据《华尔街日报》今天报道称,英特尔即将达成协议以约100亿美元的价格将旗下NAND闪存业务出售给韩国公司SK Hynix。
预计该交易将很快达成,但《华尔街日报》消息人士称,谈判仍可能在后期阶段破裂。
路透社在第二份报道中补充说,此次出售的业务还将包括英特尔的固态硬盘业务及其在中国大连的NAND闪存工厂,但不包括英特尔非易失性解决方案部门组成部分之一——基于3D Xpoint的英特尔Optane内存模块。
尽管如此,此举仍将是英特尔走出内存芯片领域的重要一步,早在英特尔进入微处理器市场之前就已经涉足内存芯片市场了。
在英特尔最近一个财季中,非易失性解决方案部门拿下了创纪录的17亿美元收入,比去年同期增长了76%。但该业务也曾给英特尔带来了一些麻烦。去年该业务是亏损状态,尽管情况在2020年有所改善,第二季度的营业利润达到3亿美元。
不过,这对于英特尔来说显然是远远不够的。据报道称,由于投资回报率未达到预期,英特尔一直在考虑退出NAND闪存业务。据CRN报道,三月摩根士丹利分析师会议上,英特尔首席财务官George Davis表示,NAND内存业务未达到英特尔希望的水平。
CRN援引他的话称:“数据中心NAND正在变得越来越重要,但是我们无法从中获得利润以实现我们希望看到的回报。”
Davis当时表示,英特尔正在考虑通过构建合作伙伴关系来提高盈利能力,这意味着将部分NAND制造业务外包给第三方。四月,英特尔首席执行官Bob Swan表示,英特尔正在评估降低成本的措施。
Pund-IT分析师Charles King表示,如果此次收购真的发生的话,他一点也不感到意外,他指出,Swan曾提到英特尔早在2019年就遇到了NAND闪存盈利的难题。
King表示:“不管你怎么说英特尔,英特尔总是敢于承认自己的错误、继续向前行,这样一来,钱包里多出100亿美元也是一件幸事了。”
SK Hynix收购英特尔NAND闪存业务的邀约可能抛出有一段时间了。Blocks&Files指出,中国媒体早在2019年7月就报道说SK Hynix正在商讨收购英特尔的大连工厂。
消息人士称:“根据当前的进展,SK Hynix正在与英特尔进行谈判,希望收购整个英特尔大连工厂和3D NAND业务。英特尔仅保留与XPoint相关的技术。”
自报道发布以来,英特尔的股价上涨了2%多。
好文章,需要你的鼓励
来自香港科技大学和MiniMax的研究团队开发了SynLogic,一个可合成35种逻辑推理任务的框架与数据集,填补了AI逻辑训练资源缺口。研究表明,在SynLogic上进行强化学习训练显著提升了模型逻辑推理能力,32B模型在BBEH测试中超越了DeepSeek-R1-Distill模型6个百分点。更值得注意的是,将SynLogic与数学和编程数据混合训练不仅提高了这些领域的学习效率,还增强了模型的泛化能力,表明逻辑推理是构建通用AI推理能力的重要基础。
这项研究揭示了大型语言模型的惊人能力:只需两个特殊训练的向量,冻结的语言模型就能在一次计算中生成数百个准确词汇,而非传统的逐词生成。研究者发现,这种能力要求特定的输入排列方式,且生成速度比自回归方法快约279倍。这一发现不仅展示了语言模型未被充分探索的并行生成潜力,还为快速文本重建开辟了新方向。
腾讯混元团队提出的"ConciseR"是一种通过两阶段强化学习实现大模型简洁推理的新方法。研究遵循"先走后跑"原则,先确保模型具备准确推理能力,再优化输出简洁性。第一阶段通过改进的群体相对策略优化(GRPO++)提升推理能力,第二阶段通过长度感知的群体相对策略优化(L-GRPO)减少输出长度。实验结果显示,该方法在AIME、MATH-500等多个基准测试中既减少了输出长度(平均20%以上),又保持或提高了准确率,展现出高效率-高准确率的理想平衡。
这项由香港科技大学团队开展的研究首次全面评估了压缩对大语言模型Agent能力的影响。研究发现,虽然4位量化能较好地保留工作流生成和工具使用能力(仅下降1%-3%),但在实际应用中性能下降达10%-15%。团队提出的ACBench基准测试横跨工具使用、工作流生成、长文本理解和实际应用四大能力,评估了不同压缩方法对15种模型的影响。结果显示,AWQ量化效果最佳,蒸馏模型在Agent任务上表现不佳,大型模型对压缩更具韧性。研究还提出ERank等创新分析方法,为实际部署提供了切实指导。