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
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。