眼下正是如火如荼的财报季,近日AMD和英特尔最近都公布了第四季度和年度业绩。两家厂商都宣称取得了强劲的增长。下面就让我们来更详细地剖析一下财报数字,并就此对2020年业务发展前景进行一些预测。
要像从AMD财报中提取出EPYC的数据非常难,因为这部分业务与嵌入式和半定制业务是混合在一起的,这两块业务的销量更高而利润率更低。
乍一看这些数字似乎有些混杂。净收入总体看是持平或者下降的,而营业收入年比是相当强劲的。在我看来,嵌入式和半定制业务是疲软的,而EPYC在企业级市场越来越突出。想想看:年同比收入下滑了14%,而营业收入增长了61%。2019年第四季度与2018年第四季度相比,收入仅增长7%,而营业收入增长850%。
除了这些数字之外,AMD EPYC在市场中发展势头迅猛,已经有超过100款基于EPYC的服务器平台。这一点体现在AMD演讲中的一段话:“戴尔(EMC)开始交付由EPYC处理器驱动的服务器完整产品组合……”为什么这段话很重要?因为务实是Dell EMC的强项之一。把AMD作为服务器芯片合作伙伴,并用于全套平台中,这说明客户的需求是很高的。
正如我们很难提取出最近这个季度AMD EPYC的业绩数据一样,我们几乎不太可能把EPYC持续增长的势头作为判断2020年发展情况的一个指标。我只能说说我从业内听到的信息。企业市场需求在继续增长,前英特尔高管Dan McNamara的加入将有助于英特尔的GTM战略。因此,我们期待看到AMD EPYC继续在企业中受到关注,以及看到能够反映出这种增长的相关数据。
持续专注于打造强大的渠道影响力,这对EPYC的长期成功来说是至关重要的。渠道计划不仅仅是关于MDF和广告预算,还与人、人际关系和联合战略规划有关,可以推动有意义的收入和营业额交易业务。
英特尔数据中心事业部(DCG)在这个季度的表现一骑绝尘。英特尔的至强平台表现出色,实现了强劲的环比增长。此外,英特尔在云服务提供商(CSP)领域的增长也尤为强劲,同比增幅为48%,在通信领域也实现了14%的健康增长(无疑是受到了5G部署的推动)。
除了实现强劲增长和创纪录收入之外,英特尔还在持续升级自己的10nm技术“Cascade Lake”处理器。对英特尔而言,重要的是要展示出与AMD 7纳米“ Rome”处理器相对应的强大性能和能效指标。显然,英特尔正在抵挡来自数据中心领域最激烈的竞争。
英特尔DCG在第四季度和第三季度的业绩数据可以说明两点。服务器市场正在从此前的萎缩中恢复,云提供商恢复了购买趋势。其次,通信提供商已经恢复了基础设施的采购,以支持5G的推出。最后,在企业和政府行业,服务器部署正在受到云计算的影响。对于一直关注服务器市场动态的人来说,这不算什么新鲜事,但是下面的图表清楚地显示了其中的相关性。
从上图可以看出一个问题:英特尔是否面临AMD的价格压力?平均销售价格(ASP)相对于单位出货量(UV)是强相关的,并且通常反映出云和通信行业的增长。但是,第四季度的平均销售价格略有下降,而云计算的增长非常强劲,通信行业的季度增长保持良好。这其中可能有很多原因。尽管如此,考虑到AMD刚刚把“Rome”投入市场,所以ASP趋势还有待观察。也许英特尔正利用定价来阻击竞争对手AMD?这在通信行业可能是很有意思的,“Rome”处理器非常适合这个行业,大型云提供商往往不需要定制化。无论如何,英特尔的数据看起来令人印象深刻,2020年DCG部门的指引也是在高个位数增幅上。
虽然至强平台在这个季度表现强劲,但是对数据进行深入分析之后会发现,EPYC的表现似乎也同样出色。此外,Dell EMC对EPYC产品组合的强大背书,似乎说明了AMD可以利用合作伙伴关系来实现良好的业务运营率。
对于那些希望把AMD EESC激增作为EPYC增长证据的人,请耐心等待一下。罗马不是一天建成的。企业市场中服务器的验证和部署周期是很慢的。EPYC的增长势头还需要一些时间,这将从一系列数据和客户赢取中体现出来。
我们期望看到英特尔在云计算领域保持增长,而且随着AI领域的升温,找到新的机会。此外,“Cascade Lake”处理器将有助于推动今年英特尔的表现,另外也要关注2020年AMD EPYC的持续增长,我们认为,AMD对2020年的指引可能有些保守。
好文章,需要你的鼓励
这项由复旦、港科大等多校联合完成的研究首次系统性地解决了大型AI模型在识别场景文字时产生"语义幻觉"的问题。研究团队发现AI模型常将视觉上模糊的文字"脑补"成有意义但错误的词汇,并开发了包含ZoomText定位策略和接地层修正机制的训练无关解决方案,在多个基准测试中实现显著性能提升,为提高AI视觉系统可靠性提供了重要突破。
IBM研究院发布AssetOpsBench,全球首个工业资产AI代理评估平台。该研究建立了多代理协作框架,涵盖IoT数据采集、时序分析、故障诊断等专业模块,通过141个真实场景和六维评估标准测试AI在复杂工业运维中的表现。测试显示当前AI技术仍有改进空间,为工业4.0时代的智能运维发展提供重要基准。
韩国科学技术院研究团队开发出Simba方法,通过层次化稀疏化技术对状态空间模型进行"瘦身",在保持性能的同时显著提升计算效率。该方法采用类似高速公路的架构设计,让AI模型的上层只处理最重要的信息,实现了最高80%的速度提升和更好的长序列处理能力。这项即插即用的技术为AI模型优化提供了新思路。
这项研究展示了一个基于ModernBERT架构的prompt injection检测模型,通过精心构建的多样化数据集训练,在内部测试中达到98.7%准确率和98.0% F1分数,在公开基准测试中平均F1分数达93.8%,显著超越现有最强基线系统。该模型推理速度仅0.02秒,具备实时检测能力,为AI系统安全防护提供了新的解决方案。