在激进投资方Elliott Management持续施加的压力下,Citrix即将再次成为一家私营公司。
据《华尔街日报》近日报道称,Elliott的私募股权公司Evergreen Coast Capital和Vista Equity Partners即将以130亿美元收购这家上市软件公司,本周一早上这笔交易正式对外公布,但价格比之前报道的金额更高,达到了165亿美元。
Citrix主要售卖让员工能够远程访问业务应用和虚拟桌面的软件,并且在企业技术市场的其他几个板块开展业务,例如,用于帮助业务团队追踪未完成任务的项目追踪平台,以及帮助IT部门保护公司业务数据和优化网络基础设施的软件工具。
根据协议,Citrix股东将获得每股104美元的现金,比截至12月20日的5天平均价格溢价约24%,这一天也是可能的交易报道公布之前的最后一个交易日,预计此次交易将于2022年年中完成。
Vista和Evergreen计划将Citrix和企业数据管理公司Tibco Software进行合并,后者此前被Vista收购。Citrix表示,此次合并“将Citrix的安全数字工作空间和应用交付套件与Tibco的实时智能数据和分析功能结合在一起,为客户和用户提供加速数字化转型和混合办公场所需要的安全应用、信息访问和洞察力。”
这次交易将让Citrix成为全球最大的软件提供商之一,为400000多家客户提供服务,在100多个国家拥有1亿多用户,目的是“加速Citrix既定的增长战略和SaaS转型,并通过与TIBCO的结合,将扩展这个平台以及我们客户所取得的成果,”Citrix公司总裁兼临时首席执行官Bob Calderoni在声明中表示。“我们将与Tibco一起,以更大的规模运营,为更大的客户群提供更广泛的解决方案,加速他们的数字化转型之旅,让他们能够实现混合办公的未来。作为一家私营公司,我们将提高财务和战略灵活性,投身于DaaS等高增长机会,并加速持续的云转型。”
与许多传统软件公司一样,Citrix一直努力向基于订阅的商业模式过渡,最近由于疫情得到了提振,但Elliott等投资方认为Citrix仍然表现不佳。
Elliott有这种观点已经有段时间了。这家激进投资公司收购过大量科技公司的股份,并鼓动这些公司进行变革以提高盈利能力,2015年Elliott首次购入Citrix的股票。
去年9月,Elliott大幅增持了Citrix的股份,斥资13亿美元收购了Citrix公司超过10%的股份。从那时起,Elliott就开始推动Citrix的一系列变革,导致David Henshall于10月卸任公司总裁和首席执行官一职。随后Citrix聘请董事长Calderoni为其临时首席执行官。
Elliott以破坏戴尔2016年以670亿美元收购EMC的努力而闻名,并曾多次先收购其他公司的股份然后再收购这些公司,最著名的例子是Athenahealth,Elliott和Veritas Capital于2018年收购了该公司,最终在9月卖掉了该公司。
Constellation Research分析师Holger Mueller表示:“Elliott和Vista正在合并两家迷失方向并试图重回正轨的前创新领导公司。现在是一个很好的时机,因为两家公司仍然占据着巨大的市场份额,但时机至关重要,因为在他们带来价值之前,企业客户不会等待太长时间,首先是在未来工作领域,其次是在基础设施领域。”
近日Citrix还公布了第四季度财报,该季度Citrix的净利润为1.03亿美元,即每股81美分,低于去年同期的1.12亿美元,即每股89美分。利润包括1.03亿美元的遣散费和设施关闭成本等重组费用,以及与根据瑞士联邦税制改革实施的过渡性税收减免最终确定相关的1.2亿美元所得税优惠。
该季度Citrix的收入增长了5%,达到8.51亿美元。整个财年的收入为32.2亿美元,比2020年减少1%。
好文章,需要你的鼓励
南洋理工大学研究团队开发了WorldMem框架,首次让AI拥有真正的长期记忆能力,解决了虚拟世界模拟中的一致性问题。该系统通过记忆银行存储历史场景,并使用智能检索机制,让AI能准确重现之前的场景和事件,即使间隔很长时间。实验显示在Minecraft和真实场景中都表现出色,为游戏、自动驾驶、机器人等领域带来广阔应用前景。
AWS通过升级SageMaker机器学习平台来扩展市场地位,新增观测能力、连接式编码环境和GPU集群性能管理功能。面对谷歌和微软的激烈竞争,AWS专注于为企业提供AI基础设施支撑。SageMaker新功能包括深入洞察模型性能下降原因、为开发者提供更多计算资源控制权,以及支持本地IDE连接部署。这些更新主要源于客户需求,旨在解决AI模型开发中的实际问题。
MTS AI研究团队提出RewardRanker系统,通过重排序模型和迭代自训练显著提升AI代码生成质量。该方法让13.4B参数模型超越33B大模型,在多种编程语言上表现优异,甚至在C++上超越GPT-4。通过引入困难负样本和PPO优化,系统能从多个代码候选中选出最优方案,为AI编程助手的实用化奠定基础。