日前,英特尔首席财务官George Davis 在摩根士丹利会议上发表了演讲,谈及了广泛的话题。知名媒体Tom’s Hardware对演讲进行了报道,以下是对原文的摘录。
英特尔首席财务官George Davis在昨天举行的摩根士丹利会议上发表演讲,谈及了广泛话题。他指出,英特尔“毫无疑问正处在10纳米制程时代”,并且将在2021年迎来7纳米节点。
Davis指出,英特尔目前“肯定是走进了10纳米时代”,已经出货了Ice Lake客户端芯片和网络ASICs并将发布独立显卡和Ice Lake至强处理器。英特尔节点内工艺升级进展良好,包括现有制程工艺的“+”升级版。Davis说,在推出7纳米制程之前,基于10纳米+制程的Tiger Lake芯片通过节点内工艺升级实现了阶跃函数式的进步。
“我们还为客户提供了CPU之外的很多功能,并且我们已经开始在制程这个方面加速。在制程方面,我们曾经说过在7纳米节点上追平,并在5纳米时代重拾领导地位。”
英特尔的10纳米制程与台积电的7纳米制程提供类似的密度,因此很难说Davis说的10纳米节点的性能还是制造上的经济性。在这两种情形下,Davis预测英特尔的7纳米节点(大概与台积电的5纳米相当)将在2021年末重新追平业内发展水平。在此之前,这或将对英特尔的竞争地位和业绩产生影响
Davis指出,英特尔将通过提供差异化的平台级解决方案来应对挑战,这包括在AI和软件方面进行紧密的硬件集成。
“在2019年5月的分析师日上,我们曾说过:瞧,这可能不是英特尔有史以来最好的制程节点。它的产出率将低于14纳米,低于22纳米,但我们看到的改进让我们非常兴奋。我们预计将在2021年末开启7纳米时代,到时会看到性能上的大幅跃升。"
"此外,为了重拾领先地位,我们加快了10纳米和7纳米之间以及7纳米和5纳米之间的重叠,这也会体现在成本方面,从2021年开始,会同时出现10纳米取得回报,7纳米正进行投资,5纳米也开始投资的情况,这些也会影响毛利率。"
英特尔计划在2021年末推出7纳米制程,而有关5纳米节点的计划尚未正式公布。台积电正积极推进新制程,应当会在2022年末推出3纳米节点。因此,尚不清楚英特尔在5纳米节点夺回领先地位的预期是否是基于台积电目前的3纳米计划。
在此期间,英特尔将必须抵御AMD的挑战。当被问到英特尔是否预测会在服务器领域损失市场份额时,Davis回应说,“今年下半年,我们预计竞争会更加激烈。我们认为,这个时间点会提前,但我们看到市场对我们产品的需求非常强劲…展望我们的产品路线图,我们预计在从7纳米到5纳米的过程中会取得更强大的竞争优势。”
虽然面临挑战,但英特尔在新的领导层和全新的六大技术支柱的领导下,重新聚焦于其广泛的IP组合。我们可以预计英特尔将继续投资不完全依赖制程领先的最新技术,例如EMIB和Foveros,并在广泛的产品中采用新的小芯片架构,在充分发挥封装优势的同时避开向更小节点迈进时碰到的一些问题。我们预计英特尔将继续发展超异构计算,推动架构的跨节点组合,以应对未来的挑战。
好文章,需要你的鼓励
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。