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
南洋理工大学研究团队开发了WorldMem框架,首次让AI拥有真正的长期记忆能力,解决了虚拟世界模拟中的一致性问题。该系统通过记忆银行存储历史场景,并使用智能检索机制,让AI能准确重现之前的场景和事件,即使间隔很长时间。实验显示在Minecraft和真实场景中都表现出色,为游戏、自动驾驶、机器人等领域带来广阔应用前景。
AWS通过升级SageMaker机器学习平台来扩展市场地位,新增观测能力、连接式编码环境和GPU集群性能管理功能。面对谷歌和微软的激烈竞争,AWS专注于为企业提供AI基础设施支撑。SageMaker新功能包括深入洞察模型性能下降原因、为开发者提供更多计算资源控制权,以及支持本地IDE连接部署。这些更新主要源于客户需求,旨在解决AI模型开发中的实际问题。
MTS AI研究团队提出RewardRanker系统,通过重排序模型和迭代自训练显著提升AI代码生成质量。该方法让13.4B参数模型超越33B大模型,在多种编程语言上表现优异,甚至在C++上超越GPT-4。通过引入困难负样本和PPO优化,系统能从多个代码候选中选出最优方案,为AI编程助手的实用化奠定基础。