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
AIM Intelligence联合多所知名大学揭示了音频AI系统的重大安全漏洞,开发出名为WhisperInject的攻击方法。这种攻击能让看似无害的音频指令操控AI生成危险内容,成功率超过86%,完全绕过现有安全机制。研究暴露了多模态AI系统的系统性安全风险,对全球数十亿智能设备构成潜在威胁。
新加坡国立大学研究团队系统梳理了视觉强化学习领域的最新进展,涵盖超过200项代表性工作。研究将该领域归纳为四大方向:多模态大语言模型、视觉生成、统一模型框架和视觉-语言-动作模型,分析了从RLHF到可验证奖励范式的政策优化策略演进,并识别出样本效率、泛化能力和安全部署等关键挑战,为这一快速发展的交叉学科提供了完整的技术地图。
浙江大学研究团队通过OmniEAR基准测试揭示了当前AI模型在物理世界推理方面的严重缺陷。测试显示,即使最先进的AI在明确指令下能达到85-96%成功率,但面对需要从物理约束推断行动的任务时,成功率骤降至56-85%。研究发现信息过载反而降低AI协作能力,监督学习虽能改善单体任务但对多智能体协作效果甚微,表明当前架构存在根本局限性。
纽约大学和Aimpoint Digital Labs的研究团队首次揭示了Transformer模型训练中"大规模激活"的完整发展轨迹。这些影响力比普通激活大千倍的"超级激活"遵循可预测的数学规律,研究者开发出五参数公式能以98.4%准确率预测其变化。更重要的是,通过调整模型架构参数如注意力密度、宽深比等,可以在训练前就预测和控制这些关键激活的行为,为设计更高效、量化友好的AI模型提供了全新工具。