芯片厂商今天发布第一季度财报,同时公布了低于预期水平的第二季度指引,导致股价在今天盘后交易中下跌超过4%。
第一季度英特尔的净收入为81亿美元,不计入股票补偿等成本之后的每股收益为87美分,收入为183.5亿美元,同比减少7%,这一业绩高于此前华尔街预期的每股收益81美分,收入183.1亿美元。
不过英特尔给出了比市场预期更为谨慎的指引,预计第二季度的每股收益为70美分,收入为180亿美元,略低于分析师此前预期的每股收益83美分,收入183.8亿美元。
这导致英特尔股价在常规交易时段上涨3.5%之后,盘后出现了下滑。
分析师Patrick Moorhead表示:“英特尔在收入、收益和毛利率方面都超过了预期,但是给出了较弱的第二季度预期。虽然英特尔仍然维持对全年的指引水平,但是我认为市场对此是持怀疑态度的。”
英特尔公司首席执行官Pat Gelsinger在一份声明中表示,该财年英特尔开局良好,但在与分析师的电话会议中他警告称,“至少到2024年之前,行业将继续面临容量和工具可用性等方面的挑战。”
第一季度英特尔也遇到了类似的挑战,客户端计算业务集团(包括个人电脑芯片)该季度的销售额为92.9亿美元,同比减少13%,低于市场普遍预期的94.2亿美元。研究公司Gartner最近表示,该季度PC出货量下降了6.8%,不过微软周二称看到了商用PC市场发展势头强劲。
英特尔表示,消费者和教育领域对软件的需求,使得该季度台式电脑和笔记本电脑芯片的销售额有所下滑。苹果也已经转向采用自主研发了PC处理器。据报道,设备制造商一直在减少库存以应对需求的疲软。
英特尔报告称,由于向下一代芯片架构的过渡以及英特尔进行的各项其他投资,使得客户端计算部门的营业利润率也从40%下降至30%。
英特尔最新成立的业务部门——数据中心和AI部门(其中包括服务器芯片、某些类型的加速器、内存芯片和FPGA)——收入增长22%,达到60.3亿美元。英特尔表示,这主要是因为大型云计算提供商和大型企业等超大规模数据中心运营方的旺盛需求推动的。
在业务面临挑战之际,英特尔表示,下一代Granite Rapids服务器芯片将于2024年(而不是2023年)发布。英特尔还透露了将以54亿美元收购以色列芯片代工厂Tower Semiconductor计划,以及将在美国俄亥俄州和德国建立新的芯片工厂。最后,英特尔宣布聘请前美光财务主管David Zinsner担任信任首席财务官。
Gelsinger在今天的电话会议上表示,英特尔的Sapphire Rapids服务器芯片将比2019年推出的上一代Ice Lake芯片“速度显著提高”,他还说,每个超大规模数据中心运营商都在等待这款新芯片的上市。
Zinsner表示,尽管库存挑战将持续到第二季度,但是隧道尽头总有曙光,这一难题将会在今年下半年有所缓解。
好文章,需要你的鼓励
zip2zip是一项创新技术,通过引入动态自适应词汇表,让大语言模型在推理时能够自动组合常用词组,显著提高处理效率。由EPFL等机构研究团队开发的这一方法,基于LZW压缩算法,允许模型即时创建和使用"超级tokens",将输入和输出序列长度减少20-60%,大幅提升推理速度。实验表明,现有模型只需10个GPU小时的微调即可适配此框架,在保持基本性能的同时显著降低计算成本和响应时间,特别适用于专业领域和多语言场景。
这项研究创新性地利用大语言模型(LLM)代替人类标注者,创建了PARADEHATE数据集,用于仇恨言论的无毒化转换。研究团队首先验证LLM在无毒化任务中表现可与人类媲美,随后构建了包含8000多对仇恨/非仇恨文本的平行数据集。评估显示,在PARADEHATE上微调的模型如BART在风格准确性、内容保留和流畅性方面表现优异,证明LLM生成的数据可作为人工标注的高效替代方案,为创建更安全、更具包容性的在线环境提供了新途径。
这项研究由中国科学技术大学的研究团队提出了Pro3D-Editor,一种新型3D编辑框架,通过"渐进式视角"范式解决了现有3D编辑方法中的视角不一致问题。传统方法要么随机选择视角迭代编辑,要么同时编辑多个固定视角,都忽视了不同编辑任务对应不同的"编辑显著性视角"。Pro3D-Editor包含三个核心模块:主视角采样器自动选择最适合编辑的视角,关键视角渲染器通过创新的MoVE-LoRA技术将编辑信息传递到其他视角,全视角精修器修复并优化最终3D模型。实验证明该方法在编辑质量和准确性方面显著优于现有技术。
这项研究提出了ComposeAnything,一个无需重新训练的框架,可显著提升AI图像生成模型处理复杂空间关系的能力。该技术由INRIA、巴黎高师和CNRS的研究团队开发,通过三个创新步骤工作:首先利用大型语言模型创建包含深度信息的2.5D语义布局,然后生成粗略的场景合成图作为先验指导,最后通过物体先验强化和空间控制去噪引导扩散过程。在T2I-CompBench和NSR-1K基准测试中,该方法远超现有技术,特别是在处理复杂空间关系和多物体场景时表现卓越,为AI辅助创意设计开辟新可能。