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
新加坡国立大学研究团队开发了名为IEAP的图像编辑框架,它通过将复杂编辑指令分解为简单原子操作序列解决了当前AI图像编辑的核心难题。研究发现当前模型在处理不改变图像布局的简单编辑时表现出色,但在需要改变图像结构时效果差。IEAP框架定义了五种基本操作,并利用思维链推理技术智能分解用户指令,实验证明其性能显著超越现有方法,尤其在处理复杂多步骤编辑时。
Character AI的研究者开发出TalkingMachines系统,通过自回归扩散模型实现实时音频驱动视频生成。研究将预训练视频模型转变为能进行FaceTime风格对话的虚拟形象系统。核心创新包括:将18B参数的图像到视频DiT模型改造为音频驱动系统、通过蒸馏实现无错误累积的无限长视频生成、优化工程设计降低延迟。系统可让多种风格的虚拟角色与人进行自然对话,嘴型与语音同步,为实时数字人交互技术开辟了新可能。
这项由中国人民大学高瓴人工智能学院研究团队发表的研究解决了大语言模型评判中的自我偏好问题。研究提出了DBG分数,通过比较模型给自身回答的分数与黄金判断的差异来测量偏好度,有效分离了回答质量与自我偏好偏差。实验发现,预训练和后训练模型都存在自我偏好,但大模型比小模型偏好度更低;调整回答风格和使用相同数据训练不同模型可减轻偏好。研究还从注意力分析角度揭示了自我偏好的潜在机制,为提高AI评判客观性提供了重要指导。
这篇研究提出了DenseDPO,一种改进视频生成模型的新方法,通过三大创新解决了传统方法中的"静态偏好"问题:使用结构相似的视频对进行比较,采集细粒度的时序偏好标注,并利用现有视觉语言模型自动标注。实验表明,DenseDPO不仅保留了视频的动态性,还在视觉质量方面与传统方法相当,同时大大提高了数据效率。这项技术有望推动AI生成更加自然、动态的视频内容。