三星电子收购AI、IoT企业 积极布局软件生态系统

简介:

三星电子(Samsung Electronics)最近大动作进行多起外国企业购并,似乎开始启动新一波事业结构调整,事业重心不再局限于电视或智能型手机等最终成品、硬体领域及B2C事业,逐渐朝向零组件、解决方案、B2B、软体等面向扩展。

不仅如此,三星似乎欲向业界宣告,只要能提高市场竞争力,花再多钱投资也愿意,砸重金购并国外业者的策略模式也与先前有所不同。

副会长李在镕从2014年5月接下经营重担后,“选择与集中”一直是李在镕奉行的理念。2016年10月底李在镕正式成为公司董事,经营体系更加巩固。

业界认为,先前三星陆续出售非主力事业是李在镕布局未来新事业的前奏,如今借由购并展开的事业结构调整已正式启动。

据韩媒报导,先前三星出售化学事业及军事国防用品事业,接着三星物产(Samsung C&T)与第一毛织(Cheil Industries)合并,电子与金融成为三星集团(Samsung Group)的两大事业主轴。

第3季三星公布的资料显示,现金资产规模高达33兆韩元(约280亿美元);近期三星开始动用这笔资金,积极从事海外企业购并。

报导指出,早年三星投资的首要考量是获取国外生产据点,领域也多集中在半导体与家电事业。但从2014年8月三星购并物联网(IoT)平台业者SmartThings后,领域开始变得多样,也不再着重于发展最终成品。

2016年10月三星宣布购并人工智能(AI)平台公司Viv Labs,表示将在人机介面领域取得竞争力;11月又接连宣布购并车用电子业者Harman及RCS技术业者NewNet Canada,欲发展相关事业。

负责Harman购并案的三星电子策略创新中心策略长孙英权表示,三星期盼与Harman合作,在自动驾驶、连网车技术上提供使用者更佳的体验。似乎意味三星只打算发展软体面,不会直接投入汽车制造。

至于购并NewNet Canada的原因,据闻与2016年初Google表示将积极支援RCS有关。因为若RCS成为Android系统智能型手机的基本功能,加上能有电信业者配合,未来可望形成新的产业链。

不论如何,三星决定斥资80亿美元买下Harman,不但成为业界话题,也为三星内部注入活力,一扫连日因为Galaxy Note 7智能型手机事件带来的阴霾;业界更预估,三星在2015年底成立的车用零组件部门,应会在2017年扩大单位规模。

本文转自d1net(转载)

目录
相关文章
|
2天前
|
机器学习/深度学习 人工智能 自动驾驶
企业内训|AI大模型在汽车行业的前沿应用研修-某汽车集团
本课程是TsingtaoAI为某汽车集团高级项目经理设计研发,课程全面系统地解析AI的发展历程、技术基础及其在汽车行业的深度应用。通过深入浅出的理论讲解、丰富的行业案例分析以及实战项目训练,学员将全面掌握机器学习、深度学习、NLP与CV等核心技术,了解自动驾驶、智能制造、车联网与智能营销等关键应用场景,洞悉AI技术对企业战略布局的深远影响。
126 96
|
17天前
|
机器学习/深度学习 人工智能 自然语言处理
DiffSensei:AI 漫画生成框架,能生成内容可控的黑白漫画面板,支持多角色和布局控制
DiffSensei 是一个由北京大学、上海AI实验室及南洋理工大学共同推出的AI漫画生成框架,能够生成可控的黑白漫画面板。该框架整合了基于扩散的图像生成器和多模态大型语言模型(MLLM),支持多角色控制和精确布局控制,适用于漫画创作、个性化内容生成等多个领域。
81 18
DiffSensei:AI 漫画生成框架,能生成内容可控的黑白漫画面板,支持多角色和布局控制
|
12天前
|
机器学习/深度学习 人工智能 安全
CCF-CV企业交流会:打造大模型时代的可信AI,探索AI安全治理新路径
近日,由中国计算机学会计算机视觉专委会主办的《打造大模型时代的可信AI》论坛顺利举行。论坛邀请了来自上海交通大学、中国科学技术大学等机构的专家,从立法、监管、前沿研究等多角度探讨AI安全治理。合合信息等企业展示了图像篡改检测等技术,助力AI向善发展。
50 11
CCF-CV企业交流会:打造大模型时代的可信AI,探索AI安全治理新路径
|
4天前
|
人工智能 自然语言处理 并行计算
ASAL:Sakana AI 联合 OpenAI 推出自动探索人工生命的系统,通过计算机模拟生命进化的过程
ASAL 是由 Sakana AI 联合 OpenAI 等机构推出的自动化搜索人工生命系统,基于基础模型实现多种搜索机制,扩展了人工生命研究的边界。
43 1
ASAL:Sakana AI 联合 OpenAI 推出自动探索人工生命的系统,通过计算机模拟生命进化的过程
|
18天前
|
存储 人工智能 vr&ar
转载:【AI系统】CPU 基础
CPU,即中央处理器,是计算机的核心部件,负责执行指令和控制所有组件。本文从CPU的发展史入手,介绍了从ENIAC到现代CPU的演变,重点讲述了冯·诺依曼架构的形成及其对CPU设计的影响。文章还详细解析了CPU的基本构成,包括算术逻辑单元(ALU)、存储单元(MU)和控制单元(CU),以及它们如何协同工作完成指令的取指、解码、执行和写回过程。此外,文章探讨了CPU的局限性及并行处理架构的引入。
转载:【AI系统】CPU 基础
|
14天前
|
人工智能 安全 算法
CAMEL AI 上海黑客松重磅来袭!快来尝试搭建你的第一个多智能体系统吧!
掌握多智能体系统,🐫 CAMEL-AI Workshop & 黑客马拉松即将启航!
CAMEL AI 上海黑客松重磅来袭!快来尝试搭建你的第一个多智能体系统吧!
|
18天前
|
人工智能 缓存 并行计算
转载:【AI系统】CPU 计算本质
本文深入探讨了CPU计算性能,分析了算力敏感度及技术趋势对CPU性能的影响。文章通过具体数据和实例,讲解了CPU算力的计算方法、算力与数据加载之间的平衡,以及如何通过算力敏感度分析优化计算系统性能。同时,文章还考察了服务器、GPU和超级计算机等平台的性能发展,揭示了这些变化如何塑造我们对CPU性能的理解和期待。
转载:【AI系统】CPU 计算本质
|
18天前
|
机器学习/深度学习 存储 人工智能
转载:【AI系统】计算之比特位宽
本文详细介绍了深度学习中模型量化操作及其重要性,重点探讨了比特位宽的概念,包括整数和浮点数的表示方法。文章还分析了不同数据类型(如FP32、FP16、BF16、FP8等)在AI模型中的应用,特别是FP8数据类型在提升计算性能和降低内存占用方面的优势。最后,文章讨论了降低比特位宽对AI芯片性能的影响,强调了在不同应用场景中选择合适数据类型的重要性。
转载:【AI系统】计算之比特位宽
|
18天前
|
机器学习/深度学习 人工智能 算法
转载:【AI系统】关键设计指标
本文介绍了AI芯片的关键设计指标及其与AI计算模式的关系,涵盖计算单位(如OPS、MACs、FLOPs)、关键性能指标(精度、吞吐量、时延、能耗、成本、易用性)及优化策略,通过算术强度和Roofline模型评估AI模型在芯片上的执行性能,旨在帮助理解AI芯片设计的核心考量与性能优化方法。
转载:【AI系统】关键设计指标
|
8天前
|
机器学习/深度学习 人工智能 搜索推荐
AI在电子商务中的个性化推荐系统:驱动用户体验升级
AI在电子商务中的个性化推荐系统:驱动用户体验升级
58 17