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
在我们的日常生活中,睡眠的重要性不言而喻。一个晚上没睡好,第二天的工作效率就会大打折扣,而充足的睡眠不仅能让我们恢复精力,还能帮助大脑整理和巩固当天学到的知识。有趣的是,AI模型竟然也表现出了类似的“睡眠需求”。
DeepSeek-AI团队通过创新的软硬件协同设计,仅用2048张GPU训练出性能卓越的DeepSeek-V3大语言模型,挑战了AI训练需要海量资源的传统观念。该研究采用多头潜在注意力、专家混合架构、FP8低精度训练等技术,大幅提升内存效率和计算性能,为AI技术的民主化和可持续发展提供了新思路。
尽管模型上下文协议(MCP)自11月推出以来用户数量快速增长,但金融机构等监管行业仍保持谨慎态度。银行等金融服务公司虽然在机器学习和算法方面是先驱,但对于MCP和Agent2Agent(A2A)系统的采用较为保守。监管企业通常只使用内部代理,因为其API集成需要经过多年审查以确保合规性和安全性。专家指出,MCP缺乏基本构建块,特别是在互操作性、通信标准、身份验证和审计跟踪方面。金融机构需要确保代理能够进行"了解您的客户"验证,并具备可验证的身份识别能力。
加拿大女王大学研究团队首次系统评估了大型视频语言模型的因果推理能力,发现即使最先进的AI在理解视频中事件因果关系方面表现极差,大多数模型准确率甚至低于随机猜测。研究创建了全球首个视频因果推理基准VCRBench,并提出了识别-推理分解法(RRD),通过任务分解显著提升了AI性能,最高改善幅度达25.2%。