PTC(纳斯达克股票代码:PTC)宣布,它已经签署了一项最终协议,以无债务、无现金的方式从Silver Lake控股的实体手中收购ServiceMax,收购价格约为14.6亿美元。ServiceMax是一家公认的以云为基础、以产品为中心的现场服务管理(FSM)软件的领导者。此次收购预计将加强PTC的闭环产品生命周期管理(PLM)产品,将产品信息的数字主线延伸到下游的企业资产管理(EAM)和FSM能力。在满足监管部门的批准和其他适用的成交条件后,该交易预计将在2023年1月初完成。
"ServiceMax的加入将实现PTC闭环PLM战略的一个关键部分,"PTC总裁兼首席执行官Jim Heppelmann说。"PTC长期以来为工程和制造部门提供的PLM功能为任何产品配置的数字定义提供了记录系统。ServiceMax将对其进行补充,为产品实例离开工厂并进入客户使用后的监控和服务提供记录系统。此次收购完成后,PTC将拥有独特的能力,用我们的物联网(IoT)解决方案的详细使用信息和ServiceMax的完整服务历史来补充我们的计算机辅助设计(CAD)和PLM解决方案的完整数字产品定义。PTC将成为唯一一家能够在产品生命周期的每个阶段为制造商提供这种全面视图的公司"。
"ServiceMax首席执行官Neil Barua说:"ServiceMax和PTC有着长期的合作关系,这种关系植根于我们客户的共同特征、我们产品的自然协同作用,以及对产品数据在生命周期不同阶段的重要性的共同理解。"PTC拥有强大而一致的成功足迹,现在继我们与Silver Lake合作期间取得的增长和创新之后,我们很高兴ServiceMax团队能够加强PTC的数字主线和闭环PLM组合的服务产品。"
自2015年成为合作伙伴以来,PTC和ServiceMax都为医疗设备、工业产品、航空航天和相关垂直行业的复杂、高配置产品的制造商提供支持。这些制造商将现场服务视为其业务的战略组成部分,以保持产品性能、延长产品的生命周期、提高客户满意度、推动收入增长,并扩大盈利能力。
ServiceMax提供了一套全面的、建立在Salesforce平台上的云原生FSM功能。这些功能包括管理所有与被服务产品有关的信息--产品描述、序列号、服务历史等--创建和管理工单,以及安排和调度技术人员。ServiceMax的FSM功能还与Salesforce的客户关系管理(CRM)系统紧密结合,将对产品的深刻理解与对客户的同样深刻的洞察联系起来。
ServiceMax的FSM功能将补充PTC的整个数字主线组合:利用PTC的Creo®和Windchill®解决方案的产品定义数据、PTC的Arbortext®软件的技术发布功能、PTC的Servigistics®软件的服务部件管理功能、PTC的ThingWorx®解决方案的物联网和数字孪生功能,以及PTC的Vuforia®软件的增强现实(AR)功能。例如,通过用ThingWorx远程监控连接的产品,客户可以主动检测服务需求并在ServiceMax中自动生成服务订单。服务技术人员可以利用Arbortext中的二维工作指令或Vuforia中创建的三维AR工作指令,这些工作指令来自于Creo中创建并在Windchill中管理的数字产品定义信息。技术人员还可以利用对服务活动的更详细了解,通过Servigistics更好地优化备件库存。
交易细节和财务影响
购买价格将分两个阶段进行,在交易结束时支付8.08亿美元,在2023年10月支付6.5亿美元。该交易的资金将来自于手头的现金、PTC现有信贷机制下的借款以及新的5亿美元承诺定期贷款。
ServiceMax预计将为PTC的第二季度贡献约1.6亿美元的ARR。
这项交易预计将对PTC 23财年的运营现金流、自由现金流和调整后的自由现金流目标产生增值作用。
PTC的管理层计划在今天晚些时候举行的投资者日活动中提供有关拟议收购的更多细节,时间是美国东部时间上午10:00-下午12:00。 有关该活动的更多信息可在此查阅:23财年投资者日活动。
顾问
Centerview Partners LLC担任PTC本次交易的独家财务顾问,Goodwin Procter LLP担任法律顾问。摩根大通银行、博鳌亚洲论坛证券公司、亨廷顿国家银行和道明证券(美国)有限公司将向PTC提供交易融资。
巴克莱银行担任ServiceMax的财务顾问,Ropes & Gray LLP担任法律顾问。
好文章,需要你的鼓励
随着AI模型参数达到数十亿甚至万亿级别,工程团队面临内存约束和计算负担等共同挑战。新兴技术正在帮助解决这些问题:输入和数据压缩技术可将模型压缩50-60%;稀疏性方法通过关注重要区域节省资源;调整上下文窗口减少系统资源消耗;动态模型和强推理系统通过自学习优化性能;扩散模型通过噪声分析生成新结果;边缘计算将数据处理转移到网络端点设备。这些创新方案为构建更高效的AI架构提供了可行路径。
清华大学团队开发了CAMS智能框架,这是首个将城市知识大模型与智能体技术结合的人类移动模拟系统。该系统仅需用户基本信息就能在真实城市中生成逼真的日常轨迹,通过三个核心模块实现了个体行为模式提取、城市空间知识生成和轨迹优化。实验表明CAMS在多项指标上显著优于现有方法,为城市规划、交通管理等领域提供了强大工具。
Meta以143亿美元投资Scale AI,获得49%股份,这是该公司在AI竞赛中最重要的战略举措。该交易解决了Meta在AI发展中面临的核心挑战:获取高质量训练数据。Scale AI创始人王亚历山大将加入Meta领导新的超级智能研究实验室。此次投资使Meta获得了Scale AI在全球的数据标注服务,包括图像、文本和视频处理能力,同时限制了竞争对手的数据获取渠道。
MIT研究团队发现了一个颠覆性的AI训练方法:那些通常被丢弃的模糊、失真的"垃圾"图片,竟然能够训练出比传统方法更优秀的AI模型。他们开发的Ambient Diffusion Omni框架通过智能识别何时使用何种质量的数据,不仅在ImageNet等权威测试中创造新纪录,还为解决AI发展的数据瓶颈问题开辟了全新道路。