至顶网CIO与应用频道 09月30日 北京消息:达索系统(巴黎欧洲证券交易所:#13065,DSY.PA)今日宣布,与产品工程仿真软件全球创新企业Exa公司(Exa Corporation)(纳斯达克:EXA)签署明确的合并协议,达索系统将正式收购位于马萨诸塞州柏林顿的Exa公司。根据Exa董事会全票通过的合并协议的条款,这家达索系统的子公司将在此后10个工作日内邀约收购全部已发行的和流通的Exa普通股,每股价格24.25美元,收购完成后以现金支付,Exa的完全稀释股权价值大约为4亿美元。截止2017年1月31日其财务年度收入为7,200万美元。
Exa加盟后,达索系统的3DEXPERIENCE平台将为客户提供经验证的多样化解决方案产品组合,它整合了格子波尔兹曼(Lattice Boltzmann)流体仿真技术、Exa的全产业化解决方案以及将近350名极富经验的仿真专业人士。与传统方法相比,这套解决方案能够更快速准确地为空气动力学应用、流体声学应用、热管理应用和其他行业中日益增多的应用求解高难度流体问题。
Exa软件主要用于在整个设计流程中评估高动态流体流动,来自汽车与交通运输、航空航天与国防、自然资源以及其他行业150多个领先公司的设计师和工程师都在运用此软件。包括宝马(BMW)、特斯拉(Tesla)、丰田(Toyota)在内的近乎每一家汽车与交通运输行业制造商及美国国家航空航天局(NASA)、巴西航空工业公司(Embraer)、英国石油公司(British Petroleum)等都在运用Exa的解决方案来进行仿真气动流、空气声学和热管理。
流体流动仿真(例如发动机冷却或机翼升力)是仿真产品物理行为、性质和寿命的必备环节。对于流体流动条件迅速变化的诸多状况,仿真动态变化流是准确评估产品及其在所处环境中的行为的关键。对于上述应用,整合Exa的准确性和时效性,能提供远优于替代性流体仿真方法的结果。
在继续服务Exa客户的同时,达索系统会将Exa解决方案整合到自身已有的行业解决方案体验产品组合中。这将为多物理场和多尺度仿真树立新的行业标准。两家公司的合并将极大地增强与客户的协作,助力为客户提供一体化解决方案、并提升简化商业和技术互动的能力。客户将能够为仿真多种类型应用中的高动态流体流动迅速创建和分析流体行为模型。
达索系统董事会副主席兼首席执行官伯纳德·查尔斯(Bernard Charlès)表示:“达索系统和Exa都坚信以一体化方法聚焦科学和行业产生的价值。我们承诺交付产品、自然和生活相和谐的3DEXPERIENCE环境,它是其中关键一环。动态流体流动仿真是我们多物理场多尺度仿真战略的重要组成。凭借Exa在汽车与交通运输行业以及其他垂直行业积累的宝贵应用知识,我们将加快行业解决方案体验的交付工作,让现有的和未来的客户都大获裨益。”
Exa公司总裁兼首席执行官Stephen Remondi指出:“Exa经验证的格子玻尔兹曼(Lattice Boltzmann)仿真技术、丰富的专业技能与工业专业知识是我们一直在高动态流仿真市场处于领先地位的原因。达索系统3DEXPERIENCE平台和SIMULIA产品组合的一部分将为我们所有行业的客户创造巨大价值。”
此次交易预计于2017年第四季度完成,需满足专门的交易完成条件,包括要求通过监管部门审批。此次交易将有助于增加达索系统收益。
此次交易福罗斯(Foros)担任达索系统的财务顾问,谢尔曼·思特灵律师事务所(Shearman & Sterling LLP)担任法律顾问。
好文章,需要你的鼓励
美国连锁超市巨头Albertsons正在基于Databricks构建商品智能平台,整合产品、定价、促销与陈列等决策功能,目标是在2026年底前全面向门店运营商落地。该平台以Databricks Lakehouse存储零售数据,通过Unity Catalog与AI Gateway实现数据治理,并借助AI智能体Genie支持自然语言查询,帮助商家洞察销售趋势,提升决策效率。此举是Albertsons今年四项AI核心战略投资之一。
阿里Qwen团队通过引入强化学习和在线策略蒸馏,将Qwen-Image-2.0升级为Qwen-Image-2.0-RL,让图像生成模型真正学会人类审美,文生图Elo评分提升78分,图像编辑提升93分。
微软正将Windows 11打造成真正的AI操作系统。在Build大会上,微软展示了AI模型与智能代理如何深度融合进Windows 11,让用户通过自然语言完成系统操作。借助Windows ML框架,超过5亿台PC已可在本地离线运行AI任务,无需联网、无token费用、数据不离设备。Office、Photos、Teams等应用已支持本地AI能力,Adobe、WhatsApp、Canva等第三方也在积极跟进,企业级AI PC采购需求有望加速。
港科大与快手联合提出NormGuard,针对流匹配模型强化学习训练中速度范数膨胀问题,通过训练时单向惩罚约束,在保留奖励的同时改善图像真实感。