在长久的等待之后,戴尔终于宣布分拆VMware。戴尔自2016年收购EMC以来,一直拥有VMware的多数股权。
戴尔表示,将剥离持有的VMware 81%的股权,并于今年第四季度完成分拆之后成立两家独立的公司,时机也取决于各种条件,例如美国国税局(Internal Revenue Service)对该交易是否符合戴尔股东免税资格条件的审批。
这么做的目的是简化两家公司的资本结构,由于复杂的资本结构导致的不确定性,投资者对两家公司的股票的估值都低于其价值。盘后交易中,戴尔股价上涨了约9%,而VMware股票在尾盘交易中上涨了约1.6%。
在此次分拆计划下,VMware将给股东分配大约115亿美元至120亿美元的现金股息,其中当然包括公开持有的戴尔股票。戴尔公司董事长兼首席执行官Michael Dell以及Silver Lake Partners拥有戴尔60%的股份。
其中,戴尔将获得93亿至97亿美元的股息,戴尔表示将借此获得更高的投资级评级,并使其能够偿还自收购EMC以来逐渐减少的债务。戴尔股东每持有1股戴尔股票将获得约0.44股VMware股票。
市场研究公司Wikibon的首席分析师Dave Vellante说:“这次分拆主要是为了清还债务、重组戴尔资产和释放戴尔核心价值,同时不会让戴尔与VMware之间的特殊关系变得更加混乱。这是一种经典的‘鱼和熊掌想要兼得’的策略——非常厉害,真的。”
戴尔还将把所有B类VMware股份转换为A类股,因此将只有一类股票,这对投资者来说是一个更简单、更容易理解的主张。在电话会议上,戴尔首席财务官Tom Sweet表示,此举将使两家公司符合标准普尔500(S&P 500)等关键指数的资格,并为这支股票提供更好的浮动。
Sweet还表示,戴尔将在交易完成前偿还40亿美元的贷款,VMware的80亿美元债务将不再是戴尔债务的一部分。
Moor Insights&Strategy总裁Patrick Moorhead表示:“最终,此举是为了最大限度提高戴尔和VMware的股价,而不会影响客户、ISV或者是渠道。华尔街对两家公司的估值并没有像我认为的那样独立。”
Moorhead指出,戴尔给VMware的收入增长做了不少贡献——截止1月29日的2021财年,VMware收入中有约35%来自戴尔——而戴尔也受益于作为VMWare各项新计划“优先”合作伙伴带来的便利。他说:“鉴于有这项为期五年的战略协议,两者在运营上似乎不会有太大改变。这可以让戴尔与VMware竞争对手更紧密地合作,反之亦然,不过两家公司此前已经在这么做了。”
近年来VMware因为将虚拟化业务转移向云端而实现了蓬勃的发展,特别是与AWS等云计算提供商成功地进行了集成。但是前不久VMware首席执行官Pat Gelsinger离任,加入英特尔公司担任首席执行官。
电话会议Dell称:“我们希望通过分拆VMware为戴尔和VMware带来更多增长机会,并为利益相关者释放可观的价值。”同时,他补充说,“我们将保留与VMware之间关系所带来的优势”,同时消除现有资本结构中的股价影响。
他还在致客户和合作伙伴的一封信中强调说,客户和合作伙伴在与两家公司打交道的方式上,不会发生重大的变化。“从您的角度来说,业务将照常进行,”他这样写道。
戴尔称,两家公司将签署一项商业协议,“将保留两家公司共同开发关键解决方案、调整销售和市场活动方面的独有措施。”特别是,VMware将继续利用Dell Financial Services为客户的数字化转型提供资金支持。
这次分拆交易完成之后,Dell本人将继续担任VMware董事长,而现任VMware临时首席执行官Zane Rowe将继续担任该职位。VMware董事会也将保持不变。
有分析师对戴尔出售这家高速增长的软件公司提出了质疑。Michael Dell回应说:“市场对于这种软硬结合体并不怎么欣赏,股东们对于分拆的反馈绝大多数是积极的。”
Vellante认为还有一些悬而未决的问题,例如这将给戴尔实际创造多少新价值,通过分拆VMware获得一大笔资金将如何影响戴尔,以及两家公司之间持续的商业协议将发生怎样的变化。
好文章,需要你的鼓励
UniR(Universal Reasoner)是一种创新的推理增强方法,可为冻结的大语言模型提供即插即用的推理能力。由韩国科学技术院研究团队开发,该方法将推理能力分解为独立的轻量级模块,无需改变主模型结构。UniR的核心优势在于高效训练(仅更新小型推理模块)、出色的模型间迁移能力(小模型可指导大模型)以及模块组合能力(多个专用模块可通过logits相加组合使用)。在数学推理和翻译测试中,UniR显著超越现有微调方法,展示了轻量级模块如何有效增强大语言模型的推理能力。
Nebius团队开发了SWE-rebench,一个自动化管道用于从GitHub收集软件工程任务并进行去污染评估。该系统解决了两大挑战:高质量训练数据稀缺和评估基准容易被污染。通过四阶段处理(初步收集、自动安装配置、执行验证和质量评估),SWE-rebench构建了包含超过21,000个Python交互式任务的数据集,并提供持续更新的评估基准。研究发现部分语言模型在传统基准上的表现可能被污染效应夸大,而DeepSeek模型在开源模型中表现最为稳健。
这项研究提出了JQL(发音为"Jackal"),一种通过多语言方法提升大型语言模型预训练数据质量的创新系统。研究团队从拉马尔研究所等机构通过四阶段方法解决了多语言数据筛选的难题:先由人类评估内容教育价值创建基准数据,然后评估大型语言模型作为"评判者"的能力,接着将这些能力提炼到轻量级评估器中,最后应用于大规模数据筛选。实验表明,JQL在35种语言上显著优于现有方法,甚至能泛化到未见过的语言如阿拉伯语和中文,为多语言AI发展提供了高效可靠的数据筛选方案。
浙江大学和西湖大学研究团队开发的Styl3R实现了艺术风格化3D重建的重大突破,能在不到一秒内从少量未标定照片和任意风格图像创建具有多视角一致性的3D艺术场景。通过创新的双分支网络架构将结构建模与外观着色分离,系统不仅保持了原始场景结构,还准确捕捉了参考风格特征。与现有方法相比,Styl3R在处理速度和视觉质量上均显著领先,为创意内容制作开辟了全新可能。