美国佛罗里达州劳德代尔堡——2021年1月19日——思杰系统有限公司今天宣布,其已达成最终协议以22.5亿美元现金收购Wrike,后者发展迅速并已成为SaaS协同工作管理领域公认的领导者。
思杰强大的数字化工作平台可以在确保一致性体验的情况下,安全地为员工提供改善工作效率所需的多种资源,而Wrike创新的工作管理解决方案则可以简化协同工作和工作执行过程,两者强强联合之后,可为员工提供更多工具,使他们在任何地点都可以高效、安全地开展工作。Wrike具备的云交付能力将有助于思杰更快地向云业务模式过渡,并创建基于SaaS的完整工作平台,以满足企业内各职能部门的需求。
合并后的公司将通过互补性解决方案为客户提供更好的价值主张,从而在现有客户群和新合作的企业采购决策中心(包括市场营销、专业服务和人力资源)中发掘新的收益机会。思杰和Wrike将共同为遍布140个国家的40多万客户提供服务。此外,收购结束后,Wrike将纳入思杰强大的合作伙伴生态系统,在生态系统中创造新的机会,从而为客户创造更多价值。
Wrike隶属于美国私募股权投资公司Vista Equity Partners,总部位于美国加利福尼亚州圣何塞,拥有1000多名员工,为全球约1.8万客户提供解决方案,确保团队和分散在各处的员工能够规划、管理并高效地完成大规模工作。加入思杰之后,随着时间的推移,Wrike的增长速度有望加快,预计2021年,其SaaS业务未经审计的年度经常性收入(ARR )将增加30%左右,达到1.8亿至1.9亿美元。
实现未来工作模式
思杰总裁兼首席执行官David Henshall表示:“如今,人们在任何地方都可以办公,也就是说无论是在家里、办公室还是在路上都能开展工作。我们相信未来,成功将属于那些能够支持灵活和混合办公模式,并提供一致、安全和高效工作体验,以便消除工作中的复杂性和噪音,使员工无论身在何处均能够专注和致力于工作的公司。思杰和Wrike将共同提供实现云交付数字化工作空间体验所需的解决方案,使团队能够安全访问协同工作所需的资源和工具,并能够通过任何渠道和设备或在任何地方均能以最高效和有效的方式完成工作。”
扩展数字化工作空间
思杰提供了一个市场上领先的数字化工作平台,企业可以让员工通过该平台统一、安全、可靠地访问所需系统、信息和工具,从而无论身在何处都能够完成工作。随着Wrike产品的加入,其平台将会得到进一步扩展,包括增加新的协同工作管理功能,使企业能够实现团队协作自动化并简化团队协作,并促使所有员工遵循统一的工作流程和工作方式,从而简化工作执行过程,提高员工的工作效率和生产力。
Wrike创始人兼首席执行官Andrew Filev表示:“对于未来的工作模式,思杰和Wrike有着共同的愿景和使命,即降低工作的复杂度和混乱程度,让每个员工、每个团队和每个企业都能够将工作做到最好。我们将共同开启未来的办公空间,切实提升办公体验,为人们提供一套创新的解决方案,使他们能够超越目标,促进业务不断向前发展。”
好文章,需要你的鼓励
这项研究由新加坡国立大学团队开发的DualParal技术,通过创新的双重并行架构解决了AI视频生成的长度限制问题。该方法同时在时间帧和模型层两个维度实现并行处理,配合分块降噪机制、特征缓存和协调噪声初始化策略,使生成分钟级长视频成为可能。实验表明,在生成1,025帧视频时,DualParal比现有技术减少了高达6.54倍的延迟和1.48倍的内存成本,同时保持了高质量的视频输出,为内容创作者提供了生成更长、更复杂视频叙事的新工具。
SoloSpeech是约翰霍普金斯大学研究团队开发的创新语音处理技术,针对"鸡尾酒会效应"问题提出了全新解决方案。该系统通过级联生成式管道整合压缩、提取、重建和校正过程,实现了高质量目标语音提取。与传统判别式模型相比,SoloSpeech采用无需说话者嵌入的设计,直接利用提示音频的潜在空间信息与混合音频对齐,有效避免特征不匹配问题。在Libri2Mix及多个真实世界数据集上的评测显示,SoloSpeech在清晰度、质量和泛化能力上均达到了领先水平,为语音分离技术开辟了新方向。
这项由北京大学深圳研究生院、伟湾大学、腾讯ARC实验室和兔小贝智能联合研究的Sci-Fi框架,通过创新的对称约束机制,解决了视频帧间插值中的关键问题。研究团队设计了轻量级EF-Net模块,增强结束帧约束力,使其与起始帧形成平衡影响,从而生成更自然流畅的中间过渡帧。实验证明,该方法在各种场景下都优于现有技术,特别适用于电影制作、动画创作和视频编辑领域,显著降低了人力成本。
这项来自西北大学和谷歌的研究突破了传统马尔可夫强化学习的局限,通过贝叶斯自适应RL框架解释了大语言模型中涌现的反思性推理行为。研究团队提出的BARL算法通过维护多个解题策略的后验分布,指导模型何时何地进行反思性探索,在数学推理任务上展现出显著优势,比基线方法减少高达50%的标记使用量,同时提高了准确率。这一研究不仅解释了"为什么反思有用",还提供了实用的指导原则,为AI系统的自适应推理能力开辟了新方向。