传统科技公司瞄准数据基础设施以提高人工智能竞争力
人工智能软件交易占今年迄今为止科技并购交易的 75
预计 2025 年人工智能生成支出将达 6,440 亿美元
Milana Vinn
路透6月13日 - 受关税和地缘政治不确定性的拖累,大多数行业的并购交易都放缓了脚步,只有一个行业例外,那就是并不光彩的数据基础设施领域。
处理用于构建高级人工智能模型的数据的公司已成为 Meta、Salesforce 和 ServiceNow 等传统科技公司争相收购的目标,以保持与 OpenAI、谷歌和 Anthropic 等公司的竞争力。
"花旗银行软件投资银行全球联席主管布莱恩-马歇尔(Brian Marshall)说:"没有数据的人工智能就像没有氧气的生命,是不存在的。
"正因为如此,在人工智能的推动下,数据正在成为时代的潮流,"马歇尔说。
根据Dealogic为路透编制的初步数据,在今年前五个月宣布的1.67万亿美元的全球交易中,科技交易是为数不多的亮点之一 (link),约占并购总额的25%。
数据显示,这一比例高于去年的约20%和2023年的17%。数据显示,在科技并购交易中,涉及人工智能软件制造商的并购交易几乎占总交易额的四分之三。
速度至关重要
高盛(Goldman Sachs)董事总经理马修-卢卡斯(Matthew Lucas)专注于与计算各方面相关的并购,他表示,企业数据,因为它适用于人工智能,是 "目前软件并购中最具活力的领域"。
"卢卡斯说:"人们强烈地认为,速度非常重要,抢占先机非常重要,而这往往有助于并购。
帮助企业通过云系统管理数据的软件公司越来越有价值,因为这类潜在目标的数量正在迅速减少。
投资银行家说,Confluent、Collibra、Sigma Computing、Matillion、Dataiku、Fivetran、Boomi 和 Qlik 等企业数据基础设施和分析公司可能在短期内成为传统技术提供商的目标。他们说,这些公司可以帮助企业更好地整合、分析和存储信息。
Boomi、Dataiku、Fivetran 和 Qlik 的高管都表示,他们对外界的关注并不感到意外。
"长期以来,杂乱无章、各自为政的数据破坏了企业实现分析变革潜力的努力。Dataiku联合创始人兼首席执行官Florian Douetteau在一份声明中说:"现在,由于迫切需要部署有效的人工智能,解决这些问题不仅是必要的,而且是至关重要的。Confluent、Collibra、Sigma Computing 和 Matillion 均未立即回复置评请求。
传统技术收购
就在过去几周,数据基础设施公司达成或完成了几笔数十亿美元的交易。
(link) Meta 周五宣布, (link),以 148 亿美元收购数据标签公司 Scale AI 49% 的股份。Salesforce 上月宣布计划以 80 亿美元收购数据集成公司 Informatica。
人工智能正推动着科技领域的一次换代,迫使几家最大的社交媒体平台和软件制造商收购那些帮助人工智能支持的系统顺利运行的公司。根据技术数据提供商Gartner的预测,2025年全球人工智能生成支出总额预计将达到6440亿美元,比2024年增长76.4%。
5月初,IT管理提供商ServiceNow (link) NOW.N宣布收购数据目录平台Data.world时,其高管表示,这将使ServiceNow更好地了解数据背后的业务背景。
(link) 上月底,Salesforce 宣布收购 Informatica,高管们当时表示,这将使 Salesforce 能够更好地分析和吸收来自内部和外部系统的分散数据,然后将其输入内部人工智能系统 Einstein AI。
IBM IBM.N第二天就完成了对数据管理提供商DataStax的收购。IBM表示,这项于今年2月宣布的交易将使其能够管理和处理非结构化数据,然后再将这些数据输入其人工智能平台。
错误的人工智能建议
这些交易凸显了传统软件企业拥有数据管理各个方面的战略重要性,而并购往往是实现这一目标的最快途径。他们不再从头开始构建复杂的数据系统,而是收购能够帮助组织、清理和连接整个业务数据的专家。
数据处理和人工智能领域的领军企业Databricks最近估值620亿美元,上周宣布计划以10亿美元收购无服务器数据库管理公司Neon。
但交易商们警告说,公司不能随便购买数据,然后将其扔进人工智能系统,并期望获得良好的结果。
去年,加拿大航空公司< http://ac.to/ >的一个人工智能聊天机器人给一位客户提供了错误的建议,导致该公司在小额索赔法庭上被认定负有责任,并被迫退还机票 (link)。技术交易商们说,如果将未经过滤的错误数据导入人工智能引擎,就可能发生这类错误。
"Latham & Watkins 公司合伙人布莱恩-曼吉诺(Brian Mangino)说:"很多公司都拥有大量数据,但我认为他们正在认识到,你不能把所有数据都毫无组织地输入人工智能引擎,并希望它能给出正确的答案。
(为便利非英文母语者,路透将其报导自动化翻译为数种其他语言。由于自动化翻译可能有误,或未能包含所需语境,路透不保证自动化翻译文本的准确性,仅是为了便利读者而提供自动化翻译。对于因为使用自动化翻译功能而造成的任何损害或损失,路透不承担任何责任。)
Disclaimer: Investing carries risk. This is not financial advice. The above content should not be regarded as an offer, recommendation, or solicitation on acquiring or disposing of any financial products, any associated discussions, comments, or posts by author or other users should not be considered as such either. It is solely for general information purpose only, which does not consider your own investment objectives, financial situations or needs. TTM assumes no responsibility or warranty for the accuracy and completeness of the information, investors should do their own research and may seek professional advice before investing.