在收購IBM低端服務器業(yè)務之前,他們在服務器市場有著一小部分業(yè)務,但市場表現(xiàn)并不理想,由于近幾年聯(lián)想將主要精力放在了移動互聯(lián)上,因此,他們的服務器業(yè)務也始終沒有撼動整個市場格局,但這一切將隨著他們收購IBM低端服務器業(yè)務而改變。
根據(jù)Gartner的報告顯示,IBM的x86服務器業(yè)務在去年第三季度的出貨同比下滑超過30%,市場占有率跌至7.9%,在去年全球,IBM在服務器市場的整體表現(xiàn)并不理想,在x86服務器市場,IBM相比于惠普、戴爾等主要競爭對手,并沒有明顯的核心競爭力,因此,IBM很早就試圖放棄x86服務器業(yè)務,而集中精力去耕耘Power服務器市場。
隨著x86在服務器市場的持續(xù)強勢,甚至開始大規(guī)模侵蝕Power所擅長的,同時也是高利潤的關鍵業(yè)務市場,IBM也感到了前所未有的壓力,在去年,IBM推出了OpenPower聯(lián)盟,聯(lián)合了Google、nVidia等行業(yè)巨頭,試圖反攻x86,同時也將封閉的Power推向了開放市場。而對于IBM本身來說,對x86孤注一擲的反擊注定了他們自身的x86業(yè)務必然受到影響,而他們在x86市場的盤子過小,又不足以實現(xiàn)“臥底”的任務,幫助Power完成逆轉(zhuǎn),因此將這項業(yè)務出售,不僅有利于維護IBM自身的穩(wěn)定,也能夠賺取x86業(yè)務的最大利潤價值,同時還能夠讓IBM有更充裕的資金和精力去面對x86咄咄逼人的態(tài)勢。
對于聯(lián)想而言,由于多年來在服務器市場不溫不火的表現(xiàn),他們要重返主流服務器市場,除了依靠自身的努力之外,更重要的是要借助于外力,2004年,聯(lián)想很好的通過收購ThinkPad大規(guī)模進軍國際市場,如今,聯(lián)想已經(jīng)成為了PC市場的領頭羊,成功經(jīng)驗讓聯(lián)想希望能夠再次收購IBM的分支業(yè)務。
另一方面,在去年的四個季度中,每個季度,全球PC市場的出貨都呈現(xiàn)出兩位數(shù)的雪崩式下滑,而在手機平板等移動互聯(lián)市場,蘋果和三星聯(lián)手攫取了超過110%的行業(yè)利潤,換句話說,除了蘋果三星之外的其他所有廠商,總體城下出虧損的狀況,聯(lián)想盡管有著出貨量上的成就,但暫時還無法獲得充足的現(xiàn)金回報,而也很難撼動蘋果三星的江湖地位,在這樣的背景下,聯(lián)想迫切的需要新的業(yè)務增長點。
收購IBM服務器業(yè)務可以讓聯(lián)想快速的獲得x86服務器市場的能力,這個能力不僅僅體現(xiàn)在服務器硬件本身,更多的是軟件、解決方案和客戶渠道,8%左右的市場份額,看似不大,但通過聯(lián)想的運維,有可能收獲更多的回報。
對于中國政府來說,盡管服務器并不是IT信息安全的核心組成,但仍然是喜聞樂見的一起收購,自從棱鏡門之后,中國政府在國家信息安全層面投入了更多的關注,比如近期COS操作系統(tǒng)的問世,這個中國自主知識產(chǎn)權(quán)的操作系統(tǒng)不論從其實用性、界面還是業(yè)界合作伙伴的支持,都遠超出之前的麒麟等平臺,而在全球的服務器市場上,IBM、惠普、戴爾、甲骨文、思科幾乎牢牢把持著前五把交椅,尤其是在關鍵業(yè)務領域,因此中國家戰(zhàn)略的角度,中國也希望聯(lián)想而不是戴爾完成對IBM低端服務器業(yè)務的收購,同時,更多的本土服務器廠商,對于中國推動自主產(chǎn)品的軟件和操作系統(tǒng),也有著巨大的價值。
而從美國政府的層面,對于聯(lián)想的收購必然保持抵觸態(tài)度,但x86服務器的核心平臺仍然是構(gòu)建在英特爾、AMD兩家美國廠商手中,而目前的主流x86服務器軟件平臺也是基于Linux和Windows,在正常的審核程序之后,他們并不會對這筆收購給予太多的阻撓。
從以上我們不難看到,這筆收購是一筆各方面都你情我愿的收購,IBM迫切希望賣掉這項業(yè)務,聯(lián)想迫切希望擁有這項業(yè)務,中國政府喜聞樂見,美國政府并不擔心,這是一個皆大歡喜的結(jié)果。
好文章,需要你的鼓勵
浙江大學團隊提出動態(tài)專家搜索方法,讓AI能根據(jù)不同問題靈活調(diào)整內(nèi)部專家配置。該方法在數(shù)學、編程等任務上顯著提升推理準確率,且不增加計算成本。研究發(fā)現(xiàn)不同類型問題偏愛不同專家配置,為AI推理優(yōu)化開辟新路徑。
清華大學研究團隊提出SIRI方法,通過"壓縮-擴張"交替訓練策略,成功解決了大型推理模型"話多且準確率低"的問題。實驗顯示,該方法在數(shù)學競賽題上將模型準確率提升43.2%的同時,輸出長度減少46.9%,真正實現(xiàn)了效率與性能的雙重優(yōu)化,為AI模型訓練提供了新思路。
南洋理工大學與騰訊聯(lián)合研究團隊開發(fā)出Rolling Forcing技術,實現(xiàn)AI視頻實時流式生成的重大突破。該技術通過滾動窗口聯(lián)合去噪、注意力錨點機制和高效訓練算法三項創(chuàng)新,解決了長視頻生成中的錯誤累積問題,可在單GPU上以16fps速度生成多分鐘高質(zhì)量視頻,延遲僅0.76秒,質(zhì)量漂移指標從傳統(tǒng)方法的1.66降至0.01,為交互式媒體和內(nèi)容創(chuàng)作開辟新可能。
華中科技大學研究團隊發(fā)現(xiàn),通過讓AI模型學習解決幾何問題,能夠顯著提升其空間理解能力。他們構(gòu)建了包含約30000個幾何題目的Euclid30K數(shù)據(jù)集,使用強化學習方法訓練多個AI模型。實驗結(jié)果顯示,幾何訓練在四個空間智能測試基準上都帶來顯著提升,其中最佳模型達到49.6%準確率,超越此前最好成績。這項研究揭示了基礎幾何知識對培養(yǎng)AI空間智能的重要價值。