英特尔公司今天表示正在收购(https://newsroom.intel.com/editorials/mcnamara-psg-expands- portfolio/)一家名为eASIC Corp.的无晶圆厂芯片制造商,eASIC生产的可编程计算机芯片可在生产过程中进行定制。
该交易的财务条款未有透露,英特尔则表示价格“不重要”。大约120名eASIC员工在交易完成后将加入英特尔的可编程解决方案部门,该部门是无晶圆厂芯片制造商2015年用167亿美元收购了Altera后创建的。
eASIC的芯片是名副其实的 “结构化ASIC”,所谓的结构化ASIC介于完整的现场可编程门阵列(FPGA)和特定应用集成电路之间。 FPGA通常被称之为 “硬件加速器”,是一种可以随时重新编程的集成电路,并可针对特定的计算任务进行定制。而ASIC则是专为特定应用量身定制的芯片,制造完成后无法重新编程。
近年来,FPGA和ASIC大行其道,按英特尔可编程解决方案部门企业副总裁兼总经理Dan McNamara(上图,eASIC首席执行官Ronnie Vasishta)的话说,其推动力是“数据的爆炸式增长及处理、分析、存储和分享这些数据的需求 “。
由于FPGA的多功能性和高性能,FPGA在数据中心应用的部署上用得最为广泛。FPGA由逻辑、存储器和数字信号处理模块组成,可用于实现各种功能,具有极高的吞吐量和低延迟。
FPGA的这些特性使得FPGA成了云和边缘应用的理想选择,但FPGA却更昂贵些。因此,如果新应用程序建成后不会有太大变化的话,使用比FPGA更灵活、更具成本效益的东西就更合适一些。
在通常情况下,这意味着将应用程序移至ASIC芯片上,而eASIC的结构化ASIC就提供了另一种选择。如果客户已经找到了自己喜欢的设置英特尔FPGA的方式和程序,那么就可以在工场里将该程序冻结到结构化ASIC芯片上,因而可以在更快的时间范围内比常规ASIC更接近完全定制芯片的优势。
市场咨询公司Moor Insights&Strategies总裁兼首席分析师Patrick Moorhead告诉记者,“结构化ASIC更易于设计,从而可以消除传统ASIC上架所需时间较长的缺点。”
据路透社报道,英特尔可能有计划提供结构化ASIC,为那些已经使用FPGA但希望迁移到更便宜产品的客户提供过渡。结构化ASIC的潜在应用可能会是4G和5G网络中的基带头或人工智能服务等数据密集型云应用。
Moorhead 告诉路透社记者,“不是在现场编程,而是在工场进行编程。仍然要花费数十万美元,但可以在四个月内完成,而不是在两年内完成。”
关于此次收购的时间,英特尔目前正在积极地将自己的优势扩展传统中央处理器以外的更多专业领域,其中包括含存储器和视觉处理以及FPGA和ASIC等功能的各种芯片。
Moorhead 表示,“此次收购进一步强化了英特尔不再仅仅是关乎CPU而已的举措。英特尔斥资收购Altera在FPGA上进行了大量投资,还收购了Movidius和Nervana,并正在创建一个独立的图形处理器。我希望英特尔能够进行更多的ASIC收购和封装商收购,达到能在不同类型和大小的计算机芯片上组装系统,譬如CPU、GPU、FPGA及ASIC等等。
英特尔表示希望可在第三季度完成对eASIC的收购。
好文章,需要你的鼓励
Atlassian宣布以6.1亿美元收购专注AI浏览器开发的The Browser Company,预计12月完成交易。该公司开发的Arc浏览器内置AI功能Arc Max,可预览标签内容并集成ChatGPT。其第二款浏览器Dia配备更强AI聊天机器人,能生成文档、翻译网页、总结商品评论等。Atlassian计划将Arc功能整合到Dia中,并增加网络安全和合规功能以适应企业用户需求。
腾讯混元等机构联合提出PREF-GRPO方法,首次采用成对偏好比较替代传统评分,成功解决AI图像生成中的奖励欺骗问题。同时构建UNIGENBENCH评测基准,包含600测试案例和27个细粒度评价维度,为行业提供更精确的模型评估标准。实验显示新方法在多项指标上显著优于传统方法,特别在复杂任务上提升明显。
身份验证初创公司Vouched获得1700万美元A轮融资,将重点从人类身份验证转向AI代理身份验证。该公司推出"了解你的代理"产品套件,包括Agent Shield和Agent Bouncer两大工具,帮助企业识别访问网站的AI代理并监控其行为。随着自主AI代理在网络上日益活跃,企业迫切需要能够识别和信任这些代理的解决方案,Vouched正是填补了这一市场空白。
蚂蚁集团与西湖大学联合开发的AWORLD开源框架,通过分布式并行训练将AI助手的练习效率提升14.6倍,成功将Qwen3-32B模型在GAIA测试中的准确率从21.59%提升至32.23%,在最困难任务上甚至超越了GPT-4o等商业AI产品,为"从练习中学习"的AI训练理念提供了实用解决方案。