此次收购将推进英特尔的人工智能战略,并增强数据中心人工智能加速器产品组合
2019年12月16日,美国加州圣克拉拉——英特尔公司今天宣布以20亿美元收购Habana Labs。该公司总部位于以色列,是一家为数据中心提供可编程深度学习加速器的厂商。此次收购将增强英特尔的人工智能产品组合,并加快其在快速增长的人工智能芯片新兴市场的发展。英特尔预计,到2024年,这一市场规模将超过250亿美元 。
英特尔数据平台事业部执行副总裁兼总经理孙纳颐(Navin Shenoy)认为:“此次收购推进了我们的人工智能战略,即:从智能边缘到数据中心,为客户提供适合各种性能需求的解决方案。具体来说,通过高性能训练处理器系列产品和基于标准的编程环境,Habana Labs大大增强了我们数据中心人工智能产品的实力,以应对不断变化的人工智能负载。”
英特尔的人工智能战略基于这样一个信念:要想充分利用人工智能的力量来改进业务成果,就需要广泛的软硬件技术组合以及完整的生态系统支持。现在,英特尔人工智能解决方案正在帮助客户把数据转化为业务价值,并为公司带来可观的收入。2019年,英特尔预计人工智能业务带动的收入将超过35亿美元,同比增长20%以上。英特尔和Habana将共同为数据中心加速带来一流的人工智能产品,满足客户不断变化的需求。
孙纳颐同时表示:“我们了解到,客户们在寻求易于编程的专用人工智能解决方案时,也需要在各种工作负载和神经网络拓扑上拥有卓越的可扩展性能,而Habana在这些方面的骄人纪录有目共睹,因此我们很高兴Habana这样的人工智能团队加入英特尔。我们整合后的知识产权和专业知识,将为数据中心的人工智能工作负载提供无与伦比的计算性能和效率。”
收购完成后,Habana将作为一个独立的业务部门,并将继续由当前管理团队来领导。Habana将向英特尔数据平台事业部报告,该事业部也是英特尔广泛的数据中心人工智能技术的大本营。此次收购将使Habana能够充分利用英特尔人工智能能力,其中包括过去三年人工智能软件、算法和研究方面的深厚专业知识和积累的大量资源,将有助于Habana不断扩展并加速发展。
Habana董事长Avigdor Willenz同意担任该业务部门以及英特尔的高级顾问。Habana的总部将继续设于以色列不变,该地英特尔也有长期投资和布局。此次交易之前,英特尔投资是Habana的投资方。
Habana首席执行官David Dahan表示:“由于之前就有英特尔的投资,我们很幸运能够了解英特尔的业务并与之合作,如今,我们很高兴正式加入英特尔大家庭。英特尔创建了世界一流的人工智能团队和能力。我们很高兴与英特尔合作,加快并扩展我们的业务。携起手来,我们将更快地为客户带来更多人工智能创新。”
展望未来,英特尔计划充分利用不断增长的人工智能技术产品组合和人工智能人才,为客户的人工智能工作负载提供无与伦比的计算性能和效率。
Habana的Gaudi人工智能训练处理器目前正在为特定超大规模客户提供样品。与使用同等数量GPU构建的系统相比,基于Gaudi的大节点训练系统的吞吐量预计将增加4倍。Gaudi旨在让系统实现高效灵活的横向、纵向扩展。
此外, Habana的Goya人工智能推理处理器已实现商用,其在极具竞争力的包络功率中具有超大的吞吐量和超低的实时延迟,由此展现出自身卓越的推理性能。随着人工智能工作负载的不断增加,对计算、内存和连接的要求也越来越高,Gaudi训练产品和Goya推理产品能够提一个丰富的、易于编程的开发环境,能够帮助客户部署差异化解决方案。
好文章,需要你的鼓励
美国网络安全和基础设施安全局指示联邦机构修补影响思科ASA 5500-X系列防火墙设备的两个零日漏洞CVE-2025-20362和CVE-2025-20333。这些漏洞可绕过VPN身份验证并获取root访问权限,已被黑客积极利用。攻击与国家支持的ArcaneDoor黑客活动有关,黑客通过漏洞安装bootkit恶意软件并操控只读存储器实现持久化。思科已发布补丁,CISA要求机构清点易受攻击系统并在今日前完成修补。
康考迪亚大学研究团队通过对比混合量子-经典神经网络与传统模型在三个基准数据集上的表现,发现量子增强模型在准确率、训练速度和资源效率方面均显著优于传统方法。研究显示混合模型的优势随数据集复杂度提升而增强,在CIFAR100上准确率提升9.44%,训练速度提升5-12倍,且参数更少。该成果为实用化量子增强人工智能铺平道路。
TimeWave是一款功能全面的计时器应用,超越了苹果自带时钟应用的功能。它支持创建流式计时器,让用户可以设置连续的任务计时,帮助专注工作。应用采用简洁的黑白设计,融入了Liquid Glass元素。内置冥想、番茄工作法、20-20-20护眼等多种计时模式,支持实时活动显示和Siri快捷指令。免费版提供基础功能,高级版需付费订阅。
沙特KAUST大学团队开发了专门针对阿拉伯语的AI模型家族"Hala",通过创新的"翻译再调优"技术路线,将高质量英语指令数据转化为450万规模的阿拉伯语语料库,训练出350M到9B参数的多个模型。在阿拉伯语专项测试中,Hala在同规模模型中表现最佳,证明了语言专门化策略的有效性,为阿拉伯语AI发展和其他语言的专门化模型提供了可复制的技术方案。