今天英特尔公布第三季度财报,该季度销售额低于华尔街的预期水平,导致英特尔股价在盘后交易中出现下跌。
英特尔将其归咎于组件短缺阻碍了英特尔重要的个人电脑业务。英特尔还警告投资者称,由于公司计划在新芯片工厂和研发方面投资数十亿美元,因此未来两到三年内公司的毛利率和自由现金流出将下降至较低水平。
根据财报显示,该季度在扣除股票薪酬等特定成本之后的利润为每股1.71美元,收入为181亿美元,比去年同期增长5%,此前华尔街预期的每股利润仅为1.11美元,但收入预期为182.4亿美元,因此这一结果有点喜忧参半。
该季度对英特尔造成影响最大的是客户端计算业务,该业务主要提供个人电脑使用的芯片。由于笔记本电脑销量下降,导致该业务收入同比下降2%至97亿美元。英特尔表示,销量下滑是其他组件短缺直接导致的后果。英特尔称,部分客户正在极力获取组价以完成计算机产品的组装,因此产量有所降低。
英特尔公司首席执行官Pat Gelsinger在接受媒体采访时表示,PC销量的下滑一定程度上被较高的平均售价和台式机的强劲销售所抵消了。他坚称,市场对个人电脑的需求仍然很强劲,并表示,他相信未来一段时间还将保持这种状态。
他说:“我们认为,目前PC业务现在是一个从结构上看规模更为庞大的业务,每天销售量可达到100万台。”
英特尔数据中心集团的表现要好得多,该集团主要销售用于数据中心服务器和类似硬件的处理器。该季度数据中心集团的销售额为65亿美元,比去年同期增长10%,但略低于分析师预期的66亿美元。英特尔表示,企业和政府客户对本地服务器的需求越来越大。
另一方面,规模较小的物联网和Mobileye汽车业务也出现增长,物联网业务收入增长54%至10亿美元,汽车业务增长39%至3.26亿美元。
Constellation Research分析师Holger Mueller表示,尽管财报结果喜忧参半,但英特尔至少表现出了整体上的增长。“数据中心和物联网业务的表现都十分突出。”
不过他也指出,英特尔个人电脑业务的发展方向还存在很多不确定性。“大家正在观望这是否是后疫情时代的追赶修正措施,或者英特尔是否已经将个人电脑业务置于新的增长轨道上。只有未来的几个季度才能确定这一点。”
关于未来的计划,Gelsinger在电话会议上向分析师表示,英特尔正在进入大规模资本支出的阶段,仅今年就计划投资200亿美元,包括在美国亚利桑那州新建一家半导体工厂。Gelsinger表示,除了代工厂之外,公司还投入资金在网络、图形和自动驾驶汽车芯片研究方面。
“这四项新的增长型业务……对我们来说具有巨大的增长潜力,”Gelsinger表示,他补充说,英特尔的目标是实现10%至12%的长期复合年增长率。
Gelsinger此前曾提及英特尔计划将其商业模式转变为合同制造商,还会利用自己的代工厂为其他公司生产芯片,同时也会继续设计和制造自有的芯片。
英特尔认为,未来10年半导体行业的销售额将翻一番,因此如果这一预测成立,那么进入代工制造领域对于英特尔来说可能是非常有利可图的,但要实现这一目标首先就需要进行大量投资,而投资者正在密切关注英特尔的毛利率(也就是不计入销售成本的收入)。
Gelsinger在分析师电话会议中表示,英特尔的毛利率将会出现下滑,但他承诺不会低于50%,并且会及时恢复。刚刚过去的一个季度,英特尔报告的毛利率为56%,同比增长2.9%。
但遗憾的是,Gelsinger的保证显然不足以缓解投资者的担忧,投资者的大幅抛售导致英特尔股价在延长交易中下跌了8%。
该季度中,英特尔公布了野心勃勃的未来芯片发展路线图,计划开发新的芯片和封装技术,据称这将有助于英特尔在2025年之前重新夺回处理器市场的领导地位。英特尔希望开创所谓芯片设计的“Ångstrom时代”,将开发一种新的半导体架构,让芯片密度更高、尺寸更小,从而让速度更快、性能更强。
在客户赢单方面,英特尔拿下了一份大合同:为美国国防部开发和制造“尖端”芯片。
此外英特尔方面透露,首席财务官George Davis已经宣布将在2022年5月退休,Davis在2019年4月从竞争对手高通公司加入英特尔,目前他将继续留任直到公司任命继任者为止。
展望第四季度,英特尔预计销售额为183亿美元,略高于华尔街预期的182.4亿美元。
好文章,需要你的鼓励
这项研究由德累斯顿工业大学等机构的研究团队完成,旨在解决主动学习未被广泛应用的问题。研究者构建了包含460万种超参数组合的实验网格,系统分析了各参数对主动学习性能的影响。研究发现,不同策略实现间存在显著差异,基于边缘的不确定性策略整体表现最佳,随机选择约4000个超参数组合即可获得可靠结果。这些发现为设计可重现、可信赖的主动学习实验提供了明确指导,有助于降低入门门槛,促进技术在实际应用中的普及。
这项由英国爱丁堡大学和上海人工智能实验室研究者共同完成的工作提出了LongBioBench,一种用于评估长文本语言模型的新型基准测试框架。通过使用人工生成的虚构人物传记作为测试环境,该框架在保持可控性的同时,提供了更真实的评估场景。研究对18个长文本模型的测试表明,即使最先进的模型在检索、推理和可信任性方面仍存在显著挑战,特别是上下文长度增加时。研究还揭示了现有合成基准测试的设计缺陷和长上下文预训练的局限性,为未来模型开发提供了重要指导。
SuperWriter是一项来自新加坡科技设计大学和清华大学的突破性研究,通过模仿人类"先思考后写作"的过程,彻底改良了AI长文生成能力。该研究团队开发的框架包含三个关键阶段:规划、写作和修改,使AI能像专业作家一样进行结构化思考。实验结果表明,经过训练的SuperWriter-LM模型不仅超越同等规模的所有AI模型,甚至在某些领域表现优于规模更大的顶级模型,为AI辅助写作开创了新的可能性。
香港大学与阿里巴巴达摩院合作开发的LayerFlow是一种突破性的层级视频生成技术,能同时生成透明前景、完整背景和混合场景视频。该技术通过创新的框架设计将不同视频层级作为子片段连接,并引入层级嵌入使模型区分各层级。面对高质量训练数据稀缺的挑战,研究团队设计了三阶段训练策略,结合Motion LoRA和Content LoRA,实现了图像和视频数据的联合训练。LayerFlow不仅支持多层视频生成,还能实现视频分解和条件层生成,为视频创作领域带来革命性变革。