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
这项研究提出了ORV(占用中心机器人视频生成)框架,利用4D语义占用作为中间表示来生成高质量的机器人操作视频。与传统方法相比,ORV能提供更精确的语义和几何指导,实现更高的时间一致性和控制精度。该框架还支持多视角视频生成(ORV-MV)和模拟到真实的转换(ORV-S2R),有效弥合了虚拟与现实之间的差距。实验结果表明,ORV在多个数据集上的表现始终优于现有方法,为机器人学习和模拟提供了强大工具。
这项研究由Writer公司团队开发的"反思、重试、奖励"机制,通过强化学习教导大型语言模型生成更有效的自我反思内容。当模型回答错误时,它会生成反思并二次尝试,若成功则奖励反思过程。实验表明,该方法在函数调用和数学方程解题上带来显著提升,最高分别改善18.1%和34.7%。令人惊讶的是,经训练的小模型甚至超越了同家族10倍大的模型,且几乎不存在灾难性遗忘问题。这种自我改进技术为资源受限环境下的AI应用开辟了新方向。
FuseLIP是一项突破性研究,提出了通过早期融合离散标记实现多模态嵌入的新方法。与传统CLIP模型使用独立编码器不同,FuseLIP采用单一编码器同时处理图像和文本标记,实现了更自然的模态交互。研究证明,这种早期融合方法在多种多模态任务上表现优异,特别是在需要理解图像结构而非仅语义内容的任务上。研究还开发了创新的数据集和评估任务,为多模态嵌入研究提供了宝贵资源。
ByteDance与浙江大学合作开发的MERIT是首个专为多语言多条件语义检索设计的基准数据集,包含320,000条跨5种语言的查询和135,000个产品。研究发现现有模型在处理多条件查询时过度关注全局语义而忽略特定条件元素,为此提出CORAL框架,通过嵌入重建和对比学习相结合的方式,使检索性能提升45.9%。这项研究不仅识别了现有方法的关键局限性,还为多条件交错语义检索领域的未来研究奠定了基础。