近日,英特尔发布第三季度财报,盈利和收入均超出预期,但是给出的全财年盈利指引低于预期水平,之后英格尔承诺将削减成本高达100亿美元的同时提高效率,推动英特尔股价在盘后交易中上涨超过5%。
第三季度英特尔的每股收益为59美分,远高于华尔街预期的每股32美分。该季度收入为153.4亿美元,下滑15%,但略高于预期的152.5亿美元。净利润为10.2亿美元,低于去年同期的68.2亿美元利润。
英特尔首席执行官Pat Gelsinger(如图)在电话会议上表示,英特尔正在为即将持续到2023年的经济不确定性制定计划。英特尔首席财务官David Zinsner补充说,英特尔认为“出现全球经济衰退是有可能的”。
鉴于预期的各种不利因素,英特尔表示,公司的目标是在2023年之前将销售成本和运营费用降低约30亿美元,而且这项成本削减计划将持续多年,在2025年底之前削减80亿至100亿美元。本月早些时候有报道称,英特尔计划裁员数千人,以达到降低成本的目的。几天后,据美国《俄勒冈人报》报道,英特尔已经向员工发出警告,削减成本的措施正在进行中。
Gelsinger在电话会议上告诉分析师说:“这其中将包括优化员工人数的措施,”他的这一说法显然证实了之前的报道。“这些都是影响我们英特尔家族忠诚度的艰难决定。”
就在这些公告发出之前,英特尔公布了喜忧参半的财报结果。英特尔的客户端计算业务(包括个人电脑芯片的销售)该季度的收入为81.2亿美元,同比减少17%,但高于市场普遍预期的75.8亿美元。根据市场研究公司Gartner最近的一份报告显示,该季度PC出货量下滑了近20%。
在整个新冠疫情期间由于人们转向远程办公模式,使得PC销量出现增长,但是随着复工复产,这一逐渐减少。英特尔表示,这个趋势在消费PC和教育PC市场最为明显,设备制造商正在努力减少库存。
英特尔的数据中心和人工智能部门(包括服务器芯片、内存芯片和FPGA的销售)该季度的收入为42.1亿美元,下滑了27%,低于市场普遍预期的46.7亿美元。Gelsinger表示,数据中心业务主要受到中国市场疲软迹象以及“一部分(并非全部)云客户”的影响。
英特尔的网络和边缘业务(包括网络芯片)该季度收入22.7亿美元,同比增长14%,略低于华尔街预期的24亿美元。
Moor Insights & Strategy分析师Patrick Moorhead认为,英特尔出人意料地打破了对收益的预期,但真正触动投资者的是成本削减计划。他说:“华尔街喜欢降低成本和裁员,这就是盘后股价上涨的原因。英特尔正在执行他们的战略,但个人电脑市场正在下滑,因此需要从其他方面着手。英特尔刚刚开始大批量出货最新的服务器平台,以更好地与AMD展开竞争。”
该季度,英特尔宣布在成为主要合同制造商、在代工厂为除了英特尔之外的其他公司制造芯片这一长期目标方面取得了重大进展。英特尔表示,台湾芯片制造商联发科公司(生产用于无线通信、高清电视、手持移动设备和导航系统的处理器)已经签约成为英特尔代工服务的客户,此外英特尔计划在美国俄亥俄州耗资200亿美元建造的新晶圆厂已经破土动工。
英特尔还举办了Intel Innovation年度创新大会,在大会上推出了用于台式电脑的下一代CPU和一系列新的开发工具。本周三,英特尔完成了对自动驾驶子公司Mobileye的部分剥离,在纳斯达克上市交易。英特尔于2017年收购了Mobileye,此次剥离之后英特尔将保持对Mobileye的控制权。
展望第四季度,英特尔预计每股收益约为20美分,收入在140亿美元至150亿美元之间,低于华尔街预期的每股收益66美分和收入162.7亿美元。
低于预期水平意味着英特尔不得不下调全年预测。英特尔表示,目前预期的全年每股收益为1.95美元,收入在630亿美元至640亿美元之间,低于三个月前预期的每股收益2.30美元和收入在650亿美元至680亿美元之间。而且这一预期意味着,收入与上一年相比下滑约20%。此前华尔街预期的全年每股收益为2.15美元,销售额为652.6亿美元。
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。