2019年5月8日,英特尔首席执行官在加州圣克拉拉2019年英特尔投资者大会上表示:“面向未来更加广阔的市场机遇,英特尔能够在助力客户成功方面扮演一个更加重要的角色。我们将着重于改进执行力,加速创新,发展我们强大的文化,并通过严谨的投资实现盈利增长。”(来源:英特尔公司)
2019年5月8日,华尔街分析师齐聚位于加州圣克拉拉的英特尔总部,参加英特尔2019年投资者大会,英特尔首席执行官司睿博和业务部门负责人在会上发表了主题演讲。
司睿博表示,用户目前对于数据分析、传输和存储的需求增速远超以往任何时候。到2023年,芯片的潜在市场规模将达到近3000亿美元。他认为,英特尔无可比拟的资产组合是在这一市场抢占份额的关键所在。英特尔预计,每年产生的数据量将呈现25%的增长,这将驱动计算需求达到50%的复合年均增长率。
司睿博表示:“人工智能、5G和自动驾驶对于数据的需求日益增长,我们将聚焦于引领这些转折性技术的发展。我们相信,面向未来更加广阔的市场机遇,英特尔能够在助力客户成功方面扮演一个更加重要的角色。我们将着重于改进执行力,加速创新,发展我们强大的文化,并通过严谨的投资实现盈利增长。”
在以数据为中心的时代增强产品领导力:在以数据为中心的计算时代,英特尔重新定义了自身的产品创新模式,以根据工作负载优化的平台,带来更为轻松的客户与开发人员创新体验。英特尔介绍了2019年推出的“Lakefield”混合CPU等具有差异化设计能力的产品,并强调英特尔的创新步伐正在加快。
英特尔数据中心事业部预计每4-5个季度会推出一款全新英特尔至强产品,并计划在2020年上半年出货基于10纳米技术的“IceLake”服务器CPU。在以PC为中心的业务方面,英特尔介绍了数款即将推出的新产品,包括基于10纳米技术的“Tiger Lake”:该CPU将采用全新的CPU核心架构、英特尔Xe图形引擎、对最新显示技术的支持功能等,并计划于2020年上市。
多款基于10纳米的产品计划于2019年至2020年上市,而英特尔的7纳米制程也已列入日程。英特尔基于7纳米技术的首款产品将是基于英特尔Xe架构的GP-GPU,该产品面向数据中心人工智能(AI)和高性能计算(HPC)需求,预计于2021年推出。
引领转折性技术发展:能够将数据转化为业务价值的机会,正在推动着关键的转折性技术发展:如人工智能、5G网络基础设施和自动驾驶,都是英特尔旨在发挥引领作用的关键领域。
人工智能是一种快速增长的工作负载,尤其是在数据中心。英特尔预计,数据中心AI芯片的总体潜在市场规模(TAM)正以25%的复合年增长率(CAGR)增长,预计到2023年将达到100亿美元。在2018年,英特尔赢得了当前预估的40亿美元数据中心AI芯片机会中的大约40%,实现了17亿美元的AI收入。英特尔将通过一系列令人兴奋的AI优化产品赢得更多潜在客户,其中包括全新第二代英特尔至强可扩展处理器、可编程解决方案和即将推出的英特尔Nervana神经网络处理器等专用芯片。
5G将推动网络和网络边缘的计算和通信融合。据英特尔预计,到2023年,网络和边缘(包括网络芯片、物联网和自动驾驶汽车)领域的芯片总体潜在市场规模(TAM)将增长到650亿美元。2018年,英特尔与此相关的收入增长了20%以上,达到95亿美元。
自动驾驶是英特尔将引领的另一转折性技术,依托于Mobileye在高级辅助驾驶系统(ADAS)领域的强劲势头。Mobileye首席执行官Amnon Shashua教授告诉投资者,除了提供安全驱动自动驾驶汽车的技术外,Mobileye正在寻求新的收入来源,包括地图数据盈利和移动即服务(mobility-as-a-service)。Shashua表示:“由机器人出租车(robotaxis)支持的运输即服务是一种颠覆性的移动服务,我们计划全力挖掘全球机器人出租车商机。”您可以通过此段视频了解更多信息。
更多投资者大会信息:英特尔介绍了一项为期三年的财务展望计划,以便在2021年实现760亿美元至780亿美元的总收入,同时增加自由现金流并减少支出。英特尔还表示,其目标是在2022至2023年实现850亿美元的总收入。
好文章,需要你的鼓励
微软近年来频繁出现技术故障和服务中断,从Windows更新删除用户文件到Azure云服务因配置错误而崩溃,质量控制问题愈发突出。2014年公司大幅裁减测试团队后,采用敏捷开发模式替代传统测试方法,但结果并不理想。虽然Windows生态系统庞大复杂,某些问题在所难免,但Azure作为微软核心云服务,反复因配置变更导致客户服务中断,已不仅仅是质量控制问题,更是对公司技术能力的质疑。
Meta研究团队发现仅仅改变AI示例间的分隔符号就能导致模型性能产生高达45%的巨大差异,甚至可以操纵AI排行榜排名。这个看似微不足道的格式选择问题普遍存在于所有主流AI模型中,包括最先进的GPT-4o,揭示了当前AI评测体系的根本性缺陷。研究提出通过明确说明分隔符类型等方法可以部分缓解这一问题。
当团队准备部署大语言模型时,面临开源与闭源的选择。专家讨论显示,美国在开源AI领域相对落后,而中国有更多开源模型。开源系统建立在信任基础上,需要开放数据、模型架构和参数。然而,即使是被称为"开源"的DeepSeek也并非完全开源。企业客户往往倾向于闭源系统,但开源权重模型仍能提供基础设施选择自由。AI主权成为国家安全考量,各国希望控制本地化AI发展命运。
香港中文大学研究团队开发出CALM训练框架和STORM模型,通过轻量化干预方式让40亿参数小模型在优化建模任务上达到6710亿参数大模型的性能。该方法保护模型原生推理能力,仅修改2.6%内容就实现显著提升,为AI优化建模应用大幅降低了技术门槛和成本。