IDM 2.0是英特尔内部工厂网络、第三方产能和全新英特尔代工服务的强大组合
图注:英特尔位于亚利桑那州钱德勒市的Ocotillo园区是公司在美国最大的制造工厂。四个工厂由一英里长的自动化高速公路连接起来,形成了一个巨型工厂网络。2021年3月,英特尔宣布投资200亿美元,在Ocotillo园区新建两座新工厂。(图片来源:英特尔)
新闻重点
美国加州圣克拉拉,2021年3月23日 - 今天,英特尔CEO帕特·基辛格(Pat Gelsinger)阐述了如何通过制造、设计和交付领先产品,为利益相关方创造长期价值的未来路径。在主题为“英特尔发力:以工程技术创未来”的全球直播活动上,基辛格分享了他的“IDM 2.0”愿景,这是英特尔IDM模式的一项重大革新。基辛格宣布了有关生产制造的重大扩张计划,首先是在美国亚利桑那州投资约200亿美元,新建两座工厂(晶圆厂)。他还宣布英特尔计划成为代工产能的主要提供商,起于美国和欧洲,面向全球客户提供服务。
基辛格表示:“我们已经设定好方向,将为英特尔开创创新和产品领先的新时代。英特尔是唯一一家拥有从软件、芯片和平台、封装到大规模制造制程技术,兼具深度和广度的公司,致力于成为客户信赖的下一代创新合作伙伴。IDM 2.0战略只有英特尔才能够做到,它将成为我们的致胜法宝。在我们所竞争的每一个领域,我们将利用IDM 2.0设计出最好的产品,同时用最好的方式进行生产制造。”
IDM 2.0由三部分组成,将持续驱动英特尔技术和产品领导力:
图注:在录制“英特尔发力:以工程技术创未来 ”全球直播视频中,英特尔CEO帕特·基辛格展示“Ponte Vecchio”,英特尔首个百亿亿次级计算GPU。在2021年3月24日的直播中,基辛格阐述了如何通过制造、设计和交付领先产品,为利益相关方创造长期价值的未来路径。
为了加速实现英特尔IDM2.0战略,基辛格宣布大幅扩大英特尔的生产能力。首先计划在美国亚利桑那州的Octillo园区新建两座晶圆厂。新晶圆厂将为英特尔现有产品和客户不断扩大的需求提供支持,并为代工客户提供所承诺的产能。
新建项目计划投资约200亿美元,预计将创造3,000多个高技术、高薪酬的长期工作岗位,以及3,000多个建筑就业岗位和大约15,000个当地长期工作岗位。今天,美国亚利桑那州州长Doug Ducey和美国商务部部长Gina Raimondo与英特尔高管一同参与了发布活动。基辛格表示:“我们很高兴能与亚利桑那州以及拜登政府围绕刺激美国国内投资的激励政策开展合作。”英特尔预计还将在美国亚利桑那州以外地区加快资本投资。基辛格表示,他计划在年内宣布英特尔在美国、欧洲以及世界其它地方的下一阶段产能扩张计划。
英特尔计划与技术生态系统和行业伙伴共同合作,以实现IDM 2.0愿景。为此,英特尔和IBM今天宣布了一项重要的研究合作计划,专注创建下一代逻辑芯片封装技术。50多年来,两家公司深度合作,共同致力于科学研究,打造世界一流的工程技术,并专注于将先进的半导体技术推向市场。这些基础技术将帮助释放数据潜力、提升计算能力,以创造巨大的经济价值。
利用两家公司位于美国俄勒冈州希尔斯博罗、纽约州奥尔巴尼的不同职能和人才,这次合作旨在面向整个生态系统加速半导体制造创新,增强美国半导体行业的竞争力,并支持美国政府的关键举措。
最后,英特尔将于今年重拾其广受欢迎的英特尔信息技术峰会(IDF)的举办精神,全新推出行业活动系列Intel On。基辛格鼓励技术爱好者和他一起,参加今年10月将在美国旧金山举行的英特尔创新(Intel Innovation)峰会活动。
好文章,需要你的鼓励
DeepResearchGym是一个创新的开源评估框架,专为深度研究系统设计,旨在解决当前依赖商业搜索API带来的透明度和可重复性挑战。该系统由卡内基梅隆大学研究团队开发,结合了基于ClueWeb22和FineWeb大型网络语料库的可重复搜索API与严格的评估协议。实验表明,使用DeepResearchGym的系统性能与使用商业API相当,且在评估指标间保持一致性。人类评估进一步证实了自动评估协议与人类偏好的一致性,验证了该框架评估深度研究系统的有效性。
这项研究介绍了FinTagging,首个面向大型语言模型的全面财务信息提取与结构化基准测试。不同于传统方法,它将XBRL标记分解为数值识别和概念链接两个子任务,能同时处理文本和表格数据。在零样本测试中,DeepSeek-V3和GPT-4o表现最佳,但在细粒度概念对齐方面仍面临挑战,揭示了当前大语言模型在自动化XBRL标记领域的局限性,为金融AI发展提供了新方向。
这项研究介绍了SweEval,一个新型基准测试,用于评估大型语言模型在企业环境中处理脏话的能力。研究团队从Oracle AI等多家机构的专家创建了一个包含八种语言的测试集,模拟不同语调和上下文的真实场景。实验结果显示,LLM在英语中较少使用脏话,但在印地语等低资源语言中更易受影响。研究还发现较大模型通常表现更好,且多语言模型如Llama系列在处理不当提示方面优于其他模型。这项工作对企业采用AI技术时的安全考量提供了重要参考。
这项研究提出了"VeriFree"——一种不需要验证器的方法,可以增强大型语言模型(LLM)的通用推理能力。传统方法如DeepSeek-R1-Zero需要验证答案正确性,限制了其在数学和编程以外领域的应用。VeriFree巧妙地计算正确答案在模型生成的推理过程后出现的概率,作为评估和训练信号。实验表明,这种方法不仅能匹配甚至超越基于验证器的方法,还大幅降低了计算资源需求,同时消除了"奖励黑客"问题。这一突破将有助于开发出在化学、医疗、法律等广泛领域具有更强推理能力的AI系统。