Michael Dell, 戴尔科技公司董事长兼CEO
作为科技行业的分析师,我从来不会轻易相信人们口中那种“人人有好处”或者“不存在任何负面影响”的鬼话。无论是技术培训产品还是企业战略,我的一大职责就是找出事物中所有积极与消极的因素。而在昨天听取戴尔科技与VMware电话会议、参考大量书面材料并与Michael Dell当面交流之后,我发现戴尔与VMware的拆分好像确实没什么可以指摘的地方。
公告内容
根据戴尔科技与VMware发布的新闻稿、演示文稿及电话会议内容:
什么意思?
对于戴尔科技与VMware的客户及渠道合作伙伴来说,此次交易不会带来什么实质性的改变。至少在未来五年之内,两家公司的关系将与拆分之前甚至保持一致。
在我看来,戴尔科技仍将是VMware公司首选的基础设施平台与市场销售渠道合作方,而我也坚信VMware仍将是戴尔科技的首选软件与解决方案供应商。这里需要再次强调,戴尔科技与VMware在过去五年的合作当中达成了理想的双边收益。戴尔科技CFO Tom Sweet在昨天的电话会议上重申:“戴尔公司的渠道销售收入占VMware 2021财年总收入的35%。”两家公司仍然彼此需要,而且将继续协同一致。
但未来的情况谁也说不好,也许这两位亲密的合作伙伴终将脱钩。毕竟接下来的五年中,人类很有可能首次登陆火星,还有什么不可能发生的?技术变化日新月异,合作关系也是如此。不过也别忘了,Michael Dell同志将会身兼戴尔科技与VMware两家公司的董事长。虽然在拆分之后,Dell本人与Silver Lake的投票权将有所减弱,但其大股东的身份并不会受到影响。
有趣的是,在戴尔于去年7月提交13D文件时,曾经非常关注客户对此的反馈。事实证明,客户并不关心公司的所有权结构,这也让戴尔坚定了重塑发展道路的信心。客户几乎没有提出任何疑问,只是想知道戴尔科技与VMware能否继续保持良好的合作关系。客户还希望两家公司能够拥有同一位董事长,这位董事长最好也是两家公司的最大股东——所以答案只有一个,Michael Dell。
戴尔科技的APEX发展愿景
两家公司并没有过多强调“其他增长机会”。VMware公司CFO兼临时CEO Zane Rowe表示,“我们将拥有更强的业务能力,可以将我们的生态系统扩展到全体云服务商乃至本地基础设施供应商,同时带来足以支持这种增长机会的资本结构。”既然VMware已经与全体公有云服务商及基础设施平台厂商建立了合作关系,Rowe这里强调的究竟是什么?我认为这里是在暗示企业客户未来会看到HPE与VMware VxRail这类基础设施产品。此外,戴尔科技与Google Anthos之间的联系也更加紧密。在我看来,这笔交易将让戴尔科技的竞争对手们放松警惕,以更轻松的态度与VMware开展合作;而VMware的竞争对手也可以借此机会同戴尔科技搭上关系。这是个微妙但非常重要的观点,目前不少科技企业的高管都在探索类似的发展道路。
VMware的发展愿景
总而言之,戴尔科技与VMware的彼此独立将给客户与渠道拓展带来重大机遇。我能感受到戴尔对于APEX的极大关注,我也相信VMware将在云计算领域取得巨大成功,特别是在纯公有云神话逐渐破解之后,混合云开始在整个市场上占领高地。我个人也期待VMware董事会会选择谁出任下一位CEO——现任COO Sanjay Poonen就是个不错的选择。
戴尔科技投资价值剖析
最后,咱们来聊聊股东价值受到的影响。这里不涉及任何复杂的财务知识,我只是技术行业分析师,所以咱们只是粗浅聊聊华尔街对这类交易的基本判断。
所有权结构
首先亮出结论,华尔街很喜欢这类拆分活动:
戴尔科技改善债务状况
那么,华尔街的专家们采取了哪些行动?目前,德意志银行、摩根大通与摩根士丹利均已提高了戴尔科技的收入预期。戴尔股价上涨6.22美元(增幅为6.71%),当天内报收于98.92美元。VMware被Piper Sandler与BMO Capital看好,但Northland Capital则表示看衰。当日之内,VMware公司股价上涨4.57美元(增幅为2.95%),报收于160.08美元。
看起来不错,但我一直强调,华尔街最关注的其实是当下、而非未来。目前小小的股价波动还说明不了问题,未来戴尔的价值收益比才是真正的大头。加油,各自独立的戴尔与VMware,预祝前路一帆风顺。
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。