
继eBay和惠普分拆之后,最近业界盛传赛门铁克计划分拆。
当地时间本周三,彭博社援引消息人士的话报道称,赛门铁克正在探讨拆分为两家公司的计划:一家公司销售安全软件,另一家公司专注于数据存储。
其中一名消息人士称,该分拆计划有望在数周后公布。
赛门铁克分拆在情理之中。上周,eBay宣布剥离其贝宝业务;周一,惠普表示一分为二:一家公司负责企业市场,另一家负责PC和打印业务。
借助诺顿产品阵营,赛门铁克成为最著名的安全厂商之一。但随着黑客不断发现更复杂的入侵方式,反病毒及网络威胁的斗争也日益艰难。最近针对Target、eBay和Home Depot等主流公司的攻击表明传统安全保护已无法适应当前形势。
今年5月4日,华尔街日报发表的一篇文章指出,赛门铁克负责信息安全的高级副总裁布莱恩·戴(Brian Dye)宣布反病毒软件已经“死亡”。戴说:“我们认为反病毒软件已不再赚钱。”赛门铁克试图提供一系列范围较宽的安全产品,帮助企业更好地应对网络攻击。
业界不断变化,赛门铁克也做出数次调整:过去几个季度中,赛门铁克营收下滑,该公司通过削减成本提高收益;今年8月份宣布将诺顿套装产品整合为一套安全产品;重组高级管理层——3月份解聘史蒂夫·贝内特(Steve Bennett)CEO职务,这是两年内第二次解聘CEO。
消息人士称,赛门铁克在过去就曾考虑过分拆计划,据说现任CEO迈克尔·布朗(Michael Brown)支持此计划。赛门铁克一分为二后,有望成为收购目标,惠普和EMC或许会对安全部门或存储公司感兴趣。
赛门铁克未就此置评。
好文章,需要你的鼓励
浙江大学团队提出动态专家搜索方法,让AI能根据不同问题灵活调整内部专家配置。该方法在数学、编程等任务上显著提升推理准确率,且不增加计算成本。研究发现不同类型问题偏爱不同专家配置,为AI推理优化开辟新路径。
清华大学研究团队提出SIRI方法,通过"压缩-扩张"交替训练策略,成功解决了大型推理模型"话多且准确率低"的问题。实验显示,该方法在数学竞赛题上将模型准确率提升43.2%的同时,输出长度减少46.9%,真正实现了效率与性能的双重优化,为AI模型训练提供了新思路。
南洋理工大学与腾讯联合研究团队开发出Rolling Forcing技术,实现AI视频实时流式生成的重大突破。该技术通过滚动窗口联合去噪、注意力锚点机制和高效训练算法三项创新,解决了长视频生成中的错误累积问题,可在单GPU上以16fps速度生成多分钟高质量视频,延迟仅0.76秒,质量漂移指标从传统方法的1.66降至0.01,为交互式媒体和内容创作开辟新可能。
华中科技大学研究团队发现,通过让AI模型学习解决几何问题,能够显著提升其空间理解能力。他们构建了包含约30000个几何题目的Euclid30K数据集,使用强化学习方法训练多个AI模型。实验结果显示,几何训练在四个空间智能测试基准上都带来显著提升,其中最佳模型达到49.6%准确率,超越此前最好成绩。这项研究揭示了基础几何知识对培养AI空间智能的重要价值。