在放弃了McAfee和Wind River之后,x86芯片巨头如今正重建自己的商业软件体系
除了大力重振芯片业务之外,英特尔最近又打算重拾前几年遭遇失败的软件业务,希望第二次冲击这片竞争激烈的战场。
过去几个月中,英特尔CEO Pat Gelsinger已经明确介绍了公司对于软件业务的高度关注。据报道,这位CEO在今年5月表示,英特尔遗憾错过了不少能够将云计算基础技术转化成资金收益的好机会。
这家芯片制造商去年的软件收入超过1亿美元,Gelsinger则希望能够内部原研或收购进一步充实软件阵容,在今年内将这一收入再拉高50%。他明确表示,希望能在未来开展更多软件收购,且将重点关注软件即服务类产品供应商。
与英特尔约700亿美元的年收入相比,软件业务收益几乎可以忽略不计。但Gelsinger认为,商业软件将帮助英特尔芯片及硬件平台获得更强的市场吸引力,进而带来“远超直接收入比例的商业收益”。
但对一些人来说,英特尔此次努力重建软件业务,似乎是打算想给近年来芯片发展的失利找条退路。在渡过这段危险期后,英特尔有望在2025年之前再度凭借芯片技术超越亚洲芯片巨头台积电和三星,振兴自己的芯片代工业务。
咨询公司D2D Advisory分析师Jay Goldberg在采访中表示,“英特尔在制程工艺、制造技术等方面正面临着关乎存亡的考验。他们必须先解决这个头号难题,除此之外的任何事情只会分散其精力。”
而且必须承认,英特尔在过去这十年中已经尝试过推动商业软件业务,结果实在乏善可陈。
Goldberg所指的,自然是英特尔当初买下反病毒软件巨头McAfee和工业操作系统供应商Wind River的时期,这也是其最引人注目的商业软件探索阶段。
英特尔于2011年以76.8亿美元价格收购了McAfee,并承诺会将McAfee软件“深度”集成进自家芯片,借此“为我们的平台增加实质性价值”。2009年针对谷歌及其他西方企业集团的“极光行动”网络攻击之下,英特尔意识到安全应该被视为优先级更高的事务。
分析师Jack Gold表示,问题在于英特尔当时缺乏管理层的指导,所以并没能尽快将McAfee的安全技术集成至芯片当中。这反过来又削弱了英特尔利用软件提振芯片销售的目标。
“我记得当时,他们自己对那两年的结果也很沮丧。「你们买了McAfee,他们的安全储备可不弱,会对英特尔的芯片产生哪些影响?」他们的回答永远是「再等等,就快来了……就快来了……」但那一天始终没有来到。”
这个时代最终于2016年结束,英特尔将McAfee的多数股权出售给了私募股权公司,当时该公司的估值只剩下42亿美元。
Gold认为,这种关注缺失同样导致英特尔在Wind River身上折戟沉沙。
英特尔在2009年以8.84亿美元收购了这家工业软件供应商,希望加强自身的嵌入式芯片业务。但情况跟McAfee类似:Wind River始终是家“自成一体的企业”,“英特尔根本不知道该如何管理一家软件企业”。
Gold补充道,“软件企业需要的一位软件领导者,一位知道如何打理软件业务的首脑。这跟硬件管理有很大区别,连基本心态都完全不一样。”
在英特尔治下,Wind River也面临着自己的问题。在2018年芯片巨头将其抛售给私募股权公司后不久,时任Wind River CEO的Jim Douglas告诉记者,由于英特尔单纯专注于芯片业务,自己的业务增长“受到阻碍”:
如果单从投资回报的角度看,再结合英特尔自身的利润结构和芯片扩展能力,把钱花在芯片而非软件身上确实更具财务意义、也完全合乎逻辑。但从我们独立实体的身份出发,这种现实也让我们的业务增长目标受到阻碍。
英特尔抛售McAfee已经过去六年,放弃Wind River也已经是四年前的事了。有人认为,这次芯片巨头的商业软件推动方针可能会有所不同,具体原因有以下几点。
从更宏观的角度来看,英特尔在如何集成组件、系统及软件,并将成果出售给企业及其他商业最终用户方面,也出现了显著的观点变化。
过去几年,英特尔不再把大部分难题留给合作伙伴和最终用户,而开始在片上系统和最终用户软件的验证和优化方面,发挥越来越大的作用。此外,芯片巨头在编译器、固件和BIOS软件方面也都有所建树。
Gold表示,“从这些信息来看,单凭出色的芯片技术还不够,更需要建立起能够支持最终用户的完整解决方案。”
另一个重大变化,则是Gelsinger在去年的回归。Gelsinger职业生涯的前30年,都是在英特尔公司度过的;之后,他在存储供应商EMC工作了几年,又前往虚拟化软件巨头VMware担任了近九年高管职务。
此外,英特尔软件与高级技术部门的Greg Lavender也带来了最顶尖的软硬件经验组合。此前,Lavender曾担任花旗银行CTO,后来在VMware以CTO身份与Gelsinger合作。
对Gold而言,Gelsinger和Lavender不仅为英特尔带来了真正的软件经验,同时也给最终用户提供了真实体验。虽然二人在VMware时主要负责服务最终用户,但Lavender在花旗银行时也曾站在最终用户的立场,所以更能理解实际需求。
Gold解释道,“所以Lavender对英特尔的技术储备有着不同的看法,他赞赏伟大的英特尔工程师和技术成果。但他同时也会表达最终用户的观点,并强调如果不能站在最终用户的角度看问题,产品就不可能在市场上受到欢迎。”
对于英特尔在商业软件方面的探索,这家芯片制造商决定将赌注分散在更广泛的产品线上,具体涵盖个人电脑、数据中心部门以及新兴的人工智能(AI)业务。英特尔公司希望借这些新举措,成功提振芯片销量。
Gelsinger在今年5月时曾表示,“我们将推出广泛的SaaS方案以拉动芯片差异化。背后的思路并不复杂,就是芯片加配套软件。”
大多数此类产品和服务是为商业组织所设计的,其中唯一的例外可能就是Endgame项目了。这是一项仍在开发的云游戏服务,将负责为英特尔全新Arc GPU创造市场需求。当然,英特尔可能也愿意把Endgame项目出售给打算自行提供服务的组织,毕竟该项目本身就来自一家初创公司。
但即使是以商业为重点,潜在客户仍会分为多种不同类型。而且大多数情况下,业务重点将放在为他人提供软件服务和产品的受众身上。
Gold表示,“英特尔的软件销售实际将更关注软件开发者,而非直接交付成品。”这与McAfee当初的经历完全不同。
例如,英特尔将Amber项目定位为远程验证SaaS产品,旨在提高云服务商的安全性;而SigOpt则为AI模型及模拟开发商提供优化软件。
英特尔也提供商业软件产品,主要面向那些需要服务商帮助优化并管理跨多种数据中心基础设施的企业。具体产品包括托管AI服务Cnvrg.io和云优化服务Granulate。
英特尔软件部门负责人Lavender将这些新的产品和服务,定义为建立在芯片制造商框架、工具和库之上的“市场开拓性技术”,英特尔的oneAPI统一编程模型也属于其中之一。
在Technalysis Research公司分析师Bob O’Donnell看来,这些新的尝试属于英特尔过往软件支持业务的延伸。
他在采访中表示,“英特尔其实一直很擅长经营这类业务:让他人能够更好地利用英特尔平台、更好地发挥芯片中的功能设计。”
例如,英特尔代表最近讨论了该公司使用Granulate云优化软件,凸显自家处理器优势及功能特性的计划。
令人意外的是,英特尔甚至愿意把少部分商业软件运行在竞争对手制造的处理器之上,包括Granulate和Cnvrg.io。
这似乎跟英特尔拉升芯片销量的目标背道而驰,但我们认为从长远来看,这种开放战略对英特尔公司也许更加有利。因为这将使得英特尔与其他组织保持长期合作关系,逐步拓展出更多新芯片销售空间。
目前最大的问题在于,英特尔能否说服足够多的组织相信这些软件产品确实物有所值。
O’Donnell总结道,“如果他们能够证明软件产品的价值,特别是能提供一些有益于用户平台的功能,那我认为客户应该会愿意掏钱。所以问题就变成了,英特尔要如何开发出这些功能、如何定义产品线、如何定价,又如何将产品推向市场。”
好文章,需要你的鼓励
这项研究提出了ORV(占用中心机器人视频生成)框架,利用4D语义占用作为中间表示来生成高质量的机器人操作视频。与传统方法相比,ORV能提供更精确的语义和几何指导,实现更高的时间一致性和控制精度。该框架还支持多视角视频生成(ORV-MV)和模拟到真实的转换(ORV-S2R),有效弥合了虚拟与现实之间的差距。实验结果表明,ORV在多个数据集上的表现始终优于现有方法,为机器人学习和模拟提供了强大工具。
这项研究由Writer公司团队开发的"反思、重试、奖励"机制,通过强化学习教导大型语言模型生成更有效的自我反思内容。当模型回答错误时,它会生成反思并二次尝试,若成功则奖励反思过程。实验表明,该方法在函数调用和数学方程解题上带来显著提升,最高分别改善18.1%和34.7%。令人惊讶的是,经训练的小模型甚至超越了同家族10倍大的模型,且几乎不存在灾难性遗忘问题。这种自我改进技术为资源受限环境下的AI应用开辟了新方向。
FuseLIP是一项突破性研究,提出了通过早期融合离散标记实现多模态嵌入的新方法。与传统CLIP模型使用独立编码器不同,FuseLIP采用单一编码器同时处理图像和文本标记,实现了更自然的模态交互。研究证明,这种早期融合方法在多种多模态任务上表现优异,特别是在需要理解图像结构而非仅语义内容的任务上。研究还开发了创新的数据集和评估任务,为多模态嵌入研究提供了宝贵资源。
ByteDance与浙江大学合作开发的MERIT是首个专为多语言多条件语义检索设计的基准数据集,包含320,000条跨5种语言的查询和135,000个产品。研究发现现有模型在处理多条件查询时过度关注全局语义而忽略特定条件元素,为此提出CORAL框架,通过嵌入重建和对比学习相结合的方式,使检索性能提升45.9%。这项研究不仅识别了现有方法的关键局限性,还为多条件交错语义检索领域的未来研究奠定了基础。