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
UniR(Universal Reasoner)是一种创新的推理增强方法,可为冻结的大语言模型提供即插即用的推理能力。由韩国科学技术院研究团队开发,该方法将推理能力分解为独立的轻量级模块,无需改变主模型结构。UniR的核心优势在于高效训练(仅更新小型推理模块)、出色的模型间迁移能力(小模型可指导大模型)以及模块组合能力(多个专用模块可通过logits相加组合使用)。在数学推理和翻译测试中,UniR显著超越现有微调方法,展示了轻量级模块如何有效增强大语言模型的推理能力。
Nebius团队开发了SWE-rebench,一个自动化管道用于从GitHub收集软件工程任务并进行去污染评估。该系统解决了两大挑战:高质量训练数据稀缺和评估基准容易被污染。通过四阶段处理(初步收集、自动安装配置、执行验证和质量评估),SWE-rebench构建了包含超过21,000个Python交互式任务的数据集,并提供持续更新的评估基准。研究发现部分语言模型在传统基准上的表现可能被污染效应夸大,而DeepSeek模型在开源模型中表现最为稳健。
这项研究提出了JQL(发音为"Jackal"),一种通过多语言方法提升大型语言模型预训练数据质量的创新系统。研究团队从拉马尔研究所等机构通过四阶段方法解决了多语言数据筛选的难题:先由人类评估内容教育价值创建基准数据,然后评估大型语言模型作为"评判者"的能力,接着将这些能力提炼到轻量级评估器中,最后应用于大规模数据筛选。实验表明,JQL在35种语言上显著优于现有方法,甚至能泛化到未见过的语言如阿拉伯语和中文,为多语言AI发展提供了高效可靠的数据筛选方案。
浙江大学和西湖大学研究团队开发的Styl3R实现了艺术风格化3D重建的重大突破,能在不到一秒内从少量未标定照片和任意风格图像创建具有多视角一致性的3D艺术场景。通过创新的双分支网络架构将结构建模与外观着色分离,系统不仅保持了原始场景结构,还准确捕捉了参考风格特征。与现有方法相比,Styl3R在处理速度和视觉质量上均显著领先,为创意内容制作开辟了全新可能。