英特尔的股票下跌,因为它再次延迟了其首批7纳米计算机芯片
英特尔在第二季度财报电话会上表示,下一代计算机芯片将再延迟6个月,从而导致英特尔股价在今天盘后交易中大跌。
英特尔表示,首个采用7nm制程工艺的CPU发布日期推迟大约6个月,接下来会专注于加快向10nm制程工艺的过渡。
英特尔首席执行官Bob Swan在于分析师召开的电话会议中表示,首款7nm产品(即客户端CPU)预计将在2022年末或2023年初上市,同时,将在2023年上半年交付首批7nm数据中心版CPU。
7nm工艺是将体积更小的晶体管压缩到计算机芯片上,让硅芯片能够容纳更多的晶体管,从而让芯片更强大、更复杂。
英特尔在声明中表示:“英特尔基于7nm的CPU产品发布时间相对之前的预期偏差了大约6个月,主要推动因素是英特尔7nm的良率,根据最近数据,这要可能要比英特尔内部目标落后约12个月。”
Swan解释说,英特尔在7nm制程工艺方面遇到了一个问题,导致无缺陷芯片的良率降低。英特尔最初打算在2021年推出首批7nm芯片,但在2019年表示无法实现这一目标。
“我们正在寻找这个问题的根本原因,认为并不存在根本性的障碍。但是,我们也制定了应急计划,以规避日程安排的进一步不确定性。我们通过改进设计方法,例如模片分解和高级封装,我们降低了工艺延迟对产品进度的影响。”
他说,现在英特尔致力于提高10nm芯片的产量,以满足对这些产品的市场需求。英特尔在过渡到10nm制程工艺的过程也遇到了延后的问题,最近几个月英特尔一直努力满足客户需求。但他说,英特尔现在可以跟上节奏,在必要时会使用竞争对手的外部晶圆厂。
“这次不同的是,我们在内外部生产的时间方面非常务实,确保我们既可以在内部生产制造,又可以在需要的时候,完全转向外部生产,也可以两种方式混合搭配。”
Moor Insights&Strategy分析师Patrick Moorhead表示,英特尔很多新产品都依赖7nm制程工艺,但是他对此并不担心。
Moorhead说:“了解英特尔的人都知道,它总是有备份计划的,我相信我们会听到关于增强10nm以提高竞争力的消息。英特尔14nm工艺的财务表现非常突出,特别是在数据中心、笔记本电脑和商用产品线方面,但现在全球普遍采用的是台积电10nm。”
眼下,正是英特尔面临挑战的时候,因为英特尔已经落后于长期竞争对手AMD,后者已经交付了首批7nm产品。
英特尔股价在盘后交易中下跌超过10%,而AMD上涨8%。
推迟发布的消息让英特尔稳健季度财报变得黯然失色。财报显示,该季度英特尔每股盈利1.23美元,收入197亿美元,较去年同期增长20%,此前华尔街预期每股收益为1.11美元,收入为185.5亿美元。
英特尔最大的Client Computing Group部门(销售PC芯片)的收入为95亿美元,比去年同期增长7%。新冠病毒大流行迫使企业必须增加硬件支持员工在家办公的需求,导致PC销售量激增,让英特尔从中受益。
但是Constellation Research分析师Holger Mueller指出,新冠病毒推动PC销量增长的利好下,英特尔所占的份额要远小于竞争对手AMD,他认为这一点令人担忧,特别是如果7nm仍然存在的话。
Mueller说:“英特尔也许会有好运,但对于一家一向以准时交付而闻名的企业来说,这仍然是一次充满风险的、令人关注的延迟。”
同时,英特尔的Data Center Group(面向云计算提供商和服务器制造商销售芯片)的收入为71.2亿美元,比去年同期增长了43%。非易失性存储解决方案部门贡献了16.6亿美元的收入,增长76%。
Moorhead说:“DCG实力突出,大幅增长了43%,这表明云和运营商市场的持续增长。NSG的收入增幅是有史以来最大的,增长了76%,既表明了该部门的出色表现,也说明,这个细分市场的定价如果不提高的话,会保持稳定。”
Pund-IT分析师Charles King表示,这个结果表明,英特尔7nm制程工艺发展道路上的“颠簸”,似乎并没有在很大程度上冲击英特尔的客户。他说,英特尔第二季度业绩稳定,数据中心集团的业绩也很突出。
他说:“如果英特尔的7nm工艺问题持续存在,那就会很麻烦。但同时,要知道,AMD的收入仍不到英特尔的十分之一。如果英特尔如批评家所言般陷入困境,那么竞争对手在利用这个机会的时候似乎还不够迅速。”
这个季度英特尔进行了一次关键收购,以9亿美元收购了以色列公共交通应用初创公司Moovit。
英特尔在公布财报的同时,还给出了下一季度的指引,这一点令人意外,因为上个季度英特尔拒接公布指引。英特尔预计第三季度每股盈利为1.10美元,收入为182亿美元,此前华尔街分析师预期每股盈利1.14美元,收入为179亿美元。
好文章,需要你的鼓励
苏州大学研究团队提出"语境降噪训练"新方法,通过"综合梯度分数"识别长文本中的关键信息,在训练时强化重要内容、抑制干扰噪音。该技术让80亿参数的开源模型在长文本任务上达到GPT-4o水平,训练效率比传统方法高出40多倍。研究解决了AI处理长文档时容易被无关信息干扰的核心问题,为文档分析、法律研究等应用提供重要突破。
在Cloudera的“价值观”中,企业智能化的根基可以被概括为两个字:“源”与“治”——让数据有源,智能可治。
清华大学团队首次揭示了困扰AI训练领域超过两年的"幽灵故障"根本原因:Flash Attention在BF16精度下训练时会因数字舍入偏差与低秩矩阵结构的交互作用导致训练崩溃。研究团队通过深入分析发现问题源于注意力权重为1时的系统性舍入误差累积,并提出了动态最大值调整的解决方案,成功稳定了训练过程。这项研究不仅解决了实际工程问题,更为分析类似数值稳定性挑战提供了重要方法论。