Extreme Networks以1亿美元购买Avaya的网络业务

简介:

Extreme Networks的首席执行官Ed Meyercord表示,他希望Avaya的网络业务能为其公司带来超过2亿美元的年收入。

Meyercord在一份声明中表示:“Avaya的网络业务和我们的增长战略方向一致,并将扩大Extreme的企业解决方案能力,在我们的垂直市场中补充我们的产品组合。” Meyercord表示,“我们预计Avaya业务的年收入将超过2亿美元,增加我们的市场份额,并为我们的客户提供新的机会。”

今年1月份,Avaya申请Chapter 11破产保护,称它需要重组其资产负债表,以便为未来更好地做好准备。

为了促进重组,Avaya根据美国破产法(U.S. Bankruptcy Code)第11章在纽约南区美国破产法院(United States Bankruptcy Court)提交了自愿申请。

Avaya首席执行官Kevin Kennedy在一份声明中表示,“我们相信,出售我们的网络业务是所有利益相关者的最佳路径”。他表示,“它为我们的网络客户和合作伙伴提供了一个明确和积极的道路,使公司能够专注于其核心业务,行业领先的统一通信和联络中心解决方案。今天的公告进一步推进了我们的整体重组目标,我们要为Avaya 其他部分争取长期的成功。”

Kennedy表示:“Avaya Networking成为一家纯网络公司(如Extreme Networks)的一部分的可能性将使其产品和服务获得更大的发展机会,并让业界继续从我们屡获殊荣的有线、WLAN和Fabric技术中获益。”

Extreme已经与Avaya签订资产购买协议,其中Extreme将作为“破产法”第363节出售的主要投标人。其他有兴趣的公司将有机会在破产法院规定的截止日期前提交投标书。

根据发布的消息,如果还有其他合格的投标提交,则将进行拍卖流程,与Extreme签订的1亿美元协议将为拍卖设定底价。

最终销售给Extreme或竞争对手的批准预计将在拍卖结束后不久完成。

该交易预计将于2017年6月30日结束,即Avaya 2017财年第三季度的结束日期,并需要监管批准以及具备其他惯例结束条件。

Extreme的Meyercord表示,他预计合并后的业务可以实现协同效应,并为Extreme的2018财年盈利和现金流提供增值。

本文转自d1net(转载)

目录
相关文章
|
机器学习/深度学习 算法 PyTorch
RPN(Region Proposal Networks)候选区域网络算法解析(附PyTorch代码)
RPN(Region Proposal Networks)候选区域网络算法解析(附PyTorch代码)
3622 1
|
6月前
|
数据采集 监控 网络安全
VMware Cloud Foundation Operations for Networks 9.0.1.0 发布 - 云网络监控与分析
VMware Cloud Foundation Operations for Networks 9.0.1.0 发布 - 云网络监控与分析
445 3
VMware Cloud Foundation Operations for Networks 9.0.1.0 发布 - 云网络监控与分析
|
9月前
|
监控 数据可视化 Java
VMware Aria Operations for Networks 6.14 - 网络和应用监控工具
VMware Aria Operations for Networks 6.14 - 网络和应用监控工具
182 0
VMware Aria Operations for Networks 6.14 - 网络和应用监控工具
|
机器学习/深度学习 存储 算法
回声状态网络(Echo State Networks,ESN)详细原理讲解及Python代码实现
本文详细介绍了回声状态网络(Echo State Networks, ESN)的基本概念、优点、缺点、储层计算范式,并提供了ESN的Python代码实现,包括不考虑和考虑超参数的两种ESN实现方式,以及使用ESN进行时间序列预测的示例。
1287 4
回声状态网络(Echo State Networks,ESN)详细原理讲解及Python代码实现
|
机器学习/深度学习 运维 自然语言处理
VMware Cloud Foundation Operations for Networks 9.0 发布 - 云网络监控与分析
VMware Cloud Foundation Operations for Networks 9.0 发布 - 云网络监控与分析
145 0
|
机器学习/深度学习 算法
生成对抗网络(Generative Adversarial Networks,简称GANs)
生成对抗网络(GANs)由Ian Goodfellow等人于2014年提出,是一种通过生成器和判别器的对抗训练生成逼真数据样本的深度学习模型。生成器创造数据,判别器评估真实性,两者相互竞争优化,广泛应用于图像生成、数据增强等领域。
1998 1
|
机器学习/深度学习 自然语言处理 搜索推荐
基于图神经网络的电商购买预测
基于图神经网络的电商购买预测
|
机器学习/深度学习 API 算法框架/工具
残差网络(ResNet) -深度学习(Residual Networks (ResNet) – Deep Learning)
残差网络(ResNet) -深度学习(Residual Networks (ResNet) – Deep Learning)
965 0
|
算法 数据可视化 搜索推荐
数据分享|Python用Apriori算法关联规则分析亚马逊购买书籍关联推荐客户和网络图可视化
数据分享|Python用Apriori算法关联规则分析亚马逊购买书籍关联推荐客户和网络图可视化
234 11
|
机器学习/深度学习 数据可视化 算法框架/工具
【深度学习】Generative Adversarial Networks ,GAN生成对抗网络分类
文章概述了生成对抗网络(GANs)的不同变体,并对几种经典GAN模型进行了简介,包括它们的结构特点和应用场景。此外,文章还提供了一个GitHub项目链接,该项目汇总了使用Keras实现的各种GAN模型的代码。
1417 0