ZD至顶网服务器频道 10月19日 编译:在英特尔公司的重拳猛轰之下,AMD公司在其2015年第三季度的计算机芯片营收报告中只录得6500万美元,而在此之前其还曝出面临大量库存产品无法售出的尴尬局面。
与此同时,这家处理器设计厂商还将在今年最后三个月当中第一次售出一定数量的64位ARM兼容服务器芯片。
上周四下午,AMD公司公布了其发人深省的2015年第三季度财务结果,下面就让我们从GAAP角度了解在截止于9月26号的过去三个月当中,AMD取得了怎样的运营成效:
• 净收入为10.6亿美元(折合约6.46亿英镑),较上年同期的14.29亿美元(折合约9.23亿英镑)跳水25.7%,x86处理器与图形芯片组销售额的显著降低成为此轮营收下滑的主因。
• AMD公司2015年第三季度的净亏损额为1.97亿美元(折合约1.27亿英镑),其2014年第三季度则实现了1700万美元(折合约1100万英镑)的盈利。
• 每股净亏损最终为0.25美元,而上年同期AMD公司实现了每股0.02美元的盈利。
• 由于AMD公司目前仍然囤积着大量无法售出的陈旧x86系统芯片,由此带来的高达6500万美元(折合约4200万英镑)的产品库存使得当季度恢复盈利的希望彻底化作泡影,这同时也意味着AMD方面必须对其进行降价销售以收回部分资金。
• AMD公司计算与图形业务营收较上年同期大幅跳水46%,这一切都要归功于持续走低的PC市场销售额以及更加可怜的芯片需求。面对笔记本产品不断降价的趋势,AMD公司也不得不持续拉低其x86处理器产品的价位。有趣的是,Carrizo芯片家族在面世之后倒是取得了12%的连续销售额增长幅度。
• 来自企业、嵌入式与半定制化业务的营收较上年同期下滑2%,这主要是由于“较低的嵌入式产品与服务器处理器销量所致”。
• AMD公司将在今年最后一个季度当中发布“适中的”生产级64位ARMv8服务器芯片,这也是其第一次发布自家的“西雅图”系统芯片。
AMD公司CEO Lisa Su在电话会议上向分析师们表示:我仍然相信AMD公司在数据中心市场上的融合型网络、存储与服务器业务领域占有一席之地。我认为我们可以断言,目前ARM架构在服务器市场上普及速度不快的主要原因在于软件以及相关架构仍不够完善。而在西雅图系统芯片方面,我们将于今年第四季度进行首批数量适中的产品销售。我认为将ARM作为服务器平台的构想是一个长期的过程,因此其无疑在服务器市场以及数据中心当中都是具备竞争力的,我们立足于x86业务对其保持高度关注,并将继续以互补方式推动ARM技术的相关研发及推广工作。
• AMD公司已经于南通富士通微电子公司共同成立了一家合资企业,其在这项举措当中应该是投入了3.71亿美元现金,其中净支出款项为3.2亿美元。AMD目前已经基本上剥离了位于马来西亚与中国的半导体组装及测试业务,并将其交由南通富士通公司打理。(备注:Su及她的的首席财务官Devinder Kumar曾经在这次电话会议当中多次提到‘成功执行’这一说法。)
AMD公司的股价在此次财报电话会议当之后下降了0.51%,而其实际运营表现超出了分析师们所提出的营收9.96亿美元与每股亏损0.12美元这两项预期。
对于那些希望AMD公司逐步向好的朋友,我们可以公布其当前运营状况:AMD在银行当中拥有7.55亿美元现金,而整体债务额则为22.6亿美元。尽管拥有多条颇有希望的业务线,但其重归正轨似乎仍然遥遥无期。
好文章,需要你的鼓励
这篇研究介绍了KVzip,一种创新的查询无关KV缓存压缩方法,通过上下文重建机制为大型语言模型提供高效存储解决方案。该技术能将KV缓存大小减少394倍,同时提高解码速度约2倍,在各种任务上性能几乎不受影响。不同于传统查询相关的压缩方法,KVzip创建可在多种查询场景下重用的通用压缩缓存,特别适合个性化AI助手和企业信息检索系统。研究在LLaMA3.1-8B、Qwen2.5-14B和Gemma3-12B等多种模型上进行了验证,处理长度高达17万词元的文本,并能与KV缓存量化等其他优化技术无缝集成。
腾讯与上海交通大学联合推出的DeepTheorem研究突破了大型语言模型在数学定理证明领域的限制。该项目创建了包含12.1万个IMO级别非形式化定理的大规模数据集,开发了专门的RL-Zero强化学习策略,并设计了全面的评估框架。研究表明,通过使用自然语言而非传统形式化系统,即使是7B参数的模型也能在复杂定理证明上取得显著成果,超越许多更大的专业模型。这一成果为AI数学推理开辟了新途径,使语言模型能够像人类数学家一样思考和证明。
MAGREF是字节跳动智能创作团队开发的多主体视频生成框架,能从多张参考图像和文本提示生成高质量视频。该技术引入了区域感知动态遮罩机制,使单一模型灵活处理人物、物体和背景,无需架构变化;并采用像素级通道拼接机制,在通道维度上运作以更好地保留外观特征。实验表明,MAGREF在身份一致性和视觉质量方面优于现有技术,能将单主体训练泛化到复杂多主体场景,为内容创作者提供了强大而便捷的视频生成工具。
这项研究揭示了大型语言模型(LLMs)偏好决策的内在机制。以色列理工学院和IBM研究院的团队开发了一种自动化方法,不需人工预设即可发现和解释影响AI判断的关键概念。研究横跨八个领域(从一般问答到安全评估),分析了12种偏好机制,发现人类评判者重视权威性和清晰度,而AI评判更关注事实准确性。他们提出的层次多领域回归模型不仅能准确预测偏好,还能清晰解释判断过程,为构建更透明、更符合人类价值观的AI系统提供了新途径。