你的鼓励
DeepResearchGym是一个创新的开源评估框架,专为深度研究系统设计,旨在解决当前依赖商业搜索API带来的透明度和可重复性挑战。该系统由卡内基梅隆大学研究团队开发,结合了基于ClueWeb22和FineWeb大型网络语料库的可重复搜索API与严格的评估协议。实验表明,使用DeepResearchGym的系统性能与使用商业API相当,且在评估指标间保持一致性。人类评估进一步证实了自动评估协议与人类偏好的一致性,验证了该框架评估深度研究系统的有效性。
这项研究介绍了FinTagging,首个面向大型语言模型的全面财务信息提取与结构化基准测试。不同于传统方法,它将XBRL标记分解为数值识别和概念链接两个子任务,能同时处理文本和表格数据。在零样本测试中,DeepSeek-V3和GPT-4o表现最佳,但在细粒度概念对齐方面仍面临挑战,揭示了当前大语言模型在自动化XBRL标记领域的局限性,为金融AI发展提供了新方向。
这项研究介绍了SweEval,一个新型基准测试,用于评估大型语言模型在企业环境中处理脏话的能力。研究团队从Oracle AI等多家机构的专家创建了一个包含八种语言的测试集,模拟不同语调和上下文的真实场景。实验结果显示,LLM在英语中较少使用脏话,但在印地语等低资源语言中更易受影响。研究还发现较大模型通常表现更好,且多语言模型如Llama系列在处理不当提示方面优于其他模型。这项工作对企业采用AI技术时的安全考量提供了重要参考。
这项研究提出了"VeriFree"——一种不需要验证器的方法,可以增强大型语言模型(LLM)的通用推理能力。传统方法如DeepSeek-R1-Zero需要验证答案正确性,限制了其在数学和编程以外领域的应用。VeriFree巧妙地计算正确答案在模型生成的推理过程后出现的概率,作为评估和训练信号。实验表明,这种方法不仅能匹配甚至超越基于验证器的方法,还大幅降低了计算资源需求,同时消除了"奖励黑客"问题。这一突破将有助于开发出在化学、医疗、法律等广泛领域具有更强推理能力的AI系统。