ZDNet至顶网服务器频道 10月21日 编译:IBM公司周一称,IBM将支付15亿美元给Globalfoundries,就此脱手旗下亏损的芯片部。IBM着手处理所面临严重的财务困境,此举乃IBM时下摆脱旗下无利可图业务的一步棋。
作为提出的交易的一部分,Globalfoundries同意在接下来的10年提供IBM处理器,其中包括IBM的Power芯片。几个月以来一直有传言指IBM在找买主脱手旗下的芯片制造业务,据说此业务每年的损失不下15亿美元。
交易揭露后,接着IBM就公布了令人失望的第三季度业绩,该季度销售额为224亿美元,同比下降4%。IBM还重将自己的5年盈利目标定位为至2015年每股盈利20美元。IBM股价现为169美元,下跌7%,即是跌13.16美元。
IBM公司首席执行官Ginni Rometty在一份声明中表示,“我们对公司的业绩很失望。我们注意到客户的购买行为在9月份明显放缓。我们掌握的资料表明,我们的行业正以前所未有的速度迅速改变。”
位于美国纽约州Armonk的IBM公司称,出售旗下的芯片制造业务能让公司专注于其他更有利可图的云计算、大数据分析和软件的机遇。
有渠道合作伙伴表示,IBM不景气的Power处理器业务需要一点刺激,卖掉芯片制造业务是压低昂贵芯片的价格的最佳选择,以吸引新客户至Power平台。渠道合作伙伴表示,IBM的Power处理器需要一个生命线,最新的英特尔至强处理器以及来自诸如ARM服务器的威胁为Power服务器平台带来严峻挑战。
IBM系统和技术集团和整合供应链高级副总裁Tom Rosamilia在一份书面声明中表示,“今天发布的收购消息——Globalfoundries计划收购IBM全球商业半导体技术业务——是IBM再改造过程的另一步。”
Rosamilia表示,IBM再改造涵括出售旗下的低利润业务,包括以23亿美元将旗下的x86服务器和个人电脑业务卖给联想。依赖Globalfoundries能让该芯片制造商“通过大批量半导体制造进行创新,经济规模大了可以加强大批量半导体制造业务。”
Moor Insights and Strategy的总裁兼首席分析师Patrick Moorhead告诉记者,八月份进行讨论时提到,IBM应该“抛开对IBM业务的发展非关键的东西”。多数芯片厂商时下都没有自己的芯片工场。这样做有助于IBM降低成本。
IBM的Power业务一直以来都处艰难经营的状态。据分析,其市场份额慢慢陷入低迷,原因是行业发生巨大变化,服务器架构全方位拥抱AMD、ASIC、ARM架构,当然还有英特尔的x86架构。
位于美国佛罗里达州的Champion Solutions Group的Boca Raton总裁Chris Pyle八月时告诉记者,“如果IBM不造自己的芯片,我不太确定会有什么区别。”
Pyle表示,“IBM公司几年前就卖掉了旗下的磁盘驱动器存储业务。有没有阻止我出售数亿美元的标有IBM标志的存储设备?没有。没有客户问我,‘那谁,这里面的东西是谁造的?’“
Pyle指出,他注意到IBM公司面临激烈竞争,x86对手有诸如AMD和英特尔一类的商家,他们在拉拢IBM的Power客户,想吸引IBM的Power客户将服务器架构建造在更便宜的商品x86架构上。
Globalfoundries是一家阿联酋国的公司,也是世界第二大芯片制造商,在新加坡有6个工场,在德国有一个工场,并且正在美国纽约州马耳他建设一个100亿美元的工场。
作为该交易的一部分,Globalfoundries将收购并经营现有的IBM半导体制造设施(位于美国纽约East Fishkill和佛蒙特州Essex Junction)。IBM表示,5000多名IBM员工将随这笔交易转移到Globalfoundries的半导体制造工厂的门下。
IBM于周一上午10点举行记者招待会,谈第三季度的销售和业绩。
好文章,需要你的鼓励
很多人担心被AI取代,陷入无意义感。按照杨元庆的思路,其实无论是模型的打造者,还是模型的使用者,都不该把AI放在人的对立面。
MIT研究团队提出递归语言模型(RLM),通过将长文本存储在外部编程环境中,让AI能够编写代码来探索和分解文本,并递归调用自身处理子任务。该方法成功处理了比传统模型大两个数量级的文本长度,在多项长文本任务上显著优于现有方法,同时保持了相当的成本效率,为AI处理超长文本提供了全新解决方案。
谷歌宣布对Gmail进行重大升级,全面集成Gemini AI功能,将其转变为"个人主动式收件箱助手"。新功能包括AI收件箱视图,可按优先级自动分组邮件;"帮我快速了解"功能提供邮件活动摘要;扩展"帮我写邮件"工具至所有用户;支持复杂问题查询如"我的航班何时降落"。部分功能免费提供,高级功能需付费订阅。谷歌强调用户数据安全,邮件内容不会用于训练公共AI模型。
华为研究团队推出SWE-Lego框架,通过混合数据集、改进监督学习和测试时扩展三大创新,让8B参数AI模型在代码自动修复任务上击败32B对手。该系统在SWE-bench Verified测试中达到42.2%成功率,加上扩展技术后提升至49.6%,证明了精巧方法设计胜过简单规模扩展的技术理念。