上个月,IBM与英特尔宣布新的合作计划,将共同推进下一代逻辑与封装技术的研究工作。在这里,我们也看到了极具份量的英特尔IDM 2.0更新消息。作为两家长期处于研发与工程领域最前沿的科技巨头,IBM与英特尔从计算早期到如今的人工智能、混合云、5G、智能边缘与量子计算等前沿领域均有辉煌建树。IBM是几十年前芯片封装方面的创新先驱,曾率先推出首批7纳米与5纳米制程测试芯片,同时也是单晶体管DRAM等重磅成果的发明者。援引蓝色巨人自己的表述,总部位于纽约州奥尔巴尼的IBM“培育起了蓬勃发展的半导体研究生态系统”。而合作关系的另一端,则是全球最大半导体制造商、掌握无与伦比研发力量的英特尔。这两位巨头的联手当然值得关注,本文这就给大家好好说道说道。
IBM
研发领域双雄
为了进一步说明IBM在芯片研发领域的影响力,咱们先来看几个创新示例。IBM率先发布可模拟神经网络训练的芯片,第一次展示了在AI技术领域运用模拟方法的优势。蓝色巨人还打造了第一款AI加速器,在简化精度计算方面引领一时风潮。此外,蓝色巨人还发布了首款14纳米节点嵌入式自旋扭矩MRAM,这款元件的制程尺寸仅相当于头发直径的八千分之一。前文还提到过,IBM曾打造出全球第一款采用EUV工艺加高迁移率SiGE沟道PFET的7纳米芯片,以及第一款采用Novel NanoSheet晶体管架构的5纳米晶体管。IBM在全球范围内拥有300多处研究实验室,由此汇聚而成的奥尔巴尼生态系统已经成为人类科技领域一股不容小觑的中坚力量。可以看到,IBM长期以来一直致力于解决芯片封装与逻辑领域的各项难题。
上个月,我还有幸与英特尔公司新任CEO Pat Gelsinger面对面交流。期间,他介绍了英特尔接下来的制造技术与产品发展路线图,这些也是该公司后续IDM 2.0(即集成设备制造商)发展战略的重要组成部分。虽然已经竭尽全力,但英特尔仍未能及时量产之前承诺的7纳米与10纳米产品。Gelsinger对此直言不讳,也表达出了迎难而上、屡败屡战的决心。在经历了EUV工艺普及与时间表调整之后,我个人对英特尔的7纳米产品规划更具信心,预计相关Meteor Lake产品家族将于2023年实现全面量产。更重要的是,IDM 2.0计划还对芯片产能高度关注,计划向其中投入20亿美元,包括兴建两处新的晶圆加工厂以支持新的Intel Foundry Services外单与内部生产设施。
合作之路
我们可以把IBM的硬技术战略总结成一句话——创造出下一代半导体产品,运用自身生态系统优势推进芯片制造。那么要想顺利制造,当然就得寻求业内最靠谱的合作伙伴——比如刚刚宣布投资20亿美元兴建芯片制造设施的英特尔。曾经的长期竞争对手,如今决定共同提升制程工艺与逻辑技术,不少行业观察人士认为此举是为了对抗近年来发展势头强劲的台积电公司。之前,英特尔一直没有与台积电展开正面冲突;但在蓝色巨人的助力下,英特尔对自身代工业务的发展愿景可能会更具野心。重要的是,IBM自己对代工业务也并不陌生——他们曾拥有近25年的成功代工运营经历,并于2014年将这部分业务打包出售给了GlobalFoundries。相信英特尔的新建代工业务将从IBM的研究生态及丰富经验中受益匪浅。
总结
正如IBM公司的Mukesh Khare在主题问答中所言,“此项合作对于整个半导体行业非常重要,对于美国在半导体领域的领导地位更是极为重要。双方联手,有望保证美国继续在半导体创新层面扮演领导者角色。”在历史上,芯片行业中曾经相互竞争的巨头往往鲜有成功牵手的案例,我们也期待看到两家公司将为整个行业带来怎样的创新成果。
好文章,需要你的鼓励
OpenAI 本周为 ChatGPT 添加了 AI 图像生成功能,用户可直接在对话中创建图像。由于使用量激增,CEO Sam Altman 表示公司的 GPU "正在融化",不得不临时限制使用频率。新功能支持工作相关图像创建,如信息图表等,但在图像编辑精确度等方面仍存在限制。值得注意的是,大量用户正在使用该功能创作吉卜力动画风格的图像。
Synopsys 近期推出了一系列基于 AMD 最新芯片的硬件辅助验证和虚拟原型设计工具,包括 HAPS-200 原型系统和 ZeBu-200 仿真系统,以及面向 Arm 硬件的 Virtualizer 原生执行套件。这些创新工具显著提升了芯片设计和软件开发的效率,有助于加快产品上市速度,满足当前 AI 时代下快速迭代的需求。
人工智能正在深刻改变企业客户关系管理 (CRM) 的方方面面。从销售自动化、营销内容生成到客服智能化,AI不仅提升了运营效率,还带来了全新的服务模式。特别是自主代理AI (Agentic AI) 的出现,有望在多渠道无缝接管客户服务职能,开创CRM发展新纪元。
数据孤岛长期困扰着组织,影响着人工智能的可靠性。它们导致信息分散、模型训练不完整、洞察力不一致。解决方案包括实施强大的数据治理、促进跨部门协作、采用现代数据集成技术等。克服数据孤岛对于充分发挥AI潜力至关重要。