如果回首2020年,不管是NVIDIA收购Arm,还是AMD收购赛灵思,半导体产业成为不容忽视的舞台,好戏不断上演。

今天早晨,英特尔宣布,现任CEO Bob Swan将于今年2月15日离职,现任VMware首席执行官的Pat Gelsinger将接任Bob Swan的职位,担任英特尔第八任CEO。这样一条新闻似乎为2021年半导体行业拉开了一个序幕,大戏还在继续。
危机四伏?
笔者看到网上有评论说,帕特·基辛格(Pat Gelsinger)拥有光鲜的履历并与英特尔有着很深的渊源(在加入VMware之前,Gelsinger曾在英特尔工作了30年,曾担任过首席技术官),特别是其技术背景可以帮助英特尔更好地应对目前的危机。
但是在我看来,这有个前提,那就是目前英特尔面临的危机是技术造成的吗?或者更确切地说,英特尔现在处于危机中吗?
虽然2020年英特尔的股价跌了21%,但是整体业绩还是不错的,2020年英特尔全年的营收预计可达750亿美元(Q3财报中说的是753亿美元),这将是该公司创立52年来最好的业绩。
2019年英特尔的营收是719.65亿美元,同比增长4%,这个增长率不算高,但是对体量700多亿美元的英特尔来说,业绩持续增长依然是值得肯定的。同时,英特尔的盈利能力依然强大,预计今年GAAP规则下利润依然轻松超过220亿美元,运营利润率高达30%——要知道,AMD2020年的总营收也不过100亿美元。
在过去的一段时间,业界一直拿英特尔的产品制程来说事。而半导体行业的其他厂商不断拿出令业界惊喜的产品,似乎让英特尔抬不起头。但是事实是这样吗?
毋庸置疑,类似AMD、NVIDIA等厂商推出了令人叫座的产品,贴合了用户的需求。这些代表了他们与英特尔的距离在缩短或者加长,这点是事实。但是英特尔在原地不动吗?很显然不是,英特尔其实也明白如今的半导体产业已经与以前大不一样。
毕竟对于任何一个产品技术而言,在经历快速发展后,都会进入到一个爬坡期。也就是四两拨千斤的时代已经过去了,每前进一小步往往需要付出比以往更多的投入,特别是对于市场领导者而言。
很显然在21世纪的下一个十年(或许用不了十年),半导体产业正在发生翻天覆地的变化,深处其中每一个人都会切实感受到这种变化。而现在整个行业在市场竞合方面的变动其实只是这种变革的一个前奏。
在这种情况下,公司转型并不容易,君不见业界昔日厂商的沉浮。任何事物都会有生命周期,关键是能不能浴火重生,这意味能够在取舍之间做出合理的判定。所谓舍得,懂得放弃才能收获。这是每一个新旧交替的变革时代不变的旋律。
所以,英特尔目前面临的情况并不是简单换个CEO就可以解决的,这需要方方面面的工作。
力挽狂澜?
通常企业的人事任命会是未来战略的一个风向标,在这种人事交替过程中,大家也会对于相关人员有个定论。
笔者经常拿微软举例子,互联网时代的霸主微软,曾经错失了一系列的创新机会。但是在智能时代,这家科技公司上演了一次出人意料的“大象跳舞”。自萨提亚·纳德拉2014年接任首席执行官以来,微软的市值翻番,超过了互联网泡沫以来的高点。
回到英特尔,从某种意义上说,现任CEO Bob Swan在当时是临危受命。作为公司CFO的他从前任CEO科再奇(Brian Krzanich)接下了帅印。当时,英特尔的境况已经不容乐观,而作为CEO,公司希望这个人能够力挽狂澜。
不过英特尔截至2020年9月26日的第三季度财报显示,英特尔第三季度营收183.3亿美元,与去年同期相比下降4%;净利润47亿美元,同比暴跌26%;每股收益为1.11美元,与去年同期相比下降22%。
回顾历史,英特尔历任CEO在公司发展中都扮演了重要角色,比如戈登·摩尔、安迪·格罗夫、克雷格·贝瑞特、保罗·欧德宁等。这也就理解了当下CEO的变动为何收到如此关注。
所谓“天时地利人和”,不过CEO发挥的作用需要与当时的时代合拍,还有CEO个人的远见卓识。将一个公司的命运寄希望于一个人是不现实的。对于帕特·基辛格的履新,整个业界充满期待,但是能否让英特尔继续引领产业风向标,我们也只能拭目以待。
好文章,需要你的鼓励
华硕Ascent GX10 GPU采用了最新的Blackwell架构,这一架构针对Diffusion模型和Transformer等主流AI模型配备了专门的加速单元。
DeepSeek-AI团队开发的DeepSeekMath-V2突破了传统数学AI只关注答案正确性的局限,首次实现了AI的"自我验证"能力。该系统在2025年IMO竞赛中达到金牌水平,在2024年普特南竞赛中得分118/120,远超人类最高分。这项技术通过训练AI像数学专家一样检查和改进自己的推理过程,为AI辅助数学研究和教育开启了新的可能。
探索Mac终端中鲜为人知但实用的命令技巧,包括快速设置闹钟、检查电池健康状态、查找WiFi密码、清理下载记录以及自定义截图设置等。这些命令能显著提升安全从业者的工作效率,从Touch ID认证到网络管理,涵盖多个实用场景。
这项由伊利诺伊大学与谷歌联合开展的研究提出了"分离然后合并"(StM)的视频合成新方法,通过自动分解5万个视频片段创建了大规模训练数据集,解决了传统方法无法同时保持原始动作和实现环境适应的问题,让AI能像经验丰富的演员一样既保持特色又融入新场景。