今天,AMD确认已经签订协议以350亿美元的架构收购Xilinx,后者主要生产用于从数据中心到卫星的各种系统中的可编程芯片。

350亿美元的价格比Xilinx的收盘价高出约25%。AMD将纯股票的形式进行交易。
不过至少目前来看投资者们似乎对这笔交易并不是那么地兴奋,AMD股价下跌了约5%。
AMD首席执行官Lisa Su表示:“这确实是一次令人信服的结合,将为所有利益相关者创造巨大的价值,包括AMD和Xilinx股东,他们将从双方合并之后的未来增长和增长潜力中受益。”最重要的是利好方面:Xilinx投资者从他们所持有的每一股Xilinx股票中,获得约1.7股AMD股份,而且目前AMD股价比年初高出约80%。
Xilinx位于美国加州圣何塞,创造了FPGA并且是FPGA的最高供应商。FPGA是一种可以在生产后进行重新配置的专用芯片,企业可以用来自定义电路行为,最大程度地提高特定一类应用的性能。FPGA正是通过这种定制特性,可以运行非常细分的工作负载,并且与传统的CPU相比,优化速度明显更快。
Xilinx的FPGA应用广泛,例如数据中心服务器、智能汽车、车载卫星驾驶辅助系统等等。上个季度,Xilinx在不同细分业务领域实现了7.67亿美元的收入。
350亿美元的收购价格反应了这次交易可能在未来释放的潜在增长机会有多大。AMD估计,收购Xilinx可以将整个潜在市场范围扩大到1100亿美元。AMD预计,在完成收购的短期内将有助于增加现金流、收益和利润。
Moor Insights&Strategy总裁兼首席分析师Patrick Moorhead表示:“AMD与Xilinx一起,将拥有更加光明、长期的未来,成为一个体量更大的实体,利用类似的技术在不同市场和不同产品领域变得更加多样化。虽然我更感兴趣长期的发展潜力,但第一天的增长也给我留下了深刻的印象,期待获得有关短期情况的更多细节。”
AMD通过这次收购强化一个关键领域,那就是数据中心。近年来,AMD在服务器CPU市场从对手英特尔那里抢夺了不少份额,Epyc处理器产品线的份额更是增加到两位数。Xilinx数据中心业务的加入,可能会进一步推动增长,该业务上一季度的收入同比增长了30%。
此次收购还将让AMD在芯片市场的很多领域站稳脚跟,目前AMD在该市场中还没有很大的份额。Xilinx的芯片被广泛用于汽车、航空航天和国防领域,不仅如此,还为电信运营商的电信设备提供芯片。
Xilinx面向运营商客户提供的不仅有FPGA技术,还有几年前推出的Versal系列处理器。该处理器将FPGA中的可重配置电路与CPU核心、机器学习加速器结合在一起,运营商有望在其5G基础设施上运行多种不同的应用,而且Versal通过多种处理组件可以比传统CPU更好地支持这种场景。
Versal也进一步强化了AMD的产品组合。
Moorhead评论说:“AMD收购Xilinx是一次大胆的举动,我认为这次收购是有意义的,可以为AMD助一臂之力。我相信无论有无此项收购,AMD都将继续有机地增长,有望通过表现抢眼的第三季度、向好的指引和路线图得到印证,”这里他提到,AMD今天发布了抢眼的季度财报。
该季度AMD在不计入股票补偿等成本之后的每股收益为41美分,比去年同期增长了128%。收入增长56%,达到28亿美元,此前分析师普遍预期的季度收入为25.6亿美元,利润为35美分。AMD表示,对个人计算机、游戏和数据中心设备的强劲需求,是该季度突出表现的一大推动力。
此外AMD预测截至12月的第四季度,收入约为30亿美元,分析师预期为26.2亿美元。
AMD将在2021年底完成对Xilinx的收购,合并之后将拥有13,000名工程师,而且由此产生的运营协同效应,预计将在交易完成后的18个月内使得运营支出减少3亿美元。
好文章,需要你的鼓励
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。