至顶网CIO与应用频道 06月14日 北京消息:PTC(纳斯达克股票代码:PTC)和罗克韦尔自动化(纽交所股票代码:ROK)今日宣布,双方已达成一项最终战略合作协议,该协议将助力两家公司加速增长,并成为全球各地希望通过数字技术转变实体运营的客户的首选合作伙伴。作为该合作伙伴关系的一部分,罗克韦尔自动化将向PTC注入10亿美元的股权投资,其董事长兼首席执行官Blake Moret将加入PTC董事会,该决议将在股权交易完成时生效。
此次合作将利用两家公司的资源、技术、行业专长和市场占有率,并将在技术以及全球市场进入计划方面进行跨组织协作。值得一提的是,PTC和罗克韦尔自动化将联合各自的智能工厂技术,并整合PTC屡获殊荣的ThingWorx®物联网、Kepware®工业互联、Vuforia®增强现实(AR)平台与罗克韦尔自动化领先的FactoryTalk® MES、FactoryTalk Analytics以及工业自动化平台。这将带来无与伦比的集成信息解决方案,帮助客户提高生产力,提升工厂效率,降低运营风险并改善系统互操作性。
PTC总裁兼首席执行官Jim Heppelmann表示:“这一战略联盟将为行业提供最广泛的一流技术集成套件,由物联网和增强现实领域的领导者PTC以及工业自动化和信息领域的领导者罗克韦尔自动化提供支持。作为两家世界级企业,我们了解客户业务,并提供全面、创新和集成解决方案,从而为我们共同的客户创造价值。借助罗克韦尔自动化行业领先的工业控制和软件技术、强大的品牌和领域专业知识,以及PTC屡获殊荣的技术,工业企业可以充分利用工业物联网的广阔发展前景。这一合作伙伴关系及其带来的发展机遇让我备受鼓舞。”
罗克韦尔自动化董事长兼首席执行官Blake Moret表示:“我们相信这一战略合作关系可以依托于两家公司的创新轨迹,帮助我们加速增长,从而扩大企业联合的价值并深化我们的客户关系。随着IT和OT的融合,我们两家公司有着根本上的一致性。我们将共同为工业领域打造最全面、最灵活的物联网产品。我们对PTC的股权投资反映了我们对这一合作关系的信心,并期望能够为两家公司带来重大利好。我们将紧密合作,增加订阅收入并提高利润。”
在两家公司建立的强大合作伙伴生态系统的支撑下,罗克韦尔自动化的解决方案业务将成为优先交付和实施供应商。两家公司将在地域、终端市场和应用等方面实现优势互补。
条款
根据有关股权投资协议的条款,罗克韦尔自动化将以每股94.50美元的价格购买10,582,010股增发的PTC股票,从而实现10亿美元的股权投资。根据PTC的当前流通股价值估算其向罗克韦尔自动化增发的股票,罗克韦尔自动化拥有PTC 约8.4%的股权。每股价格为此公告发布前最后一个交易日,即2018年6月8日的PTC闭市价格溢价8.6%。罗克韦尔自动化此次投资的资金来自库存现金以及商业票据借款。罗克韦尔自动化将以可售证券的形式(据公允价值报告)保有其在PTC中的所有者权益。
PTC和罗克韦尔自动化股票回购
PTC计划通过股权投资收益来回购股票以抵消稀释。
罗克韦尔自动化今日另一公告中宣布,将其2018财年的股票回购目标提高至15亿美元。这意味着在其之前制定的2018财年回购12亿美元股票的计划的基础上增加了3亿美元。
时间
该投资交易须遵守惯例成交条件并须经过监管审批,预计将于60日内完成交易。
顾问
摩根士丹利有限公司(Morgan Stanley & Co. LLC)担任PTC的财务顾问,Goodwin Procter律师事务所担任其法律顾问。
高盛有限责任公司(Goldman Sachs & Co. LLC)担任罗克韦尔自动化的财务顾问,Foley & Lardner律师事务所担任其法律顾问。
好文章,需要你的鼓励
伊斯法罕大学研究团队通过分析Google Play商店21款AI教育应用的用户评论,发现作业辅导类应用获得超80%正面评价,而语言学习和管理系统类应用表现较差。用户赞赏AI工具的快速响应和个性化指导,但抱怨收费过高、准确性不稳定等问题。研究建议开发者关注自适应个性化,政策制定者建立相关规范,未来发展方向为混合AI-人类模型。
谷歌发布基于Gemini 3的快速低成本模型Flash,并将其设为Gemini应用和AI搜索的默认模型。新模型在多项基准测试中表现优异,在MMMU-Pro多模态推理测试中得分81.2%超越所有竞品。该模型已向全球用户开放,并通过Vertex AI和API向企业及开发者提供服务。定价为每百万输入token 0.5美元,输出token 3美元,速度比2.5 Pro快三倍且更节省token用量。
这项由伊利诺伊大学香槟分校等四所院校联合完成的研究,提出了名为DaSH的层次化数据选择方法。该方法突破了传统数据选择只关注单个样本的局限,通过建模数据的天然层次结构,实现了更智能高效的数据集选择。在两个公开基准测试中,DaSH相比现有方法提升了高达26.2%的准确率,同时大幅减少了所需的探索步数。