英特尔再次发出收购要约,以扩张自己的芯片制造业务。跟据《华尔街日报》报道,英特尔正在进行谈判以约60亿美元的价格收购以色列芯片制造商Tower Semiconductor。
该报道援引知情人士的话称,此次交易最早可能在本周宣布,但仍有破裂的可能。据说Tower的市值约为36亿美元,因此英特尔将支付相当高的溢价来收购该公司。
不过,即使是如此高的价格,对于英特尔来说Tower也是一个诱人的目标。英特尔毫不掩饰自己扩张芯片制造能力的意图,不仅是为了在全球芯片短缺的情况下满足客户的需求,也是为了实现成为芯片代工制造商、并为除了自身之外的其他公司生产芯片的雄心。
值得注意的是,英特尔前段时间试图收购GlobalFoundries但未能成功,GlobalFoundries是一家规模相当大的芯片制造商,此前属于AMD。据了解,英特尔确实向这家公司提出了收购要约,但最终被GlobalFoundries的所属方也就是阿布扎比政府下的投资部门Mubadala Investment拒绝,后者决定选择进行IPO上市。GlobalFoundries现在已经在美国纳斯达克挂牌交易,市值约300亿美元。
Tower同样也在美国纳斯达克上市了,虽然业务规模稍小一些,但是重点领域相当广泛,主要为汽车、消费品、医疗、工业设备提供半导体,在美国加州、德克萨斯州、以色列、意大利和日本都设有生产基地,总部位于以色列的Migdal HaEmek。
Constellation Research分析师Holger Mueller认为,如果之前尚不清楚英特尔面临产能不足这一严峻挑战的话,那么今天的新闻就很好地证明了这一点。
Mueller说:“‘老’英特尔会对收购二手工厂嗤之以鼻,因为以前英特尔一度坚持认为任何晶圆厂都应该是英特尔自己设计的,从一开始就应该遵循严格的规范。Pat Gelsinger领导下的新英特尔正被迫变得更有创意,正如它意图收购Tower所表明的那样,英特尔的不利之处在于,获得芯片产能的代价是非常高昂的。”
Pund-IT分析师Charles King表示,英特尔将支付高额溢价,这是显而易见的,但英特尔也许认为这是物有所值的,因为这不仅会让英特尔直接获得额外的生产能力,而且还会获得在制造、工业和移动等关键领域的现有客户。”
他解释说:“英特尔深知要扩大产能和提高生产质量,而且完成速度要比构建全新晶圆厂更快。从本质上讲,这次收购将为英特尔在制造领域提供宝贵的喘息空间,并在制定长期战略计划方面站稳脚跟。总体而言,这看起来是一笔可靠且明智的交易,成本仅为当时报道称300亿美元收购GlobalFoundries的很小一部分。”
此前英特尔已经宣布计划投资约200亿美元在位于美国俄亥俄州的现有工厂增加新的芯片产能。英特尔首席执行官Pat Gelsinger表示,额外产能将在2025年投入使用,俄亥俄州的工厂最终可能会扩大到可容纳8个晶圆工厂,不过这需要花费约1000亿美元。
总体而言,英特尔目前已经承诺在全球范围内进行1000多亿美元的投资以打造自身的芯片制造能力,未来还将增加欧洲等站点。
好文章,需要你的鼓励
新加坡国立大学研究团队开发了名为IEAP的图像编辑框架,它通过将复杂编辑指令分解为简单原子操作序列解决了当前AI图像编辑的核心难题。研究发现当前模型在处理不改变图像布局的简单编辑时表现出色,但在需要改变图像结构时效果差。IEAP框架定义了五种基本操作,并利用思维链推理技术智能分解用户指令,实验证明其性能显著超越现有方法,尤其在处理复杂多步骤编辑时。
Character AI的研究者开发出TalkingMachines系统,通过自回归扩散模型实现实时音频驱动视频生成。研究将预训练视频模型转变为能进行FaceTime风格对话的虚拟形象系统。核心创新包括:将18B参数的图像到视频DiT模型改造为音频驱动系统、通过蒸馏实现无错误累积的无限长视频生成、优化工程设计降低延迟。系统可让多种风格的虚拟角色与人进行自然对话,嘴型与语音同步,为实时数字人交互技术开辟了新可能。
这项由中国人民大学高瓴人工智能学院研究团队发表的研究解决了大语言模型评判中的自我偏好问题。研究提出了DBG分数,通过比较模型给自身回答的分数与黄金判断的差异来测量偏好度,有效分离了回答质量与自我偏好偏差。实验发现,预训练和后训练模型都存在自我偏好,但大模型比小模型偏好度更低;调整回答风格和使用相同数据训练不同模型可减轻偏好。研究还从注意力分析角度揭示了自我偏好的潜在机制,为提高AI评判客观性提供了重要指导。
这篇研究提出了DenseDPO,一种改进视频生成模型的新方法,通过三大创新解决了传统方法中的"静态偏好"问题:使用结构相似的视频对进行比较,采集细粒度的时序偏好标注,并利用现有视觉语言模型自动标注。实验表明,DenseDPO不仅保留了视频的动态性,还在视觉质量方面与传统方法相当,同时大大提高了数据效率。这项技术有望推动AI生成更加自然、动态的视频内容。