

在收购IBM低端服务器业务之前,他们在服务器市场有着一小部分业务,但市场表现并不理想,由于近几年联想将主要精力放在了移动互联上,因此,他们的服务器业务也始终没有撼动整个市场格局,但这一切将随着他们收购IBM低端服务器业务而改变。
根据Gartner的报告显示,IBM的x86服务器业务在去年第三季度的出货同比下滑超过30%,市场占有率跌至7.9%,在去年全球,IBM在服务器市场的整体表现并不理想,在x86服务器市场,IBM相比于惠普、戴尔等主要竞争对手,并没有明显的核心竞争力,因此,IBM很早就试图放弃x86服务器业务,而集中精力去耕耘Power服务器市场。
随着x86在服务器市场的持续强势,甚至开始大规模侵蚀Power所擅长的,同时也是高利润的关键业务市场,IBM也感到了前所未有的压力,在去年,IBM推出了OpenPower联盟,联合了Google、nVidia等行业巨头,试图反攻x86,同时也将封闭的Power推向了开放市场。而对于IBM本身来说,对x86孤注一掷的反击注定了他们自身的x86业务必然受到影响,而他们在x86市场的盘子过小,又不足以实现“卧底”的任务,帮助Power完成逆转,因此将这项业务出售,不仅有利于维护IBM自身的稳定,也能够赚取x86业务的最大利润价值,同时还能够让IBM有更充裕的资金和精力去面对x86咄咄逼人的态势。
对于联想而言,由于多年来在服务器市场不温不火的表现,他们要重返主流服务器市场,除了依靠自身的努力之外,更重要的是要借助于外力,2004年,联想很好的通过收购ThinkPad大规模进军国际市场,如今,联想已经成为了PC市场的领头羊,成功经验让联想希望能够再次收购IBM的分支业务。
另一方面,在去年的四个季度中,每个季度,全球PC市场的出货都呈现出两位数的雪崩式下滑,而在手机平板等移动互联市场,苹果和三星联手攫取了超过110%的行业利润,换句话说,除了苹果三星之外的其他所有厂商,总体城下出亏损的状况,联想尽管有着出货量上的成就,但暂时还无法获得充足的现金回报,而也很难撼动苹果三星的江湖地位,在这样的背景下,联想迫切的需要新的业务增长点。
收购IBM服务器业务可以让联想快速的获得x86服务器市场的能力,这个能力不仅仅体现在服务器硬件本身,更多的是软件、解决方案和客户渠道,8%左右的市场份额,看似不大,但通过联想的运维,有可能收获更多的回报。
对于中国政府来说,尽管服务器并不是IT信息安全的核心组成,但仍然是喜闻乐见的一起收购,自从棱镜门之后,中国政府在国家信息安全层面投入了更多的关注,比如近期COS操作系统的问世,这个中国自主知识产权的操作系统不论从其实用性、界面还是业界合作伙伴的支持,都远超出之前的麒麟等平台,而在全球的服务器市场上,IBM、惠普、戴尔、甲骨文、思科几乎牢牢把持着前五把交椅,尤其是在关键业务领域,因此中国家战略的角度,中国也希望联想而不是戴尔完成对IBM低端服务器业务的收购,同时,更多的本土服务器厂商,对于中国推动自主产品的软件和操作系统,也有着巨大的价值。
而从美国政府的层面,对于联想的收购必然保持抵触态度,但x86服务器的核心平台仍然是构建在英特尔、AMD两家美国厂商手中,而目前的主流x86服务器软件平台也是基于Linux和Windows,在正常的审核程序之后,他们并不会对这笔收购给予太多的阻挠。
从以上我们不难看到,这笔收购是一笔各方面都你情我愿的收购,IBM迫切希望卖掉这项业务,联想迫切希望拥有这项业务,中国政府喜闻乐见,美国政府并不担心,这是一个皆大欢喜的结果。
好文章,需要你的鼓励
这项由Snowflake AI Research发表的研究挑战了传统语言学对大型语言模型的批评,通过引入波兰语言学家Mańczak的理论框架,论证了LLM的成功实际上验证了"频率驱动语言"的观点。研究认为语言本质上是文本总和而非抽象系统,频率是其核心驱动力,为重新理解AI语言能力提供了新视角。
freephdlabor是耶鲁大学团队开发的开源多智能体科研自动化框架,通过创建专业化AI研究团队替代传统单一AI助手的固化工作模式。该框架实现了动态工作流程调整、无损信息传递的工作空间机制,以及人机协作的质量控制系统,能够自主完成从研究构思到论文发表的全流程科研工作,为科研民主化和效率提升提供了革命性解决方案。
德国马普智能系统研究所团队开发出专家混合模型的"即时重新布线"技术,让AI能在使用过程中动态调整专家选择策略。这种方法无需外部数据,仅通过自我分析就能优化性能,在代码生成等任务上提升显著。该技术具有即插即用特性,计算效率高,适应性强,为AI的自我进化能力提供了新思路。
Algoverse AI研究团队提出ERGO系统,通过监测AI对话时的熵值变化来检测模型困惑程度,当不确定性突然升高时自动重置对话内容。该方法在五种主流AI模型的测试中平均性能提升56.6%,显著改善了多轮对话中AI容易"迷路"的问题,为构建更可靠的AI助手提供了新思路。