新的McAfee
McAfee在过去十年中经历了巨大的转变。这个转变包括被英特尔收购,新的领导层,不断变化的产品线和公司品牌,以及最终今年在私募股权的帮助下,分拆为一家独立的安全厂商。这些变化使得McAfee成为当今市场上最大的安全厂商之一。那么就让我们来回顾一下这条长长的时间线——无论是好的还是坏的——以及那些塑造了这家公司的事件,也许能从中洞察出McAfee下一步的发展方向。
2014年4月
Networks Associates宣布,将把自己无利可图的Sniffer网络管理和分析产品线卖给Silver Lake Partners以及Texas Pacific Group,并会更名为McAfee(McAfee Associates,由John McAfee创建,这也是1997年Networks Associates创建组成的4家公司之一)。这个变化是削减成本计划的一部分,目的是加速销售和利润,更专注于安全产品和服务。
2006年10月11日
McAfee总裁Kevin Weiss被解雇,首席执行官George Samenuk在对公司会计问题进行的一次调查之后宣布退休。Dale Fuller被宣布担任临时首席执行官。
2007年3月5日
McAfee任命Dave DeWalt——前Documentum总裁兼首席执行官——为McAfee总裁兼首席执行官。
2009年4月19日
英特尔宣布计划斥资76.8亿美元收购McAfee。当时英特尔的愿景是把McAfee的安全软件与自己的芯片硬件结合到一起,从而更好地保护数十亿的互联网连接的移动设备。
2011年7月12日
McAfee宣布重新任命总裁兼首席执行官Dave DeWalt,并设立联席总裁,由全球运营高级副总裁Michael DeCesare、高级副总裁、消费者、移动和小企业总经理Todd Gebhart担任。
2014年1月
McAfee将McAfee品牌更名为Intel Security,但是该品牌仍然是作为一个独立子公司运营。
2014年10月1日
Intel Security任命来自思科的Chris Young担任高级副总裁兼该业务的总经理。
2015年2月25日
前McAfee总裁Michael DeCesare离开公司,在ForeScout Technologies公司担任首席执行官。当时,还有其他几位高管相继离开Intel Security,包括首席技术官Michael Fey和高级副总裁Steve Tchejeyan,两人都去了Blue Coat Systems公司。
2015年10月27日
Intel Security调整了战略,把重点放在“威胁防护生命周期”,技术用于保护、检测和修复。新战略涉及到围绕端点和云的产品增强,更加专注于威胁情报、分析、对Data Exchange Layer (DXL)技术的第三方集成、ePolicy Orchestrator (ePO)集中管理系统。
2015年10月
Intel Security开始剥离并终止那些并不符合新战略的产品线,涉及到十几款产品,包括MX Logic电子邮件安全产品线,并将自己的McAfee下一代防火墙和McAfee Firewall Enterprise业务出售给Forcepoint(之前的Raytheon|Websense)。
2016年9月7日
英特尔宣布计划以42亿美元价格把Intel Security卖给TPG Capital。在这次交易下,TPG将拥有Intel Security的51的股权,并重新恢复McAfee的命名,英特尔持有49%。Intel Security称,这次分拆将让它更加专注网络安全产品组合,从而加速创新、执行和长期增长。
2016年11月2日
Intel Security在从母公司英特尔那里分拆出来的时候,公布了McAfee新logo。
2017年4月4日
Intel Security完成从英特尔的分拆,并恢复了McAfee的命名,成为一家独立的安全厂商。Intel Security负责人Chris Young担任McAfee首席执行官。
好文章,需要你的鼓励
香港中文大学与华为诺亚方舟实验室合作开发了PreMoe框架,解决了大型混合专家模型(MoE)在内存受限设备上的部署难题。研究团队发现MoE模型中的专家表现出明显的任务专业化特征,据此提出了概率专家精简(PEP)和任务自适应专家检索(TAER)两大核心技术。实验证明,DeepSeek-R1 671B模型在精简50%专家后仍保持97.2%的MATH500准确率,内存需求降至688GB;而更激进的精简方案(减少87.5%专家)也能保持72.0%的准确率。该方法适用于多种MoE架构,为强大AI系统的广泛部署铺平了道路。
SCIENCEBOARD是一项开创性研究,旨在评估多模态自主智能体在真实科学工作流中的表现。研究团队构建了一个包含169个高质量任务的基准测试,涵盖生物化学、天文学等六个科学领域,并开发了一个真实环境让智能体通过CLI或GUI接口与科学软件交互。实验评估表明,即使是最先进的模型在这些复杂科学任务上的成功率也仅为15%,远低于人类表现,揭示了当前技术的局限性并为未来科学智能体的发展提供了宝贵见解。
帝国理工学院的研究团队开发了AlphaMed,这是首个仅通过极简规则强化学习就能培养医疗推理能力的AI模型,无需依赖传统的思维链示范数据。通过分析数据信息丰富度和难度分布的影响,研究发现高信息量的医疗问答数据是推理能力的关键驱动因素。AlphaMed在六个医疗问答基准上取得了领先成绩,甚至超越了更大的封闭源模型,同时展现出自发的步骤推理能力,为医疗AI发展提供了更加开放、高效的新路径。
Alita是一种新型通用AI代理系统,采用极简设计理念,以"最小预定义,最大自我进化"为原则构建。由普林斯顿大学等多家机构研究团队开发的Alita,只配备一个核心能力和少量通用模块,能自主创建所需工具并重用为模型上下文协议(MCPs)。实验显示,Alita在GAIA基准测试上达到87.27%的通过率,超越包括OpenAI Deep Research在内的复杂系统,证明简约设计可带来卓越性能。