英特尔公司今天宣布,其已经选定临时首席执行官Robert Swan出任其正式掌门人,这也意味着自七个月前开始的CEO人选物色之旅终于划上句号。
在前任CEO Brian Krzanich卸任之后,这位暂代掌门人(如图所示)率先接过芯片巨头的权柄。顺带一提,Krzanich是因为与某位违反公司政策的员工达到“双方自愿的不正当关系”而遭到撤职。
在此之前,Swan一直担任英特尔公司的首席财务官。他总计为芯片巨头效力三年多,但面对这家所有六位前任CEO皆为元老级员工或原初创始团队成员的公司,过浅的就职经历使他一直没能进入新任掌门的竞争者名单。
不仅如此,考虑到其它一些因素,Swan此次胜出实在令人感到惊讶。根据报道,这位高管去年曾向同事们表示,他并不想出任正式CEO这一职务。另有知情人士在采访中指出,英特尔公司董事会实际上也更倾向于挑选另一位身份未公开的候选人。但在遭遇沟通失利之后,芯片巨头不得已将Swan扶上正位。
Moor Insights & Strategy公司总裁兼首席分析师Patrick Moorhead在接受采访时评论称,“我对此确实感到惊讶,因为Swan自己明确表示不想出任这一职务。但我也一直认为,他应该认真考虑挑起这副重担。英特尔公司迫切需要改善自身运营情况,因此从外部引入一位对英特尔不够熟悉的职业经理人显然没有意义。”
据报道,英特尔公司曾经为掌门人一职认真考虑过内部与外部人选。该公司的候选人名单据称包括现任首席工程官Venkata Renduchintala、核心数据中心芯片业务执行副总裁Navin Shenoy,以及苹果公司芯片开发负责人Johny Srouji等。此外,包括曾担任英特尔公司总裁的Renee James在内的多名前任高管也被列入备选名单当中。
Swan并不像报道提到的其他一些候选人那样拥有可观的半导体行业从业经历,但他的当选确实为CEO这一角色注入了强大的信誉基础。这位高管在加入英特尔之前曾经担任General Atlantic公司的运营合伙人,这是一家著名的私募股权企业,曾经为Slack Technologies有限公司以及Airbnb等初创企业提供有力支持。
在此之前,他曾经在网络零售企业eBay公司拥有长达九年的CFO工作经历。继续向前追溯,他还担任过Web Group有限公司CFO、COO以及CEO(这家生鲜电商最终宣告破产),并在职业生涯早期在通用电气公司效力十五年。时至今日,他仍然是eBay公司的董事会成员之一。他已经结婚,而且是两个孩子的父亲。
Swan在今天上午写给英特尔公司员工的一封信中表示,他计划继续推动公司的现有发展战略。
他在信中写道,“我们正在从一家以PC为中心的企业,逐步转型为一家以数据为中心的企业,致力于建立技术基础从而为全球创新活动提供动力。上任之后,我们将在客户服务的具体方式以及如何引导合作伙伴共同建立最佳技术方案方面做出调整。第三,我们的执行效能必须得到改进。我坚信我们能够实现这些目标。”
英特尔公司上周公布的第四季度收入低于华尔街的预期。经过多年处理器开发路线图延迟之后,英特尔公司正面临着来自AMD等市场对手强大的竞争冲击与压力。英特尔公司目前计划于2019年年末开始推出其下一代10纳米处理器,这一时间节点已经较原定的2015年目标日期落后了四年。
Moorhead认为,Swan能够带领英特尔公司走上更好的发展道路。他总结称,“英特尔公司拥有着非常强大的人才储备,其中两位[Renduchintala与Shenoy]都是有能力出任CEO的帅才,他们将帮助Swan与英特尔迎来光明的未来。”
好文章,需要你的鼓励
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。