据称,HPE即将完成对收购上市网络公司Juniper Networks进行的谈判,此举令人感到惊讶。

据《华尔街日报》援引知情人士消息称,这次交易据称规模达130亿美元,最早可能于本周宣布。此次收购显然是为了让拥有近100年历史的HPE能够在快速发展的人工智能行业中占据更好的位置。
HPE成立于1939年,是美国科技行业最具标志性的品牌之一,以销售服务器和存储阵列等数据中心设备而闻名,此外还为从小企业到全球最大型的企业和政府等客户提供云服务,不仅如此,HPE还是个人电脑和打印市场的重要参与者,但在2015年拆分为两个独立实体之后,将这些业务交给了HP公司。
Juniper则是一家通信网络服务和基础设施提供商,向技术提供商、电信公司、金融服务公司和其他客户销售路由器和以太网交换机等设备,Juniper是思科的主要竞争对手之一,和思科一样,也拥有规模庞大的企业网络管理软件销售业务。
近几个月来,由于企业支出紧缩,Juniper一直在努力应对收入下滑的问题。
两家厂商都在新兴的人工智能行业中占有一席之地。对于那些希望在本地数据中心和云中运行AI工作负载的企业来说,HPE希望能够成为他们计算硬件的主要提供商。最近HPE发布了一系列新的服务器,集成了Nvidia的GPU,主要瞄准的就是AI工作负载。
此外,HPE的云AI战略重点围绕一项名为HPE GreenLake for Large Language Models的新服务,该服务针对AI训练提供了Nvidia GPU的替代方案。客户通过该服务将能够使用HPE的Cray XD超级计算机,后者是一种用于大规模大型语言模型训练的AI原生架构。
至于Juniper,它提供了一项名为Mist AI的AI服务,据称该服务使用机器学习算法来优化客户的无线接入体验,此外还使用AI来增强网络管理和安全软件的功能。
Constellation Research分析师Holger Mueller表示,这笔交易对HPE来说可能是很有意义的,因为HPE正在拼命寻找新的增长动力,收购Juniper可能有助于发展HPE的Aruba Networks业务,这项业务近年来表现良好,但规模仍然太小,无法实现蓬勃发展。
Mueller表示:“看来HPE是打算在网络方面加倍努力,以扩大自己在本地市场的总体目标市场。Juniper拥有不断增长的云业务和大体量的广域网业务,以及AI产品,这对HPE及其投资者来说是一件好事,但这次交易会受到怎样的监管审查还有待观察。”
如果HPE和Juniper能够达成交易,这将成为近年来最大的科技收购之一。过去几年,科技行业受到全球经济疲软和反垄断审查加强的严重打击,交易明显有所放缓。
然而也有迹象表明,收购可能将变得更加普遍。上周,有报道称芯片设计软件公司Synopsys正在洽谈收购结构分析软件公司Ansys,据报道这笔交易可能规模高达350亿美元的股票和现金。
报告发布后,Juniper的股价在盘后交易中上涨了23%多,但是其股票交易价格仍然仅为曾经市值的一小部分。至于HPE,股东似乎对这笔交易不太热情,股价盘后下跌8%多。
好文章,需要你的鼓励
亚马逊宣布向Anthropic追加50亿美元投资,分析师指出此举更多是为解决AI算力瓶颈。根据协议,Anthropic将锁定AWS最高5吉瓦的Trainium芯片算力,包括新一代Trainium 3和Trainium 4。此前Anthropic因容量不足被迫限流,此次扩容将提升用户并发支持能力。协议还涵盖亚欧地区推理算力扩展。分析师指出,此类交易已超越传统风险投资范畴,本质是"供应链融资"——将股权投资与云计算承诺捆绑,以锁定客户并确保资本回报。
这篇由清华大学、香港大学、美团LongCat团队等机构联合发布于2026年4月的综述(arXiv:2604.10098),是关于Transformer"注意力沉积"(Attention Sink)问题的首篇全面系统性研究。注意力沉积是指AI模型将大量注意力集中到语义无关的词上的普遍现象。综述梳理超过180篇研究,围绕"如何利用、如何解释、如何消除"三个维度构建了完整知识体系,涵盖大语言模型、视觉Transformer、多模态模型等多种架构,为AI推理效率、幻觉治理和低精度部署提供了系统性指导。
前微软工程师Dave Plummer是任务管理器的原始开发者,他近日解释了CPU使用率显示背后的原理。任务管理器并非实时读取CPU数值,而是通过定时器采样,计算两次采样间的CPU累计执行时间差来估算使用率。这一方法在早期静态时钟频率的CPU上表现良好,但在现代CPU动态调频、核心休眠等机制普及后,显示结果更接近"占用率"而非真实"生产力",导致数字有时显得不够精准。
这项由加州大学圣地亚哥分校等多家机构联合发布于2026年4月的研究(arXiv:2604.11201),推出了名为COCOABENCH的AI综合能力测试平台,包含153道需要同时运用视觉理解、网络搜索和编程三种能力的真实任务,并配套轻量级测试框架COCOA-AGENT。测试发现,当前最强AI系统成功率仅为45.1%,主要失败原因集中在推理规划、工具执行和视觉感知三大方面,揭示了现有AI距离"真正全能数字助手"仍有显著差距。