事实证明,英特尔在经济低迷时期所面临的困境,对芯片制造商来说尤其残酷。近日英特尔公布最新季度财报,收益和收入方面均未达到华尔街的目标,而且给出的指引也很疲软,导致英特尔股价在盘后交易中下跌超过9%。
该季度,英特尔在不计入股票补偿等特定成本之后的每股收益为10美分,远低于分析师预期的20美分。该季度的收入较上年同期下降32%,至140.4亿美元,低于普遍预期的144.5亿美元。
这是英特尔销售额连续第四个季度下滑,该季度净亏损6.64亿美元,与上年同期盈利46.2亿美元相比出现了惊人的逆转。
全年的情况也无法掩盖英特尔遭遇的麻烦。根据财报显示,年收入较2021财年下降20%,至631亿美元。全年每股收益为1.94美元,2021年每股收益为4.86美元。今年英特尔的净收入为80亿美元,不到一年前199亿美元的一半。
英特尔预测下个季度还会有面临更多的痛苦。英特尔给出的第一季度指引中,预计每股净亏损15美分,收入在105亿美元至115亿美元之间。相比之下,华尔街预测每股盈利24美分,收入139.3亿美元。
英特尔公司首席执行官Pat Gelsinger在电话会议上表示,鉴于“当前环境的不确定性”,英特尔不会提供任何全年指引。他补充说,英特尔今年上半年将面临“持续的经济逆风”。
深入分析英特尔的数据表明,目前英特尔在各个领域都举步维艰。客户端计算集团(包括个人电脑芯片)销售额为66.3亿美元,同比下降36%,低于华尔街估计的76.8亿美元。新冠疫情和远程办公趋势兴起期间,PC市场经历了几年的繁荣发展之后现在面临崩盘。
英特尔表示,消费者和教育市场对个人电脑的需求下降最为严重,客户一直在稳步减少库存。这一数字与Gartner最近的一份报告是相吻合的,该报告称,上一季度PC市场的下滑速度比20世纪90年代以来的任何时候都要快。
英特尔的数据中心和人工智能部门(包括服务器芯片、闪存和FPGA)表现稍好一些,收入为43亿美元,同比减少33%,略高于分析师普遍预期的41.7亿美元。
其他方面,英特尔网络和边缘业务(包括网络芯片)的收入为20.6亿美元,同比减少1%,低于华尔街预期的22.6亿美元。
Forrester Research分析师Glenn O'Donnell认为,英特尔的问题不能真正归咎于Gelsinger领导下的现任领导层。他说,经济状况严重影响了个人电脑、服务器和网络设备的购买,没有人能真正对此做任何事情。相反,英特尔的困境源于前任领导层缺乏对制造业的关注,这导致英特尔落后于台积电等竞争对手。
“为了重新获得在制造业的领先地位,英特尔需要投入大量资金,英特尔的资本支出冲击了短期财务业绩,但从长远来看会得到回报,不过眼下华尔街更关心下个季度,而不是未来几年。”
该季度,英特尔最终剥离了2017年以153亿美元收购的自动驾驶汽车芯片部门Mobileye。Mobileye Global作为新实体在纳斯达克交易所上市,不过英特尔仍会保留大多数的普通股投票权。Mobileye近日也发布了第四季度财报,出人意料地超出了分析师的预期。
为了阻止情况恶化,英特尔向分析师表示,英特尔已经选择将部分设备的使用寿命从五年延长至八年,此举将有助于将今年的毛利润提高约26亿美元。此前,英特尔在10月宣布了另外一项2023年节约数十亿美元成本的计划。周三,IBM也公布了一项类似的计划,延长部分设备的使用寿命,作为其自身成本削减措施的一部分。
尽管试图节省成本,英特尔本月表示将继续推进计划,开始德国马格德堡建设一座价值210亿美元的新芯片制造厂,部分资金由德国政府提供。
该季度英特尔唯一真正的亮点是在产品方面,英特尔终于宣布推出了推迟已久的第4代至强可扩展处理器。全新的英特尔至强CPU Max系列和英特尔数据中心GPU Max系列CPU主要针对人工智能、云、网络和超级计算工作负载,有望在数据中心性能和效率方面实现巨大的飞跃。
英特尔还推出了一款全新的台式机处理器英特尔酷睿i9-13900KS,据称是业界首款无需超频即可提供高达6 GHz频率的处理器。
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。