微信扫一扫,关注公众号

  • 科技行者

  • 算力行者

见证连接与计算的「力量」

首页 美电视业合并:Charter将以550亿美元收购时代华纳有线

美电视业合并:Charter将以550亿美元收购时代华纳有线

2015-05-26 09:36
分享至:
----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.-
2015-05-26 09:36 凤凰网

北京时间5月26日消息,据路透社报道,知情人士称,美国第三大有线电视运营商Charter Communications正接近达成一项协议,以大约550亿美元收购美国第二大有线电视运营商时代华纳有线。

知情人士称,交易将使用现金加股票的形式进行,对时代华纳有线的估值为每股195美元。Charter CEO汤姆·拉特里奇(Tom Rutledge)预计将成为合并后新公司的CEO。就在1个月前,康卡斯特因反垄断担忧放弃以452亿美元收购时代华纳有线,该交易在去年2月达成。时代华纳有线上周五的收盘价为171.18美元,较康卡斯特去年宣布收购交易时的前一个交易日的135.31美元已大幅上涨。

知情人士称,该收购交易预计将在周二宣布。时代华纳有线股东在交易方式上有两种选择:一种是每股100美元现金加剩余Charter股票,另一种是每股115美元现金加剩余Charter股票。另外,Charter还将以104亿美元收购美国第六大有线电视运营商Bright House Networks。

报道称,这桩交易将为美国有线电视和宽带市场最大运营商康卡斯特创造一个强有力的竞争对手。对于Charter来说,这将是一次胜利,该公司曾在去年尝试收购时代华纳有线,但提议被驳回。

报道称,时代华纳有线和Charter合并后的总用户量将达到2300万,仅落后于康卡斯特的2720万,将控制美国20%以上的宽带市场。目前,这桩交易面临的监管阻碍还不明朗。不过据《华尔街日报》报道,美国联邦通讯委员会(FCC)主席汤姆·惠勒(Tom Wheeler)上周已与时代华纳有线和Charter的CEO接触,告诉他们FCC并不是反对所有有线电视交易。

投资公司Wunderlich Securities分析师马修·哈里根(Matthew Harrigan)表示,他相信时代华纳有线和Charter的合并交易“极有可能获得监管部门的批准”,因为这两家公司合并后的规模所带来的担忧并没有康卡斯特收购时代华纳有线的交易那么大。

分享至
0赞

好文章,需要你的鼓励

推荐文章
  • 南方科技大学等机构联手破解AI推理训练难题:让大模型"一次思考"就学会解题

    南方科技大学等机构联手破解AI推理训练难题:让大模型"一次思考"就学会解题

    本文介绍了由南方科技大学等机构于2026年4月发表的研究(arXiv:2604.08865),提出了名为SPPO的大模型推理训练新方法。该方法将推理任务重新建模为"序列级情境赌博机",用一个轻量级价值模型预测题目难度,以单次采样替代GRPO的多次采样,解决了标准PPO的"尾部效应"问题。实验显示,SPPO在数学基准测试上超越GRPO,训练速度提升约5.9倍,配合小尺寸价值模型还能显著降低显存占用。

  • 香港科技大学数学系研究者:扩散模型原来是一个"魔法恒等式"拆成了两半

    香港科技大学数学系研究者:扩散模型原来是一个"魔法恒等式"拆成了两半

    这项由香港科技大学数学系完成的研究(arXiv:2604.10465,2026年ICLR博客论文赛道)提出了一种从朗之万动力学视角理解扩散模型的统一框架。研究指出,扩散模型的前向加噪和逆向去噪过程,本质上是朗之万动力学这一"分布恒等操作"被拆成了两半。在这个视角下,VP、VE-Karras和Flow Matching等不同参数化的模型可被精确互译,SDE与ODE版本可被统一解释,扩散模型相对VAE的理论优势得以阐明,Flow Matching与得分匹配的等价性也得到了严格论证。

  • 中国人民大学研究团队打造的"AI科学家":让机器自主完成几十小时的科研工程,它是怎么做到的?

    中国人民大学研究团队打造的"AI科学家":让机器自主完成几十小时的科研工程,它是怎么做到的?

    中国人民大学高岭人工智能学院等机构联合开发了AiScientist系统,旨在让AI自主完成机器学习研究的完整工程流程,包括读论文、搭环境、写代码、跑实验和迭代调试,全程无需人工干预。系统核心设计是"薄控制、厚状态":由轻量指挥官协调专业代理团队,通过"文件即通道"机制将所有中间成果持久化存储,使每轮工作都能建立在前一轮积累的基础上。在PaperBench和MLE-Bench Lite两个基准上,系统表现显著优于现有最强对比系统,论文发布于2026年4月。

  • 字节跳动发布GRN:像人类画家一样"边画边改"的AI图像生成新范式

    字节跳动发布GRN:像人类画家一样"边画边改"的AI图像生成新范式

    这项由字节跳动发布的研究(arXiv:2604.13030)提出了生成式精化网络(GRN),一套模仿人类画家"边画边改"直觉的视觉生成新框架。其核心包括两项创新:层级二进制量化(HBQ)通过多轮二分逼近实现近乎无损的离散图像编码,以及全局精化机制允许模型在每一步对整张图像的所有位置重新预测并随时纠错,从根本上解决了自回归模型的误差积累问题。配合基于熵值的自适应步数调度,GRN在ImageNet图像重建(rFID 0.56)和生成(gFID 1.81)上均创下新纪录,并在文本生成图像和视频任务上以20亿参数达到同等规模方法的领先水平。

----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.-