个人计算机和服务器巨头戴尔公司今天表示,正在考虑剥离持有的虚拟化厂商VMware 81%股份的可能性。
今天戴尔向美国证券交易委员会(Securities and Exchange Commission)提交的Schedule 13D文件中提及了这个信息,考虑分拆主要是考虑通过避免“企业税”的方式为戴尔股东提供更多价值。这种情况下,意味着戴尔股票(目前为390亿美元)对VMware的价值为零,尽管VMware的收入增幅和利润率更高,而VMware作为一家上市公司本身的市值是580亿美元。
这么做的初衷是将戴尔持有的81%股份(按今天VMware股价计算,约为470亿美元)分拆给VMware股东,让戴尔和VMware股票的市场价值更加清晰,简化两家厂商的资本结构。市场研究公司Wikibon首席执行官、首席分析师Dave Vellante认为:“这让戴尔股票没有了任何悬念。”
但是细节仍然很模糊,根据13D的信息显示,“目前仅处于探索阶段”。戴尔还表示:“将继续评估一系列战略选择,包括维持戴尔持有VMware股权的现状。”
戴尔认为,分拆“可以通过简化资本结构和增强战略灵活性,同时保持互利的战略和商业伙伴关系,让戴尔和VMware股东都从中受益”。
双方的股东似乎都乐于听到这个消息,因为当天戴尔的股价上涨了近8%,VMware股价在延长交易中上涨了约2%。
而且,戴尔打算与VMware协商特别现金股息,这将“在分拆的同时,会按比例向所有VMware股东进行支付”。戴尔在文件中表示,将通过VMware筹集更多资金用于偿还债务,能一定程度上缓解戴尔2016年以670亿美元收购的EMC(VMware的拥有者)欠下的部分债务。戴尔称,将以一定比例的股息来偿还债务。
Vellante指出,除了目前57亿美元的短期债务和长期债务外,尚不确定非戴尔股东或者信用评级机构如何看待利用VMware偿还债务的举措。戴尔表示,目标是“ 1)维持VMware的投资等级信用评级,2)提高戴尔在分拆之后及未来的信用等级。但是,戴尔无法保证在分拆之后两家公司最终都会获得任何特定的评级。”
两家公司打算继续维持双方的商业关系。戴尔在文件中称:“这包括戴尔和VMware之间有关上市、服务、研发以及知识产权协议的事宜,在两家公司分拆后,将持续为双方的客户提供战略利益和支持。”
戴尔董事长、首席执行官Michael Dell表示:“戴尔和VMware之间的战略关系从未像现在这样牢固。二十多年来,我们为客户创新,为企业和我们的团队带来可观的增长和价值。无论我们正在探索哪种选择来创造更高价值,我们都会加快策略的实施,这一点是不变的。我们致力于在我们所在的整合市场中赢得客户的信任,对戴尔产品组合进行创新,打造将数据转化为洞察和行动的集成解决方案。”
戴尔表示,无论如何都不会在9月21日之前进行分拆,因为如果在此日期之前分拆的话就必须征税。目前还不清楚VMware将如何支付股息,因为VMware不仅规模庞大,而且仅有30亿美元现金,所以取决于要承担多少债务。看起来VMware可能需要在几年内就把钱支付给戴尔。
Vellante表示,分拆VMware有助于解决戴尔和VMware之间的各种牵绊来释放双方的价值,吸引更多旁观的投资者购入VMware股票。
他补充说:“这对VMware客户来说是一件好事,VMware将获得完全的自主权和对自己命运的掌控,对VMware的技术生态系统合作伙伴(也就是戴尔的众多竞争对手,例如HPE、IBM、NetApp等)来说也是一个好消息,尽管他们已经着手在寻找优化的VMware替代方案了。”
但是两家公司都面对潜在的不利因素。而且,VMware还要背上债务。“这是VMware获得自由的代价,”Vellante说。
至于戴尔,Vellante表示戴尔将无法再受益于VMware不断增长的、利润丰厚的业务,而这对投资者和首席信息官而言,这也会让戴尔变的不再那么有吸引力。“戴尔对于客户的战略重要性将很大程度上取决于和VMware签署的商业协议条款。”
戴尔和VMware在5月下旬发布的财报结果均超出了预期,使得股价飙升。特别是疫情让两家公司受益匪浅:VMware的最终用户计算产品线(例如VDI)不断增长,戴尔的个人计算机也因为在家办公趋势推高了市场对台式机的需求,表现非常强劲。
VMware的增长尤其亮眼,这要归功于多年来VMware一直致力于为混合云提供技术支撑,在混合云环境中,企业将本地数据中心与(和VMware有稳固合作关系的)AWS等公有云服务相结合。而戴尔,却一直在推动企业系统和存储业务的增长而苦苦挣扎。
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。