芯片制造巨头英特尔公司宣布再次推迟生产。
英特尔表示,下一代Sapphire Rapids Xeon Scalable CPU要到2022年第一季度才能出货,第二季度增加产量。
这一消息来自于英特尔企业副总裁、至强处理器和内存事业部总经理Lisa Spelman的博客文章。她表示,这款10纳米芯片将继承当前一代的Ice Lake 服务器处理器,采用两项新技术包括Intel Data Streaming Accelerator加速引擎和英特尔第二代 Deep Learning Boost技术。
显然正是这些增强功能导致了延迟问题,Spelman表示,英特尔需要更多的时间进行验证以确保Sapphire Rapids芯片的万无一失
“基于此,我们预计将在2022年第一季度投入生产Sapphire Rapids,第二季度开始量产。”
英特尔去年不止一次表示将在2021年某个时候开始出货Sapphire Rapids CPU,但最近几个月这一目标时间发生了变化。英特尔新任首席执行官Pat Gelsinger在3月份曾宣布,预计将“在今年年底左右”投入生产这些芯片。
然而,Spelman在Computex 2021大会的主题演讲中表示,英特尔计划在2022年初推出,今天的公告再次证实了这一时间表。
这并不是英特尔第一次延迟。英特尔的7纳米芯片也曾多次延迟,预计发布日期从最初的2021年推迟到2022年,然后进一步推迟到2023年。
不断延迟对英特尔在计算机服务器市场的市场份额产生了负面影响。几年前,英特尔在全球数据中心芯片领域占有99%的份额,而已经将7纳米处理器投入生产的AMD过去几年不断扩展自己在服务器市场中的份额到8%多。
股东们对这次延期消息的反应比较消极,英特尔股价下跌超过1%。与此同时,AMD的股价上涨了近3%。
Moor Insights & Strategy分析师Patrick Moorhead认为,这一公告可能与近期英特尔将数据中心集团拆分为两个独立业务的改组有关。他表示,承认又将延迟表明英特尔对股东和客户是开放和坦率的,而且公司可能在新领导层的带领下对有关日程安排的沟通更加谨慎。
“我相信新的数据中心集团的负责人上任,查看了时间表,再加上Pat Gelsinger的回归,英特尔公司希望对日程表持有更为开放的态度。此前我觉得英特尔可能会保持沉默,但会全力投入生产,以免对客户产生影响。”
Pund-IT分析师Charles King认为,没有人喜欢听到供应商背弃其承诺,尤其是应用于预期的下一代产品时,这些产品之前也曾遭屡次延迟,例如Sapphire Rapids CPU。但他认为,明智的企业和高管会意识到,与其将未准备好的产品匆匆忙忙推向市场,还不如忍受一些短期的痛苦并把事情做得更好。
“显然这会令众多英特尔员工和高管、英特尔的合作伙伴和客户感到失望,也为英特尔最近一系列高管洗牌和Navin Shenoy的离职增加了一些新闻爆料。”
Bernstein分析师Stacy Rasgon认为,延迟可能有几个原因。首先,也是更积极的一点是,市场对Sapphire Rapids中的新功能需求是非常强烈的,以至于英特尔必须花费更多时间来完善这些功能。如果这样的话,客户也是愿意等待的。然而,分析师表示,情况也可能相反。
“一个不太好的解释是,目前英特尔所面临的竞争形势不断恶化,管理层可能认为推迟Sapphire Rapids带来的相关不利影响,要小于较早发布竞争力较弱的产品所带来的影响。”
好文章,需要你的鼓励
这项来自苹果公司的研究揭示了视频大语言模型评测的两大关键问题:许多测试问题不看视频就能回答正确,且打乱视频帧顺序后模型表现几乎不变。研究提出VBenchComp框架,将视频问题分为四类:语言模型可回答型、语义型、时序型和其他类型,发现在主流评测中高达70%的问题实际上未测试真正的视频理解能力。通过重新评估现有模型,研究团队证明单一总分可能掩盖关键能力差距,并提出了更高效的评测方法,为未来视频AI评测提供了新方向。
这篇来自KAIST AI研究团队的论文提出了"差分信息分布"(DID)这一创新概念,为理解直接偏好优化(DPO)提供全新视角。研究证明,当偏好数据编码了从参考策略到目标策略所需的差分信息时,DPO中的对数比率奖励形式是唯一最优的。通过分析DID熵,研究解释了对数似然位移现象,并发现高熵DID有利于通用指令跟随,而低熵DID适合知识密集型问答。这一框架统一了对DPO目标、偏好数据结构和策略行为的理解,为语言模型对齐提供理论支持。
VidText是一个全新的视频文本理解基准,解决了现有评估体系的关键缺口。它涵盖多种现实场景和多语言内容,提出三层评估框架(视频级、片段级、实例级),并配对感知与推理任务。对18个先进多模态模型的测试显示,即使最佳表现的Gemini 1.5 Pro也仅达46.8%平均分,远低于人类水平。研究揭示输入分辨率、OCR能力等内在因素和辅助信息、思维链推理等外部因素对性能有显著影响,为未来视频文本理解研究提供了方向。
ZeroGUI是一项突破性研究,实现了零人工成本下的GUI代理自动化在线学习。由上海人工智能实验室和清华大学等机构联合开发,这一框架利用视觉-语言模型自动生成训练任务并提供奖励反馈,使AI助手能够自主学习操作各种图形界面。通过两阶段强化学习策略,ZeroGUI显著提升了代理性能,在OSWorld环境中使UI-TARS和Aguvis模型分别获得14%和63%的相对改进。该研究彻底消除了传统方法对昂贵人工标注的依赖,为GUI代理技术的大规模应用铺平了道路。