英特尔公布第二季度财报表现抢眼,不仅超出分析师的预期,而且让当前中美贸易战期间的芯片供应更有保障。
英特尔不仅调高了全年指引,还证实了外界关于将大部分智能手机调制解调器业务出售给苹果公司的消息。
该季度英特尔在股票报酬等某些成本之前的收益为每股1.06美元,收入为165亿美元,轻松超过了华尔街预期的89美分每股收益,和157亿美元收入。此外营业收入为46亿美元,同比减少12%,净收入为42亿美元,同比减少17%。
第三季度指引则要好一些,英特尔预计未来三个月的每股收益为1.24美元,营收为180亿美元。此前华尔街预计每股收益仅为1.16美元,营收为177.2亿美元。
好于预期的指引足让投资者们感到兴奋,使得英特尔股价在盘后交易中上涨5%多。
在英特尔同意将大部分智能手机调制解调器业务出售给iPhone制造商苹果公司之后,投资者自然非常高兴看到英特尔从苹果公司那里获得了10亿美元现金。该协议下,将有2200名英特尔员工加入苹果公司,苹果将获得了一系列相关专利。英特尔表示,将保留继续为自动驾驶汽车和PC生产调制解调器的权利。
Pund-IT分析师Charles King表示:“当业绩超出预期的时候,一切就都很好了,把一个糟糕的业务卖给苹果所带来10亿美元的意外收获只是锦上添花。毫无疑问,投资者们已经准备好为此庆祝了。”
英特尔各个业务部门的业绩有点参差不齐。作为最大的业务部门,英特尔的客户计算业务(包括销售用于PC的计算机芯片)收入同比增长1%,达到88亿美元。英特尔方面指出,在美中贸易战可能会或可能不会产生关税的任何潜在影响之前,不仅产品销售取得了成功,而且客户也在持续消耗库存。
另一方面,英特尔数据为中心业务部门收入同比减少了7%。英特尔的Data Center Group(面向数据中心运营商销售芯片)的收入增长了3%,但云计算业务下滑了1%。
Moor Insights&Strategy分析师Patrick Moorhead认为,在PC和数据中心行业竞争激烈和具有挑战的环境下,英特尔的主要业务均有出色表现。
“英特尔第二季度表现非常好,云服务提供商仍在进行早期构建,但我预计这种情况将会有所扭转。”
英特尔期待即将推出的、采用10纳米制程工艺的第10代计算机处理器即“Ice Lake”将带来额外的利润。英特尔首席执行官Bob Swan在电话会议上向投资者们表示,英特尔已经有两家工厂在生产这些芯片,第一批产品将在今年晚些时候上市销售。
“我期待着看到英特尔即将推出的10纳米笔记本电脑产品,以及机器学习训练、推理加速器和独立图形处理单元,这些都还没有投入市场,”Moorhead说。
另一个亮点是英特尔的物联网集团,取得了创纪录的季度营收,达到9.86亿美元,同比增长12%。英特尔自动驾驶部门Mobileye的收入增长了2.01亿美元,同比增幅为16%。
“很高兴看到这个未来大市场增长如此之好,我对MobilEye取得的增长并不感到惊讶,”Moorhead补充说。
Swan在电话会议上表示,英特尔该季度取得“优异表现”之后提高了全年指引。他说,英特尔预计2019年收入将达到695亿美元,高于此前预测的690亿美元。
Constellation Research分析师Holger Mueller表示,“超出预期永远不是什么坏事,而且当你提高全年指引时,投资者一定会高兴的。”
但Mueller警告说,英特尔仍需要提出新的想法以维持未来数年的增长。
“从长远来看,英特尔仍需要寻找新的增长途径。英特尔的管理层需要让十年前我们就了解的业务一直保持发展,它的核心业务不会增长太长时间,那么新的增长动力是什么?“
好文章,需要你的鼓励
从浙江安吉的桌椅,到广东佛山的沙发床垫、河南洛阳的钢制家具,再到福建福州的竹藤制品,中国各大高度专业化的家具产业带,都在不约而同地探索各自的数字化出海路径。
哥伦比亚大学研究团队开发了MathBode动态诊断工具,通过让数学题参数按正弦波变化来测试AI的动态推理能力。研究发现传统静态测试掩盖了AI的重要缺陷:几乎所有模型都表现出低通滤波特征和相位滞后现象,即在处理快速变化时会出现失真和延迟。该方法覆盖五个数学家族的测试,为AI模型选择和部署提供了新的评估维度。
研究人员正探索AI能否预测昏迷患者的医疗意愿,帮助医生做出生死决策。华盛顿大学研究员Ahmad正推进首个AI代理人试点项目,通过分析患者医疗数据预测其偏好。虽然准确率可达三分之二,但专家担心AI无法捕捉患者价值观的复杂性和动态变化。医生强调AI只能作为辅助工具,不应替代人类代理人,因为生死决策依赖具体情境且充满伦理挑战。
这项研究首次发现AI推理模型存在"雪球效应"问题——推理过程中的小错误会逐步放大,导致AI要么给出危险回答,要么过度拒绝正常请求。研究团队提出AdvChain方法,通过训练AI学习"错误-纠正"过程来获得自我纠错能力。实验显示该方法显著提升了AI的安全性和实用性,用1000个样本达到了传统方法15000个样本的效果,为AI安全训练开辟了新方向。