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
在基于Chiplet的架构中,可观测性正成为系统设计的关键缺失环节。多位半导体行业专家指出,AI可从硅层遥测数据中挖掘价值,但前提是架构须提供一致的检测手段、近传感器数据压缩及可编程采集能力。专家们强调,多供应商Chiplet生态系统需要标准化、安全的遥测模式,以实现跨芯片、封装和互联域的故障定位,同时保护敏感运营数据。目前,AI在遥测分析阶段已展现出显著价值,但可观测性的扩展本质上仍是架构问题。
这项研究系统比较了四种AI图像分词策略在640000张星系图像上的表现,发现重建质量与物理属性预测能力之间存在根本性解耦,为天文基础模型的分词器选择提供了实验依据。
生命科学企业在全渠道战略和AI平台上投入巨大,但成效往往不尽如人意。问题根源不在于技术本身,而在于组织架构、数据治理和工作方式未能同步演进。许多转型项目止步于试点阶段,原因是各部门数据孤立、职责不清。要实现从传统CRM向智能互动的真正转型,企业需优先建立统一的数据基础和跨团队协作机制,并将AI能力嵌入日常工作流程,而非将其视为独立模块。
阿里Qwen团队研究如何将大模型的规模化训练思路迁移到机器人操作领域,通过统一多机器人表示与38100小时数据预训练,让机器人在陌生场景和陌生机型上也能完成复杂操作任务。