这项IDM 2.0战略,也许正是芯片巨头长久规划的延续
英特尔已经制定详细计划,决定将旗下半导体代工部门与自家芯片产品设计团队区分开来。公司CEO Pat Gelsinger希望通过这项集成设备制造2.0(IDM 2.0)战略,推动英特尔重归复兴之路。

在发给全体英特尔员工的声明中,Gelsinger概述了公司内部的代工模式,希望英特尔芯片生产设施能够一边根据生产合同为外部客户提供服务,一边支撑企业内部的产品线制造。
为了监督这一过程,Gelsinger表示还设立了IDM 2.0加速办公室(IAO),由英特尔集团规划部(CPG)高级副总裁Stuart Pann领导。Pann将以首席业务转型官的角色加入高管团队,并向英特尔CFO Dave Zinsner汇报工作。
Gelsinger去年回归英特尔后不久,即提出了IDM 2.0战略。其中一条希望英特尔提升灵活水平,转向制造模块化产品,这里指的可能是与其他代工厂合作以外包一部分产品元件。另外一条则提到,英特尔也可使用代工厂为外部客户制造芯片。
在声明中,Gelsinger表示作为转型工作的重要环节,英特尔公司已经在制程工艺与产能方面取得了“重大进展”,宣称英特尔有望在四年内顺利交付五种工艺节点,同时投资设施建设以满足行业对于半导体产能的需求。
他解释道,“我们这段IDM 2.0旅程的下一阶段,需要从根本上扭转思维方式。我们必须采用内部代工模式,这不仅是为了践行对外部客户的承诺,更是为了保障英特尔自身的产品线。”
Gelsinger承认,实施内部代工模式可能需要对公司进行一系列重组,借此在英特尔的各业务部门、设计与制造团队之间建立起统一的流程、系统和护栏。而且通过重组,英特尔还需要保证内部产品与代工服务客户的外部产品拥有相似的制造基础。
这项新政铺开之后,设计和制造团队将像独立实体那样分别行动、自负盈亏。Gelsinger介绍称,如果业务部门和设计团队想要推动额外的产品升级,就要考虑到这些变动对于利润率的潜在影响。而制造团队也能根据成本与产能影响来评估请求是否合理。
他指出,“这样英特尔的财务执行流程将更加透明,使我们能够全面衡量并推动自身获得一流代工效能。”
Gartner公司副总裁分析师Alan Priestley在采访中表示,英特尔似乎打算正式将芯片代工业务与自家产品制造业务统一起来。
Priestley解释道,“读了英特尔的公告,我的理解就是他们希望建立起新的代工业务,而且能够以履行商业合同的同一套制造设施更多服务于自家产品生产。”
英特尔已经拥有了英特尔代工服务(IFS)业务,但这部分设施单纯为外部客户服务。Gelsinger似乎想要做出扩展,让IFS能同时以合同方式为内、外部客户提供代工支持。
如果英特尔真心想要发展成一家成功的代工服务公司、专心为其他企业生产芯片,那团队之间就不可避免要出现切割。只有这样,他们才能既确保内部产品团队随时可以获得半导体生产线的使用权,又向外部客户保证可以放心把芯片设计IP交到英特尔手中。
来自中国台湾的专业智能手机与无线通信芯片处理器厂商联发科,目前已经成为英特尔代工服务的客户。不过还不清楚英特尔具体将从何时起为联发科制造芯片。
今年早些时候,英伟达也表示正考虑利用英特尔代工服务生产部分芯片,借此扩大芯片供应能力。GPU巨头的大部分产品主要由台积电负责制造,而台积电是目前全球最大的半导体代工制造商。
英特尔建立内部代工模式的决定,也引发了其未来是否可能进一步做业务拆分,将半导体制造设施作为独立运营实体的猜想。
Priestley认为,“英特尔最终可能分为两个不同部门,其一负责芯片设计,其二负责芯片制造。只要后续决定将公司一分为二,这种明确区分就完全可行。”
虽然英特尔没有对此做任何说明,但其老牌竞争厂商AMD在十多年前就做出过尝试,最终诞生出了GlobalFoundries、也让AMD成为一家无晶圆厂设计企业。
Gelsinger在声明中总结道,“采用内部代工模式,将使我们拥有更具竞争力的成本结构和可预测的领先产品迭代速度。”作为重振公司命运的重要举措,英特尔将定期发布相关更新消息。
好文章,需要你的鼓励
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。