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
腾讯今日开源混元MT系列语言模型,专门针对翻译任务进行优化。该系列包含四个模型,其中两个旗舰模型均拥有70亿参数。腾讯使用四个不同数据集进行初始训练,并采用强化学习进行优化。在WMT25基准测试中,混元MT在31个语言对中的30个表现优于谷歌翻译,某些情况下得分高出65%,同时也超越了GPT-4.1和Claude 4 Sonnet等模型。
腾讯ARC实验室推出AudioStory系统,首次实现AI根据复杂指令创作完整长篇音频故事。该系统结合大语言模型的叙事推理能力与音频生成技术,通过交错式推理生成、解耦桥接机制和渐进式训练,能够将复杂指令分解为连续音频场景并保持整体连贯性。在AudioStory-10K基准测试中表现优异,为AI音频创作开辟新方向。
今年是Frontiers Health十周年。在pharmaphorum播客的Frontiers Health限定系列中,网络编辑Nicole Raleigh采访了Startup Health总裁兼联合创始人Unity Stoakes。Stoakes在科技、科学和设计交汇领域深耕30多年,致力于变革全球健康。他认为,Frontiers Health通过精心选择的空间促进有意义的网络建设,利用网络效应推进创新力量,让企业家共同构建并带来改变,从而有益地影响全球人类福祉。
Meta与特拉维夫大学联合研发的VideoJAM技术,通过让AI同时学习外观和运动信息,显著解决了当前视频生成模型中动作不连贯、违反物理定律的核心问题。该技术仅需添加两个线性层就能大幅提升运动质量,在多项测试中超越包括Sora在内的商业模型,为AI视频生成的实用化应用奠定了重要基础。