VMware今天正式完成了从母公司Dell Technologies的分拆,成为一家独立的公司,整个过程持续了数个季度。
截至今天上午,VMware的市值超过630亿美元,是一家顶级的数据中心和云基础设施管理软件供应商。VMware成立于1998年,在2004年被数据存储厂商EMC以6.25亿美元收购,2016年戴尔收购EMC的时候,VMware也随之被并入戴尔。
戴尔为收购EMC付出了670亿美元,是迄今为止科技行业金额最高的一笔收购。
VMware的估值从2004年被EMC收购时的6.25亿美元,到今天已经增长了100多倍,并将自己确立为管理IT基础设施的领先软件制造商之一。VMware虚拟化技术在企业数据中心无处不在,可以帮助企业更有效地利用硬件并简化维护操作,其软件被广泛用于公有云环境,此外VMware还在IT市场的其他一些领域占据一席之地,例如利润丰厚的网络安全领域。
今天4月戴尔宣布了将VMware分拆为一家独立公司的计划。在此之前,戴尔拥有VMware 81%的股份。根据交易条款,VMware将向股东支付约120亿美元的特别股息,其中超过90亿美元将分配给戴尔。
2016年,戴尔与投资公司Silver Lake共同以670亿美元收购EMC,并在此过程中获得了VMware。根据《金融时报》的报道称,Silver Lake在分拆后在两家公司中持有价值110亿美元的股份。
同时,戴尔的股东每持有一股戴尔的股份,就可以获得约0.44股的VMware股份。
戴尔表示,计划利用分拆VMware获得的部分特别股息来帮助偿还债务。当年戴尔借入约700亿美元收购EMC,截至今年7月底仍有约320亿美元尚未偿还。另外一个关键细节:VMware自己的80亿美元债务将不再属于戴尔未偿还的债务。
通过这次分拆,戴尔不仅减少了债务,而且简化了资本结构。今年4月,戴尔首席财务官Tom Sweet第一次详细介绍这次分拆的时候表示,此举将让让双方有资格获得标准普尔500指数等关键股票市场指数,戴尔还希望通过减少债务获得更多投资评级。
尽管戴尔和VMware现在是彼此独立的公司了,但是追求各自增长战略的过程中,双方有望继续合作。戴尔和VMware在分拆之前公布了一项协议,将“保留公司独特的、具有差异化的方式来共同开发关键解决方案以及协调销售和营销活动”。此外,戴尔公司创始人兼首席执行官Michael Dell仍然是VMware的董事会主席。
分拆之后戴尔将把增长计划的重点放在边缘计算上。Michael Dell曾在今年5月接受媒体采访时表示:“如今,只有10%的数据是在数据中心之外处理的,但预计到2025年,75%的企业数据将在传统数据中心之外或者云上进行处理。你的基础设施将无处不在,其中边缘是增长最快的,这将是对整个数字化转型之旅的一次巨大加速。”
上个月,戴尔通过发布VxRail Satellite Nodes扩展了边缘计算产品组合,这款边缘计算系统是戴尔与VMware共同设计的,可以部署在工厂和商店等地点,这个产品系列也突显了戴尔和VMware的合作伙伴关系将在分拆后继续在各自路线图中发挥很大的作用。
Dell表示:“我们所做的,就是将商业关系正式转化为一系列协议,我们双方共同推动了大量创新,这将继续保持下去。”
戴尔增长计划的另一个核心支柱是Apex产品组合,它让客户能够以“即服务”的方式购买基础设施和软件。随着云计算的日益普及,HPE等竞争对手也采取了同样的方式来推动收入增长。
VMware方面则表示,将继续与戴尔金融服务部门合作,为客户的数字化转型项目提供资金。戴尔在VMware的销售战略中也发挥着重要作用,2021财年戴尔的渠道销售额约占VMware收入的35%。
与戴尔一样,VMware正在把即服务模式和订阅模式作为增长计划的一个组成部分。上个季度,VMware的订阅收入和软件即服务销售额同比增长了23%,是总收入增速的两倍多。
好文章,需要你的鼓励
香港中文大学与华为诺亚方舟实验室合作开发了PreMoe框架,解决了大型混合专家模型(MoE)在内存受限设备上的部署难题。研究团队发现MoE模型中的专家表现出明显的任务专业化特征,据此提出了概率专家精简(PEP)和任务自适应专家检索(TAER)两大核心技术。实验证明,DeepSeek-R1 671B模型在精简50%专家后仍保持97.2%的MATH500准确率,内存需求降至688GB;而更激进的精简方案(减少87.5%专家)也能保持72.0%的准确率。该方法适用于多种MoE架构,为强大AI系统的广泛部署铺平了道路。
SCIENCEBOARD是一项开创性研究,旨在评估多模态自主智能体在真实科学工作流中的表现。研究团队构建了一个包含169个高质量任务的基准测试,涵盖生物化学、天文学等六个科学领域,并开发了一个真实环境让智能体通过CLI或GUI接口与科学软件交互。实验评估表明,即使是最先进的模型在这些复杂科学任务上的成功率也仅为15%,远低于人类表现,揭示了当前技术的局限性并为未来科学智能体的发展提供了宝贵见解。
帝国理工学院的研究团队开发了AlphaMed,这是首个仅通过极简规则强化学习就能培养医疗推理能力的AI模型,无需依赖传统的思维链示范数据。通过分析数据信息丰富度和难度分布的影响,研究发现高信息量的医疗问答数据是推理能力的关键驱动因素。AlphaMed在六个医疗问答基准上取得了领先成绩,甚至超越了更大的封闭源模型,同时展现出自发的步骤推理能力,为医疗AI发展提供了更加开放、高效的新路径。
Alita是一种新型通用AI代理系统,采用极简设计理念,以"最小预定义,最大自我进化"为原则构建。由普林斯顿大学等多家机构研究团队开发的Alita,只配备一个核心能力和少量通用模块,能自主创建所需工具并重用为模型上下文协议(MCPs)。实验显示,Alita在GAIA基准测试上达到87.27%的通过率,超越包括OpenAI Deep Research在内的复杂系统,证明简约设计可带来卓越性能。