ZDNet至顶网服务器频道 11月25日编译:英特尔董事长Andy Bryant在公司的年度投资者会议上发言,他坦称,虽然芯片制造商英特尔2014年破了多项纪录,但有些记录还是不提好一点。
最值得注意的是英特尔的移动和通信部门,二者可是花了大力气力图将英特尔芯片引入更多的智能手机和平板电脑里,但在该年度的亏损将达数十亿美元。
Bryant在位于美国加州圣克拉拉的英特尔总部告诉投资者和分析师,“我们亏了这么多钱,我不会说我为此感到自豪。但一年前,我为公司的状况感到尴尬,我能告诉大家的是,我现在对公司的状况没一年前那么尴尬了。”
接着,轮到CEO Brian Krzanich上台发言,他的任务是描绘英特尔在未来一年的发展。这是Krzanich任首席执行官以来第二次出席投资者大会。鉴于英特尔公司近段时间来经历的艰难日子,Krzanich发言时谨慎,他的讲话内容介于乐观和实用之间。
Krzanich表示,英特尔会吸取过去的经验,发挥优势。他称,因此英特尔在未来将进入诸如数据中心基础设施和物联网之类的可盈利的相邻业务,以稳定公司的盈利,增大股东的回报。
尽管英特尔已经针对数据中心业务的增长做了投资,Krzanich很明确地表示,英特尔的计划是兑现其承诺,以增加在该细分市场上的年复合增长率。
Krzanich在谈到未来宏图时称,“英特尔的下一个大业务是数据中心。业务额将达140亿美元,我们的增长速度可望达15%。”
蓬勃发展的物联网空间亦可为盈利提供潜在的增长,英特尔也没有忽视这一点。Krzanich表示,物联网也是英特尔的下一个大业务,仅次于数据中心。英特尔今年早些时候决定将物联网定位为一个细分市场,此举也印证了物联网是英特尔的下一个大业务。
Krzanich表示,和数据中心业务一样,英特尔截至目前为止在物联网方面的经验将有助于英特尔在此领域取得成功。他称,“我们在这个行业有多年的经验,因此我们对这个行业非常熟悉。”
英特尔在可携带设备上会下更多的功夫。在去年的股东大会上,英特尔承诺不会置未来市场于不顾。Krzanich指,英特尔不会推出自己的品牌设备,而是利用伙伴关系,譬如与诸如Fossil一类的伙伴关系,以应付繁复的设备内部结构。
如果一切按计划行事,英特尔预计会发放每股96美分的股息给股东。这是在英特尔2015年全年业务前景里的提过的。但英特尔对收入前景则比较含糊,只是说期待“中位单位数”的增长。英特尔表示,2014年的资本支出预计约为110亿美元,与之相比,明年的资本支出约为105亿美元。
Krzanich主题发言的其他亮点:
个人电脑市场趋于稳定。Krzanich表示,“基本上每个人都在说个人电脑市场企稳,但我们相信,实际上我们可以让个人电脑市场增长。”
Cloudera投资得到回报。Krzanich称合作关系的想法是要“开拓我们系统的工作细节,以期让两个系统互相可以在对方的基础上构建系统。”
与合作伙伴的融合持续推动公司的发展,特别是在移动业务方面。Krzanich以英特尔的SoFIA产品为例做了说明。SoFIA产品是英特尔用于新兴市场入门级智能手机的芯片技术。他表示,SoFIA是英特尔首次合成的、在软件里定义的Atom内核。他称其结果是更多的合作伙伴可以与英特尔进行融合。
英特尔在芯片代工方面会继续与关键合作伙伴合作。 Krzanich指出,英特尔的芯片代工场除了对松下开放外,明年会面对更多的合作伙伴开放。
好文章,需要你的鼓励
Gartner预测,到2030年所有IT工作都将涉及AI技术的使用,这与目前81%的IT工作不使用AI形成鲜明对比。届时25%的IT工作将完全由机器人执行,75%由人类在AI辅助下完成。尽管AI将取代部分入门级IT职位,但Gartner认为不会出现大规模失业潮,目前仅1%的失业由AI造成。研究显示65%的公司在AI投资上亏损,而世界经济论坛预计AI到2030年创造的就业机会将比消除的多7800万个。
谷歌DeepMind团队开发的GraphCast是一个革命性的AI天气预测模型,能够在不到一分钟内完成10天全球天气预报,准确性超越传统方法90%的指标。该模型采用图神经网络技术,通过学习40年历史数据掌握天气变化规律,在极端天气预测方面表现卓越,能耗仅为传统方法的千分之一,为气象学领域带来了效率和精度的双重突破。
人工智能正从软件故事转向AI工厂基础,芯片、数据管道和网络协同工作形成数字化生产系统。这种新兴模式重新定义了性能衡量标准和跨行业价值创造方式。AI工厂将定制半导体、低延迟结构和大规模数据仪器整合为实时反馈循环,产生竞争优势。博通、英伟达和IBM正在引领这一转变,通过长期定制芯片合同和企业遥测技术,将传统体验转化为活跃的数字生态系统。
韩国成均馆大学研究团队开发了首个机器遗忘可视化评估系统Unlearning Comparator,解决了AI"选择性失忆"技术缺乏标准化评估的问题。系统通过直观界面帮助研究人员深入比较不同遗忘方法,并基于分析洞察开发出性能优异的引导遗忘新方法,为构建更负责任的AI系统提供重要工具支持。