谷歌25亿美金收购Character AI的幕后故事

在科技领域中,并购交易无疑是推动技术发展的重要手段之一。最近,谷歌以25亿美金的对价收购了Character AI,这一交易的方式和细节引起了广泛关注。本文将详细解析谷歌这一奇葩交易方式,探讨其背后的动机和影响。

一、交易背景

1.1 Character AI的融资历史

Character AI成立于2021年,并在2023年3月完成了第一次对外融资,获得了1.5亿美金,估值10亿美金。本来计划在2023年9月进行第二轮融资,估值预计达到50亿美金。然而,最终这轮融资未能实现,导致公司被收购。

1.2 谷歌的收购动机

谷歌之所以决定收购Character AI,主要是为了补充其在大模型和人工智能领域的实力。尽管Character AI的估值上涨了2.5倍,但对谷歌来说,这笔交易具有战略意义。

二、交易细节

2.1 收购对价

谷歌以25亿美金的对价进行收购。具体分为四个部分:

  1. 投资人老股:按照2.5倍的估值(25亿美金)兑付所有投资人的股份。
  2. 创始团队和大模型团队:公司的创始团队和大模型研发的30个人回归谷歌,并获得一定的期权。
  3. 剩余员工:公司剩下的100多人继续作为Character AI的运营团队,期权按2.5倍逐步兑付。
  4. 非独家授权协议:谷歌与Character AI签署了大模型的非独家授权协议,允许谷歌使用Character AI的模型。

2.2 期权兑付机制

谷歌留了一个基金,用于兑付Character AI的期权,兑付期为两年(2024-2026年)。两年后,未兑付的期权将由Character AI自行解决。

2.3 研发团队的去向

创始团队和大模型团队的30人回归谷歌,加入Gemini AI的团队,继续从事大模型的研发工作。剩下的100人则继续运营Character AI,并使用Meta的Llama 3.1模型开展工作。

三、交易分析

3.1 对谷歌的意义

谷歌通过这笔交易,以相对较低的成本(约5亿美金)获取了Character AI的核心技术团队和模型使用权,避免了直接收购带来的反垄断调查风险,同时也规避了客户纠纷。

3.2 对投资人的影响

投资人获得了2.5倍的回报,充分实现了投资收益。对于早期投资人来说,这一回报率相对较高,满足了他们的投资预期。

3.3 对创始团队的影响

创始团队虽然被收购,但通过期权和回归谷歌,依然能够继续在大模型领域发挥作用,并获得未来几年的收益保障。同时,他们保住了在投资人和谷歌内部的信誉,为未来的创业奠定了基础。

3.4 对Character AI的影响

Character AI的法务团队和剩余员工继续运营公司,尽管创始团队和核心研发团队离开,但通过与谷歌签订的非独家授权协议,依然保留了一定的发展空间。

四、总结

这次谷歌收购Character AI的交易展现了硅谷并购交易中的复杂性和多样性。从交易方式、期权兑付到团队整合,每一步都体现了战略布局和利益平衡。

这笔交易不仅让我们看到了科技巨头在技术并购中的灵活策略,也揭示了创业公司在面对巨头收购时的应对之道。未来,随着大模型和人工智能技术的发展,这类交易模式可能会越来越普遍,为行业注入新的活力和动力。

希望通过本文的详细解析,读者能对谷歌收购Character AI的交易有一个更深入的了解,并从中获得启发。感谢阅读!
在这里插入图片描述

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.rhkb.cn/news/393544.html

如若内容造成侵权/违法违规/事实不符,请联系长河编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

程序员短视频上瘾综合症

一、是你疯了还是面试官疯了? ​ 最近有两个学员咨询问题,把我给整得苦笑不得。大家来看看,你有没有同样的症状。 ​ 第一个学员说去一家公司面试,第一轮面试聊得挺好的。第二轮面试自我感觉良好,但是被面试官给Diss…

《计算机组成原理》(第3版)第3章 系统总线 复习笔记

第3章 系统总线 一、总线的基本概念 总线是连接多个部件的信息传输线,是各部件共享的传输介质,如图3-1所示。 图3-1 面向CPU的双总线结构框图 倘若将CPU、主存和I/O设备都挂到一组总线上,便形成单总线结构的计算机,如图3-2所示…

【Linux 驱动】IMX6ULL input驱动

1. input子系统介绍 input 子系统分为 input 驱动层、input 核心层、input 事件处理层,最终给用户空间提供可访问的设备节点。 驱动层:输入设备的具体驱动程序,比如按键驱动程序,向内核层报告输入内容核心层:承上启下…

OpenCV图像滤波(5)二维卷积滤波函数filter2D()的使用

操作系统:ubuntu22.04 OpenCV版本:OpenCV4.9 IDE:Visual Studio Code 编程语言:C11 算法描述 cv::filter2D() 函数用于对图像应用二维卷积滤波器。这个函数可以用来实现多种图像处理操作,如模糊、锐化、边缘检测等。它通过将一个…

stm32应用、项目、调试

主要记录实际使用中的一些注意点。 1.LCD1602 电路图: 看手册:电源和背光可以使用5v或者3.3v,数据和控制引脚直接和单片机引脚连接即可。 单片机型号:stm32c031c6t6 可以直接使用推完输出连接D0--D7,RS,EN,RW引脚,3…

Linux--网络层IP

IP协议 IP协议,全称Internet Protocol(互联网协议),是TCP/IP协议族中的核心协议之一,用于在互联网络上进行数据的传输。IP协议的主要功能是确保数据从一个网络节点(如计算机、服务器、路由器等&#xff09…

OpenDataLab:人工智能开放数据平台

作者:CSDN _养乐多_ 本文将介绍一个人工智能开放数据平台,OpenDataLab。 文章目录 一、OpenDataLab介绍二、下载 一、OpenDataLab介绍 官网链接: OpenDataLab:https://opendatalab.com/ 这里面有很多数据集,包括计…

CCIA2024“网络安全优秀创新成果大赛-哈尔滨分站赛”优胜奖,花落谁家?

近日,“2024 年网络安全优秀创新成果大赛 - 哈尔滨分站赛”评选结果正式公布。此次大赛由黑龙江省委网信办指导,中国网络安全产业联盟主办,哈尔滨工业大学网络空间安全学院承办。开源网安代码审核平台 CodeSec 凭借在 AI 方向的创新能力和极高…

JavaEE: 进程和线程

文章目录 进程线程的概念和区别总结如何创建线程1.继承Thread重写run2.实现Runnable重写run3.继承Thread重写run,通过匿名内部类来实现4. 实现Runnable重写run,通过匿名内部类来实现5.基于lambda表达式来创建 虚拟线程 并发编程: 通过写特殊的代码,把多个CPU核心都利…

Mojo使用调试工具(Visual Studio Code)详解

Visual Studio Code 的 Mojo 扩展使您可以将 VS Code 的内置调试器与 Mojo 程序一起使用。(Mojo 扩展还支持调试 C、C++ 和 Objective-C。) 有关 VS Code 调试功能的完整介绍,请参阅 Visual Studio Code 中的调试。 本文介绍了可通过 Mojo 扩展获得的功能,以及 Mojo 调试…

层次分析法(评价类问题)

目录 本文章内容来自: 层次分析法模型讲解(附matlab和python代码) 【数学建模快速入门】数模加油站 江北_哔哩哔哩_bilibili 一. 概念 二. 适用的问题范围 三. 层次分析法的四个步骤 四. 对应代码 本文章内容来自: 层次分析法模型讲解(附matlab和…

【面试题】串联所有单词的子串,找到所有符合条件的串联子串的起始索引

串联所有单词的子串,找到所有符合条件的串联子串的起始索引 面试学习 一、题目 串联所有单词的子串 二、解题思路 2.1 定义子串长度 所有字符串 words 的长度是相同的,假设为 L。那么一个有效的串联子串的总长度应该是 L * len(words)。 2.2 滑动窗…

解决Minizip压缩后解压时的头部错误问题

最近,在处理文件压缩的任务时,我遇到了一个有趣的问题。使用Minizip库进行文件压缩后,在解压过程中收到了一个关于"头部错误"的警告。尽管这个警告看似令人担忧,但解压操作最终仍然能够成功完成文件的解压。这引发了我的…

BM1反转链表[栈+头插法]

题目要求如下: 问题比较简单,就是将链表中的值进行反转即可。 一种比较简单的方式是使用栈链表的方式来实现,下面是相应的代码: #include <stdio.h> #include <stdlib.h> int arr[10001] {0}; struct ListNode* ReverseList(struct ListNode* head ) {if (head …

编译运行 Byconity

我的系统是centos&#xff0c;因此用他们的docker编译并用他们的docker-compose运行&#xff0c;以下流程亲测可跑&#xff1a; 拉取并编译 https://github.com/ByConity/ByConity/tree/master/docker/debian/dev-env 运行 https://github.com/ByConity/ByConity/blob/master/d…

Day-16 SpringBoot原理

SpingBoot原理 在前面十多天的课程当中&#xff0c;我们学习的都是web开发的技术使用&#xff0c;都是面向应用层面的&#xff0c;我们学会了怎么样去用。而我们今天所要学习的是web后端开发的最后一个篇章springboot原理篇&#xff0c;主要偏向于底层原理。 我们今天的课程安…

20240807 每日AI必读资讯

&#x1f468;‍&#x1f4bc;马斯克再发难、OpenAI 高层巨变&#xff1a;两大核心人物离职&#xff0c;总裁休长假到年底 - OpenAI 联合创始人 John Schulman 官宣离职&#xff0c;加入原是竞品公司的 Anthropic - 陪伴 OpenAI 共同成长 9 年的总裁兼联合创始人 Greg Brockm…

事务和索引(面试常问)

面试常问&#xff1a; 一、数据库隔离级别&#xff1f;事务隔离级别解决的问题&#xff1f; 答&#xff1a;1.数据库隔离级别&#xff1a; READ_UNCOMMITTED 读未提交 READ_COMMITTED 读提交&#xff08;不可重复读&#xff09; REPEATABLE_READ 可重复读 SERIALIZABLE 串行化…

sed 简易使用指南

sed 简易使用指南 1 sed 介绍2 查找3 替换4 反向引用5 删除6 cai&#xff08;菜&#xff09; 导言&#xff1a; 笔者之前花了较多时间学习并整理了sed命令相关的内容&#xff0c;以及一些进阶内容。但是&#xff0c;到后来使用也就只记得那么几个简单的选项&#xff0c;再高级的…

6-8 残差网络(ResNet)

随着我们设计越来越深的网络&#xff0c;深刻理解“新添加的层如何提升神经网络的性能”变得至关重要。更重要的是设计网络的能力&#xff0c;在这种网络中&#xff0c;添加层会使网络更具表现力&#xff0c; 为了取得质的突破&#xff0c;我们需要一些数学基础知识。 残差网络…