据报道,作为全球最大的芯片制造商之一,英特尔已经向客户发出通知,称计划在今年晚些时候提高计算机处理器和其他芯片的价格。
《日经亚洲》今天的报道援引“三位直接知悉英特尔计划的行业高管”的话说,价格上涨主要归咎于芯片生产成本的上升。目前英特尔正面临电力、原材料、运输和劳动力成本增加的四重压力,除此之外,通货膨胀也正在削弱英特尔的盈利能力。
因此,英特尔将提高几乎所有产品的价格,包括个人电脑和数据中心服务器的芯片、Wi-Fi芯片和各种类型的控制器。据说价格上涨会因产品而异,大多数产品上涨10%至20%。
The Register的一篇报道澄清说,价格上涨可能会发生在10月份,涨价的产品包括英特尔用于台式电脑和笔记本电脑的旗舰CPU,也是最好的游戏芯片。服务器芯片也将变得更加昂贵,而这一举措很可能对服务器厂商产生重大影响,甚至可能对通常一次购买数千个处理器的超大规模数据中心运营商带来重大影响。
价格上涨并不令人意外。英特尔首席执行官Pat Gelsinger在公司最近发布的财报中表示,“将重新组合产品到更高的价位点”,而首席财务官Dave Zimmer表示,英特尔将“在某些细分市场有针对性地价格上涨”。
英特尔最大的竞争对手之一台积电也警告称,将从明年初开始提价。
上周彭博社报道称,半导体行业的主要供应商日本化学公司Showa Denko已经向客户发出警告称价格即将上涨。Showa Denko是一家主要的化学品和气体供应商,这些材料被半导体制造业用于制造硅晶片和蚀刻工艺以进一步生产芯片,因此任何风吹草动都有可能会对芯片价格产生连锁反应。
Constellation Research分析师Holger Mueller认为,这种价格上涨对于芯片行业来说是罕见的,通常芯片行业会通过技术创新来创造溢价,然后随着技术的成熟,价格虽然缓慢但肯定会下降。
由于英特尔的CPU被大部分客户端电脑、嵌入式系统、服务器等产品采用,因此大幅提价可能会对整个行业产生重大影响。AMD、Nvidia、Marvell等竞争对手也是否会涨价,还有待观察。有分析师表示,这些厂商可能会倾向于维持当前价格以抢占更多市场份额,或者在不担心失去任何客户的情况下提高价格。
Mueller表示:“我们期待看看英特尔的竞争对手是否会效仿,如果他们不这样做,我们可能会看到芯片市场出现替代性的机会。当然,最大的问题是,英特尔还有选择吗?”
英特尔此举的时机很微妙。价格上涨之际,半导体行业在经历了始于疫情长达数年的繁荣之后似乎正走向放缓。经济疲软意味着一些芯片(如GPU)经历了两年多的全行业短缺之后,现在已经变得很容易买到。因此,和英特尔此举相反的是,一些GPU厂商实际上已经在降价了。
Pund-IT分析师Charles King表示,最大的未知数是价格上涨、以及通货膨胀和对经济衰退的担忧,将如何影响市场对服务器和个人电脑等产品的采购,过去,非必需品和消费产品受到的打击总是要比关键业务技术大得多。
King说:“我预计类似的情况可能会继续上演,但GPU除外,GPU正在受到大量新产品和旧产品过剩的影响。这种情况有点类似于互联网泡沫破灭期,当时市场充斥着来自过度配置和失败企业的二手服务器,导致系统厂商陷入极度痛苦的境地。”
最重要的是,包括英特尔在内的所有制造商都极力地在制造和材料成本以及必要的利润之间保持平衡。“如果材料或者生产成本上涨,那么最终客户不得不以这样或者那样的方式为此买单。”
据称,英特尔将于7月28日公布第二季度财报,届时可能会透露更多有关该计划的信息。
好文章,需要你的鼓励
机器人和自动化工具已成为云环境中最大的安全威胁,网络犯罪分子率先应用自动化决策来窃取凭证和执行恶意活动。自动化攻击显著缩短了攻击者驻留时间,从传统的数天减少到5分钟内即可完成数据泄露。随着大语言模型的发展,"黑客机器人"将变得更加先进。企业面临AI快速采用压力,但多数组织错误地关注模型本身而非基础设施安全。解决方案是将AI工作负载视为普通云工作负载,应用运行时安全最佳实践。
MBZUAI研究团队发布了史上最大的开源数学训练数据集MegaMath,包含3716亿个Token,是现有开源数学数据集的数十倍。该数据集通过创新的数据处理技术,从网页、代码库和AI合成等多个来源收集高质量数学内容。实验显示,使用MegaMath训练的AI模型在数学推理任务上性能显著提升,为AI数学能力发展提供了强大支撑。
面对心理健康专业人士短缺问题,谷歌、麦肯锡和加拿大重大挑战组织联合发布《心理健康与AI现场指南》,提出利用AI辅助任务分担模式。该指南构建了包含项目适应、人员选择、培训、分配、干预和完成六个阶段的任务分担模型,AI可在候选人筛选、培训定制、客户匹配、预约调度和治疗建议等环节发挥作用。该方法通过将部分治疗任务分配给经过培训的非专业人员,并运用AI进行管理支持,有望缓解治疗服务供需失衡问题。
这项由多个知名机构联合开展的研究揭示了AI系统的"隐形思维"——潜在推理。不同于传统的链式思维推理,潜在推理在AI内部连续空间中进行,不受语言表达限制,信息处理能力提升约2700倍。研究将其分为垂直递归和水平递归两类,前者通过重复处理增加思考深度,后者通过状态演化扩展记忆容量。