作者:ROBERT HOF
更新时间:2018年3月9日 美国东部时间18:54
据报道,英特尔公司正在考虑一些收购的可能性,其中就包括了博通,这显然是为了阻止其敌意收购高通。
《华尔街日报》今天晚些时候的报道表示,这家总部位于加利福尼亚州圣克拉拉的芯片巨头正在权衡这些选择,因为该公司的高管们担心博通和高通的合并可能会形成一个厉害的竞争对手,特别是在支持智能手机和其他移动设备的芯片方面。
《华尔街日报》表示,如果博通看起来能够赢得收购的话,英特尔自己可能会出价收购博通。自从去年11月份,博通宣布竞购高通之后,该公司显然已经考虑了这个选择。不过,由于双方在争夺地位,而美国的监管机构也已经开始介入此事,博通收购高通的可能性最近在下降。
这笔交易可能会让英特尔付出代价,该公司的市值大约为2440亿美元,高于高通1040亿美元的市值。这仍将是一个漫长的过程,不仅仅是因为这是英特尔迄今为止最大的一笔收购,还因为整合两家公司各种产品线的难度很大。消息人士表示,不保证英特尔会提出这样的要约,有一位消息灵通人士表示英特尔不太可能会这样做。
然而,如果这种情况发生了的话,它将继续加速半导体行业的兼并和收购。合并不仅受到规模经济的驱动,而且受到对新型芯片需求的推动,这些新型芯片是不断扩大的新设备所需要的,合并还是新的处理方式的要求,这些处理方式是针对人工智能和机器学习应用程序的,例如图片和语音识别以及自动驾驶汽车。
英特尔自己最近在收购上的胃口也很大,近几年斥资数十亿美元收购了Altera和Mobileye等公司。更重要的是,博通的产品既可以与英特尔的产品互补,又可以提供移动芯片方面的强大实力,而这个领域基本上已经从英特尔手中溜走了,该公司的传统阵地是个人电脑领域,直到现在,该公司的业务仍然集中在个人电脑和计算机服务器方面。
Moor Insights & Strategy 的总裁及首席分析师Patrick Moorhead 对SiliconANGLE 表示:“这当然和英特尔有协同效应。”他表示:“首先,它将让英特尔在移动领域和物联网WiFi、蓝牙以及无线射频芯片领域站稳脚跟。博通主要的数据中心网络也非常适合英特尔。”
博通已经稳步加强了对高通的追求,最近一个月它的出价上调到了1210亿美元。最近两家公司一直在彼此周旋,但显然高通并不想被收购,尤其是因为它正在试图以440亿美元收购恩智浦。
两家公司的股东大会都将在本周初召开,这可能会产生一个结果,因为博通试图罢黜高通的董事会,并让自己的代理人取代该公司的董事。但是,星期二美国外国投资委员会(U.S. Committee on Foreign Investment)表示博通收购高通可能会给国家安全带来风险,其在半导体行业留下的空白可能会被中国填补,因为博通公司至少有一部分位于新加坡。
这起交易出于国家安全的理由被推迟,此事被视为特朗普政府针对中国的一种贸易姿态。由于美国外国投资委员会(CFIUS)的调查,高通重新调整了4月5日召开的年度会议。
博通公司在星期三发布的一份声明中坚持表示,它“从所有重要的方面来看都是一家美国公司。”它表示将保留高通公司的5G研发资源,并承诺创建一个15亿美元的新基金,“培训并教育美国的下一代工程师”,以“确保美国在未来的无线技术上领先。”
好文章,需要你的鼓励
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。