旧金山消息—— 设备制造商在半导体领域里起起落落,而今年就准备好了迎接半导体行业一个“猛”年,不过据Semicon West贸易展周二一个分析师专题讨论会的分析,很可能只是资本设备制造商最有可能在今年及以后一段时间套现。
市场研究公司New Street Research的执行合伙人Pierre Ferragu在总结时称,人工智能和半导体行业的其他重大转变正在为技术前沿的大战搭舞台,大战的结果难以预测。
Ferragu 表示,“但总有一家在战争中获胜,军火商就是获胜的一家。在半导体行业里,资本设备公司就是军火商。”
分析师预测,由于需求持续强劲及内存芯片价格上涨,半导体行业今年有望增长15%或更多,而且其销售额可能在2019年首次突破5000亿美元大关。包括SEMI总裁兼首席执行官Ajit Manocha在内的一些市场观察人士预测,在未来7到10年内,全球芯片销售额每年将超过10亿美元。
SEMI的年度Bulls and Bears专题讨论会是该会议的重头戏,已有二十多年的历史了。今年的专题讨论会也非常地热烈,与会者重点讨论了人工智能、物联网和其他新兴技术创造的巨大需求浪潮。他们预测,过去几年里一直在困扰行业的整合将持续,他们还表示半导体行业自成形以来的暴力周期性已基本得到缓和。
自左至右:New Street Research的执行合伙人Pierre Ferragu,摩根士丹利董事总经理Mark Edelstone和资深半导体行业记者Don Clark(讨论会的主持人)。图片来源:Dylan McGrath / EE Times_
Evercore ISI高级董事总经理CJ Muse表示,“这些周期将更加平缓。”Muse表示,即使DRAM价格仍在持续上涨,三星电子也已将DRAM产能扩张的资本支出推迟了一到两个季度,这可以说是周期平缓的表证。 他表示,“我在华尔街待的这段时间里从来没有见过这种供应商在周期高峰期削减资本支出的情况。”他在该行业已有25年了。
麦格理资本(Macquarie Capital)高级半导体分析师Srini Pajjuri提出警告,他称商业周期是不可避免的。但他做了补充,称半导体领域衰退的严重程度近年来发生大变化。他表示,“在过去,我们都是将负增长一年称为一个周期。而现在,最近的一个周期发生在2014年下半年,当时德州仪器(TI)只是一个季度的业绩未达预期。”
Pajjuri仍表示大家应该谨慎,他表示他的公司预计今年下半年芯片销售的速度将放缓,尽管他仍预计该行业将在今年大幅增长。他称, “从目前来看,超过20%的增长 可能是不可持续的。”
尽管最近几个月监管机构加强规管后影响到半导体领域的一些收购,但讨论小组成员表示,他们预计该行业的超级整合仍将继续。
摩根士丹利董事总经理Mark Edelstone表示,“我们可能处于这种整合水平上的第三回合。”他表示,持续整合的最大原因是大多数类型设备的增长率都低于过去,而成本却呈指数增长,特别是在7纳米及以下那一块。
Edelstone表示,“没有规模经济的话,很难找到市场。”
Edelstone补充表示,目前的监管环境叫人拿不太准。他还表示,美国总统唐纳德·特朗普阻止了Broadcom收购高通公司,并援引国家安全为理由阻止了将Lattice半导体出售给得到中国政府部分资助的中国股权公司,很多人对此难以理解。他补充表示,最令人不安的是,中国商务部继续推迟批准高通公司收购NXP,此举似乎至少有一部分是出于政治因素的考虑。
但Edelstone表示,他完全能预计超级整合时代将继续存在, “至少在我们参与的董事会会议室里,我们没有听到有人说由于有监管风险交易就不应该出现。”他还补充表示,公司董事会希望了解和分析所涉及的风险。 他称,“大部分交易仍将继续进行。这是我的观点。”
好文章,需要你的鼓励
这项研究提出了ORV(占用中心机器人视频生成)框架,利用4D语义占用作为中间表示来生成高质量的机器人操作视频。与传统方法相比,ORV能提供更精确的语义和几何指导,实现更高的时间一致性和控制精度。该框架还支持多视角视频生成(ORV-MV)和模拟到真实的转换(ORV-S2R),有效弥合了虚拟与现实之间的差距。实验结果表明,ORV在多个数据集上的表现始终优于现有方法,为机器人学习和模拟提供了强大工具。
这项研究由Writer公司团队开发的"反思、重试、奖励"机制,通过强化学习教导大型语言模型生成更有效的自我反思内容。当模型回答错误时,它会生成反思并二次尝试,若成功则奖励反思过程。实验表明,该方法在函数调用和数学方程解题上带来显著提升,最高分别改善18.1%和34.7%。令人惊讶的是,经训练的小模型甚至超越了同家族10倍大的模型,且几乎不存在灾难性遗忘问题。这种自我改进技术为资源受限环境下的AI应用开辟了新方向。
FuseLIP是一项突破性研究,提出了通过早期融合离散标记实现多模态嵌入的新方法。与传统CLIP模型使用独立编码器不同,FuseLIP采用单一编码器同时处理图像和文本标记,实现了更自然的模态交互。研究证明,这种早期融合方法在多种多模态任务上表现优异,特别是在需要理解图像结构而非仅语义内容的任务上。研究还开发了创新的数据集和评估任务,为多模态嵌入研究提供了宝贵资源。
ByteDance与浙江大学合作开发的MERIT是首个专为多语言多条件语义检索设计的基准数据集,包含320,000条跨5种语言的查询和135,000个产品。研究发现现有模型在处理多条件查询时过度关注全局语义而忽略特定条件元素,为此提出CORAL框架,通过嵌入重建和对比学习相结合的方式,使检索性能提升45.9%。这项研究不仅识别了现有方法的关键局限性,还为多条件交错语义检索领域的未来研究奠定了基础。