ZD至顶网服务器频道 03月22日 新闻消息:有半导体行业市场观察家预测,基于目前宏观经济低迷、疲软的内存定价以及缺乏“杀手级”应用推动芯片消耗量,今年半导体行业将会呈现萎缩态势。
Semico Research Corp.最近调整了2016年半导体销售预期。这家总部在凤凰城的市场研究公司认为,今年半导体行业将会出现1/3的萎缩。去年Semico曾预测今年半导体行业的收入将增长3%-4%。
“这个预测略有下降,但肯定是低于去年年底时我们的预期,”Semico总裁Jim Feldhan这样表示。
根据世界半导体贸易统计组织(WSTS)的预测,2015年半导体销售额相比2014年将会减少0.2%。如果Semico对于2016年的预测是基于金额的,那么这将会是半导体行业自2008年和2009年连续两年销售额下滑以来,首次出现下滑,但是全球正在从金融危机的影响中逐渐复苏。
该组织和其他市场研究公司预测2016年半导体行业仍然会有小幅增长。WSTS预测今年的增幅为0.3%,而市场分析公司IC Insights Inc.预测的增幅是2%。
这些预测结果的差距并不大。例如,WSTS和Semico的预测结果之间的差距还不到1%,至少从心理上讲,差距并不显著。2008年到2009年半导体行业的萎缩是该行业历史上唯一一次连续两年销售额下滑。7年之后,这个情况再次发生,可能标志着半导体行业进入到了一个新的成熟阶段。
据Feldhan表示,最根本的问题是缺乏令人信服的推动力,去促使半导体消费量增长。他指出,在PC市场停滞之前,PC是半导体行业几十年来的主要推动力。iPhone的问世让智能手机真正腾飞起来,智能手机多年来一直是半导体行业实现增长的引擎,但是智能手机的销售额最近也趋于平稳。平板电脑的销售也推动着半导体的消费,已经多年实现强劲增长,但是从去年开始出现下滑。
“我从高通总裁那里听到一个有趣的说法,那就是现在全球的智能手机数量比厕所还要多了,”Feldhan表示。“我认为这里说的关键点是,半导体市场已经相当饱和了。我们正在寻求新应用,去推一把那些等待升级手机和需要升级的人们。”
Feldhan补充说,过去几年,智能手机和平板电脑的双位数增长让半导体行业一直在储存容量。现在,这些产品的出货量增长开始放缓,半导体行业也随之面临着最终会拉低平均销售价格的库存问题,他说。
半导体行业最近一次实现近双位数的增长是在2014年,当时半导体行业增长了近10%。Feldhan表示,2014年的增长主要是受到了内存芯片短缺的推动。内存收入的增长,以及内存芯片定价的增长,是当年半导体行业增长的主要原因,而由于竞争激烈,逻辑芯片的销售只有小幅增长。
“今天,基带处理器和应用处理器仍然是一个竞争非常激烈的市场,内存价格恢复到每个季度下滑的历史趋势,”Feldhan表示。
作为Semico的竞争对手,IC Insights预测由于过去一年DRAM平均销售价格降低了11%,因此2016年DRAM收入将下滑8%。这项预测导致IC Insights将半导体行业总体预测增幅从4%调低到2%。
Feldhan还将Semico调整预测归结为中国的增幅放缓。事实上,他表示有迹象表明几乎每个国家的GDP都要比上一年有小幅放缓,印度和韩国除外。
“当你将所有这些因素放在一起,其实是很难预测半导体行业今年的整体增幅情况,”Feldhan表示。
Feldhan表示,从长远来看,Semico看好半导体行业在物联网和汽车芯片领域的机会。“但是至于能媲美当年智能手机增长的趋势,”Feldhan表示。“希望有人拿出一个特别酷的、大家都想要的、可能需要10纳米处理器和更多内存的计算应用。”
好文章,需要你的鼓励
OpenAI首席执行官Sam Altman表示,鉴于投资者的AI炒作和大量资本支出,我们目前正处于AI泡沫中。他承认投资者对AI过度兴奋,但仍认为AI是长期以来最重要的技术。ChatGPT目前拥有7亿周活跃用户,是全球第五大网站。由于服务器容量不足,OpenAI无法发布已开发的更好模型,计划在不久的将来投资万亿美元建设数据中心。
阿里巴巴团队提出FantasyTalking2,通过创新的多专家协作框架TLPO解决音频驱动人像动画中动作自然度、唇同步和视觉质量的优化冲突问题。该方法构建智能评委Talking-Critic和41万样本数据集,训练三个专业模块分别优化不同维度,再通过时间步-层级自适应融合实现协调。实验显示全面超越现有技术,用户评价提升超12%。
英伟达推出新的小型语言模型Nemotron-Nano-9B-v2,拥有90亿参数,在同类基准测试中表现最佳。该模型采用Mamba-Transformer混合架构,支持多语言处理和代码生成,可在单个A10 GPU上运行。独特的可切换推理功能允许用户通过控制令牌开启或关闭AI推理过程,并可管理推理预算以平衡准确性和延迟。模型基于合成数据集训练,采用企业友好的开源许可协议,支持商业化使用。
UC Berkeley团队提出XQUANT技术,通过存储输入激活X而非传统KV缓存来突破AI推理的内存瓶颈。该方法能将内存使用量减少至1/7.7,升级版XQUANT-CL更可实现12.5倍节省,同时几乎不影响模型性能。研究针对现代AI模型特点进行优化,为在有限硬件资源下运行更强大AI模型提供了新思路。