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
OpenAI首席执行官Sam Altman表示,鉴于投资者的AI炒作和大量资本支出,我们目前正处于AI泡沫中。他承认投资者对AI过度兴奋,但仍认为AI是长期以来最重要的技术。ChatGPT目前拥有7亿周活跃用户,是全球第五大网站。由于服务器容量不足,OpenAI无法发布已开发的更好模型,计划在不久的将来投资万亿美元建设数据中心。
阿里巴巴团队提出FantasyTalking2,通过创新的多专家协作框架TLPO解决音频驱动人像动画中动作自然度、唇同步和视觉质量的优化冲突问题。该方法构建智能评委Talking-Critic和41万样本数据集,训练三个专业模块分别优化不同维度,再通过时间步-层级自适应融合实现协调。实验显示全面超越现有技术,用户评价提升超12%。
英伟达推出新的小型语言模型Nemotron-Nano-9B-v2,拥有90亿参数,在同类基准测试中表现最佳。该模型采用Mamba-Transformer混合架构,支持多语言处理和代码生成,可在单个A10 GPU上运行。独特的可切换推理功能允许用户通过控制令牌开启或关闭AI推理过程,并可管理推理预算以平衡准确性和延迟。模型基于合成数据集训练,采用企业友好的开源许可协议,支持商业化使用。
UC Berkeley团队提出XQUANT技术,通过存储输入激活X而非传统KV缓存来突破AI推理的内存瓶颈。该方法能将内存使用量减少至1/7.7,升级版XQUANT-CL更可实现12.5倍节省,同时几乎不影响模型性能。研究针对现代AI模型特点进行优化,为在有限硬件资源下运行更强大AI模型提供了新思路。