在推迟了多年之后,英特尔的10纳米处理器终于准备好批量出货了。
在年度股东大会上,半导体巨头英特尔表示,首款10纳米Ice Lake处理器将于6月份上市,但目前还不清楚第一款基于Ice Lake的笔记本电脑何时上市。
不过这是值得等待的,英特尔宣称,未来基于10纳米工艺的Corei7四核CPU是现有14纳米芯片图形性能的2倍,视频转码速度的2倍,人工智能计算能力的3倍。
英特尔表示,将在今年下半年和明年发布“多款”10纳米芯片,包括一款通用的GPU、多个像FPGA这样的专用芯片,以及专注于人工智能的Nervana处理器。作为英特尔未来计划的一个重要部分,数据中心服务器芯片将于2020年上半年首次亮相。
但还有一个更重大的消息,就是英特尔已经为首批7纳米处理器的上市设定了具体的时间表。英特尔表示,首款基于7纳米技术的产品将是一款基于Xe的通用CPU,预计在2021年发布。英特尔承诺称,届时性能提升将更加显著,每瓦性能提升大约20%。
此外这些7纳米芯片还将采用Extreme Ultraviolet Lithography(EUV)技术,该技术使用较短波长的光线在硅芯片之间传输信息,并且可能会进一步提升性能。这项新技术将让英特尔能够显著提高芯片的晶体管密度,同时优化功耗。英特尔表示,EUV技术也将成为未来更小制程工艺芯片迭代的基础技术。
Constellation Research分析师Holger Mueller认为,英特尔面对这向7纳米工艺迈进的压力,特别是考虑到英特尔遭遇10纳米工艺延迟的问题。不过他表示,当前英特尔应该首先把重点放在完成向10纳米的过渡。
“如果英特尔成功实现这一目标的话肯定是更好了,因为这会让处理器成本降下来,这对于人工智能和支持大多数下一代应用的机器学习技术所要求的CPU密集型负载来说至关重要,”Mueller说。
在这次投资者会议期间,英特尔首席执行官Bob Swan向股东们表示,英特尔的7纳米工艺是英特尔在芯片制程工艺方面重新赢得领导地位的关键。不过Swan也重申了他的信念,即“产品领导力”更为重要,因为英特尔的目标是为自己的处理器寻求更大的市场。
Swan表示,英特尔的目标是到2023年在他所谓计算机芯片这个规模3000亿美元的市场中占据28%的份额,也就相当于约850亿美元的销售额。他表示,这个市场覆盖了CPU、GPU、FPGA、甚至可能还有5G芯片以及用于人工智能和自动驾驶汽车的专用处理器。
他表示:“我们相信我们可以利用扩大的市场机会取得客户成功。我们的重点是提高执行力、加速创新、发展强大的文化、同时在追求盈利性增长方面进行有原则的投资。”
3000亿美元可以算是一个相当大的市场了,但是否能满足英特尔投资者还有待观察。Swa向股东们表示,他预计未来三年英特尔的收入和每股收益增幅在“个位数”,PC芯片销售可能在此期间保持不变,但数据中心芯片应该会出现两位数的增长。
他还表示,未来三年英特尔的营业利润率将保持稳定在32%,但随着10纳米芯片的产量毛利率会有所下降。
Moor Insights&Strategy分析师Patrick Moorhead认为:“3000亿美元的市场远远大于英特尔5年前所在的1000亿美元市场,因此我认为现在的情况是积极的,而不是消极的。”
但英特尔股东显然希望能看到更多令人印象深刻的数据,在Swan的这番演讲之后,英特尔股价在周三晚些时候下跌了2.5%。
Pund-IT分析师Charles King认为,股价下跌可能是投资者们对英特尔未来计划的范畴有些担忧,以及对于英特尔能否真正完成自己所设定的任务表示质疑。
他说:“考虑到过去几年英特尔遭遇的一系列问题,包括解雇Brian Krzanich、10纳米技术的持续延迟、以及与苹果公司终止5G合作,所以持谨慎态度可能是有必要的。但与此同时,英特尔几十年来一直稳步展现出独特的商业和技术领导力。之前英特尔曾经跌跌撞撞,但随着时间的推移,它会自行调整并重新获得平衡、取得突破,我希望这次也是如此。”
好文章,需要你的鼓励
OpenAI CEO描绘了AI温和变革人类生活的愿景,但现实可能更复杂。AI发展将带来真正收益,但也会造成社会错位。随着AI系统日益影响知识获取和信念形成,共同认知基础面临分裂风险。个性化算法加剧信息茧房,民主对话变得困难。我们需要学会在认知群岛化的新地形中智慧生存,建立基于共同责任而非意识形态纯洁性的社区。
杜克大学等机构研究团队通过三种互补方法分析了大语言模型推理过程,发现存在"思维锚点"现象——某些关键句子对整个推理过程具有决定性影响。研究表明,计划生成和错误检查等高层次句子比具体计算步骤更重要,推理模型还进化出专门的注意力机制来跟踪这些关键节点。该发现为AI可解释性和安全性研究提供了新工具和视角。
传统数据中心基础设施虽然对企业至关重要,但也是预算和房地产的重大负担。模块化数据中心正成为强有力的替代方案,解决企业面临的运营、财务和环境复杂性问题。这种模块化方法在印度日益流行,有助于解决环境问题、满足人工智能的电力需求、降低成本并支持新一代分布式应用。相比传统建设需要数年时间,工厂预制的模块化数据中心基础设施可在数周内部署完成。
法国索邦大学团队开发出智能医学文献管理系统Biomed-Enriched,通过AI自动从PubMed数据库中识别和提取高质量临床案例及教育内容。该系统采用两步注释策略,先用大型AI模型评估40万段落质量,再训练小型模型处理全库1.33亿段落。实验显示该方法仅用三分之一训练数据即可达到传统方法效果,为医学AI发展提供了高效可持续的解决方案。