ZD至顶网服务器频道 02月07日 新闻消息: 英特尔的Atom C2000处理器产品系列出毛病,涉及的产品基本会变成砖头,英特尔花了大量金钱修正毛病。但半导体巨头英特尔不会披露究竟有多少芯片受到影响及哪些产品面临风险。
首席财务官Robert Swan本月早些时候在英特尔2016年第四季度财报电话会议上表示,某个产品问题在这个季度限制了盈利,公司被迫拿出一笔现金处理这个问题。
他表示,“我们在第四季度注意到一个产品的质量问题,该产品在有些使用和时段中的的失败率略高于预期,我们设立了储备处理该问题。我们认为该问题涉及面相对有限,只需用一个小的工程修正,我们正在与我们的客户一起解决该问题。”
思科公司碰巧上周发布了一个产品警告信息,里面说2016年11月16日之前出售的思科路由、光纤网络、安全和交换产品含一个问题时钟组件,该组件运行18个月后的失败率可能会加快。
思科当时拒绝透露该组件的供应商。思科发言人在周一被问到是否是英特尔提供了该问题产品时告诉记者,网络巨头思科不打算公开供应商的名字。
英特尔在2017年1月修订了旗下Actom C2000产品系列的文档,曾提到该芯片产品系列存在时钟问题。标题为“系统可能出现无法启动或停止操作的情况”的勘误文档(AVR.54)指,Atom C2000低端针脚总线时钟输出(LPC_CLKOUT0和LPC_CLKOUT1)可能会停止工作,永久停止。
英特尔发言人在给记者的一封电子邮件里将该问题的特征描述为“一电路元件经过几年的服务使用后在高使用条件下的退化率高于英特尔定下的质量目标。”
英特尔的文档是这样解释的,“如果LPC时钟停止工作,系统将无法启动。”
而这种结果正是思科说的旗下设备使用时间够长以后可能发生的情况。思科的通告称,“该组件出问题后,系统将停止工作,无法启动,并且无法恢复。”
记者曾联系过英特尔,问其是否可以确认思科通告说的问题组件是和英特尔组件有关。英特尔表示不会证实或否认旗下的芯片问题是否影响到思科设备,理由是不评论客户是公司的既定做法。笔者注意到受影响的思科ASA 55xx产品至少使用了英特尔的Atom C2000单机芯片。
沉默以对
记者曾要求英特尔提供具体细节,如英特尔是何时开始销售存在时钟输出问题的英特尔Atom处理器C2000及何时停止的。英特尔拒绝置评。官方勘误文件称C2xxx Atom的B0分步很容易出错,这些部件是从2013年开始出售的。具体的SKU为:
C2308、C2338 C2350、C2358 C2508,C2518,C2530,C2538,C2550,C2558,C2718,C2730,C2738 C2750,C2758。
记者曾问英特尔有多少受影响的Atom C2000芯片已经出货以及解决该问题需要花多少钱。英特尔拒绝置评。
但英特尔就如何解决Atom C2000毛病提供一些资料。公司发言人在一封电子邮件中表示,“董事会层面就该产品的现有产品步骤定下了解决方案,可以解决该问题。此外,英特尔还将在新产品过程中引入一个小的芯片修正,以解决该问题。”
许多别的技术供应商与英特尔一起生产Atom C2000处理器,其中包括戴尔和Synology。记者通过电邮联系过戴尔和Synology,两个公司都未即时发表评论。Synology DS1815+存储盒方面的人员曾报告过彻底的硬件故障;DS1815+用的是Intel Atom C2538。
其他使用Atom C2000芯片的提供商包括Aaeon、惠普、Infortrend、Lanner、NEC、Newisys、Netgate、Netgear、Quanta、Supermicro和ZNYX网络。Atom C2000芯片的目标是网络设备、存储系统、微服务器工作负载。如读者知道任何受其影响或出故障的设备,请告诉我们。
根据网上英特尔的数据手册里资料,LPC_CLKOUT0和LPC_CLKOUT1由处理器驱动为电路板上的硬件提供基本定时信号。如果这些信号停下不工作了,其他电子部件也就停下不工作了。
好文章,需要你的鼓励
随着AI策略成熟,CIO开始重新考虑对公有云的依赖,私有云和本地环境重新受到关注。调查显示,67%的企业领导计划在未来12个月内将部分AI数据迁移至非云环境。主要原因包括成本可预测性、数据隐私保护、安全问题和云集成挑战。对于持续的AI工作负载,购买自有GPU比租用公有云更经济。私有云支出增长更快,预计2025年将有54%的组织在私有云上投入超过1000万美元。
沙特TachyHealth团队开发的32亿参数医疗AI模型Gazal-R1,通过创新的双阶段训练方法在医疗推理任务上超越了12倍大的模型,在MedQA等测试中取得87.1%的优异成绩,展现了精巧训练策略胜过规模扩张的重要启示,为资源有限的医疗AI研究提供了新路径。
本文深入分析了从传统AI发展到AGI过程中可能出现的智能爆发现象。基于AI专家共识的2040年AGI实现预期,文章探讨了七种主要发展路径,重点关注突破性的"登月路径"。智能爆发理论认为,智能可以像原子链式反应一样相互促进,快速产生大量新智能。文章预测2038-2039年可能发生智能爆发,随后在2040年实现AGI,但也指出了关于智能爆发的启动、控制和潜在风险等争议问题。
奥地利维也纳医科大学研究团队开发了RetFiner技术,通过让眼科AI模型同时学习OCT图像和医疗文字描述,显著提升了诊断准确率。该方法采用四种训练任务让AI模型建立图像与文字的深层联系,在三个主流眼科AI模型上实现了2-6个百分点的性能提升,为医学AI发展开辟了新方向。