由于存储芯片价格急剧下降,2023年全球半导体市场收入下降11%至5330亿美元。
这使得英特尔重新成为全球收入最高的半导体供应商,超过了一年前排名第一的三星电子。Nvidia的排名也取得了令人印象深刻的攀升,首次进入前五名。
近日,Gartner的2023年十大半导体厂商收入报告公布了这些数据,报告显示,Nvidia当年的销售额超过150亿美元,同比增长56%。相比之下,严重依赖存储芯片销售的三星公司,其收入较上年下降了37%,落后于同样出现两位数降幅的英特尔。
Gartner副总裁分析师Alan Priestley表示,收入下降是半导体行业周期性的结果,需求根据各种市场力量的变化而变化。Priestley表示,去年对半导体行业来说是特别困难的一年,存储芯片收入是“历史上最糟糕的十年”。
他补充说:“表现不佳的市场也对多家半导体厂商产生了负面影响,2023年排名前25的半导体厂商中,只有9家厂商实现了收入增长,其中10家厂商出现了两位数的下降。”
存储芯片领域的收入大幅下降并不令人感到奇怪,因为存储芯片市场的主要厂商去年都开始削减产量,以阻止价格大幅下跌。芯片制造商都遭受了需求低迷的影响,因为他们的客户试图转移因新冠疫情期间出现的短缺而积压的大量库存。结果就是,他们减少了产能,试图提高他们能够销售的、少数产品的价格。
遗憾的是,这一策略给三星和SK海力士等主要存储芯片制造商带来了一些短期痛苦,这两家厂商的收入分别下降了37.5%和32.1%。
有人认为,如果这些厂商保持生产运营全速运转,以便从规模经济中受益,他们的表现可能会更好。毕竟,如果价格进一步下跌,客户可能会忍不住囤积更多库存,以利用成本较低的机会。然而,三星和SK海力士似乎都注意到了这一点,有报道称他们可能很快会再次扩大生产。
总体来看,存储芯片细分市场的收入同比下降了37%。Gartner表示,这是迄今为止对半导体行业的最大拖累,因为那些不生产存储芯片的芯片制造商的平均收入下滑了3%。
英特尔就是其中之一。英特尔在2022年退出存储芯片业务,尽管去年营收仍下降16.7%,但仍能超越了三星,重新成为全球最大芯片制造商。
然而,没有哪家厂商的表现能及Nvidia,如今Nvidia已经成为了人工智能市场的宠儿,其增长速度比科技行业中的任何其他板块都要快。Nvidia的GPU被广泛视为支持AI训练和推理工作负载的最佳芯片,这推动Nvidia的总收入从第12位提升到第5位。
市场对Nvidia的芯片需求量如此之大,以至于Nvidia正在努力满足客户的订单,这可能会对AMD等竞争对手有所帮助。去年,AMD推出了一款竞品的AI芯片,据称该芯片的性能和Nvidia最强大的GPU芯片一样好。AMD在2023年的总体排名中位列第七,与一年前一样,不过收入下降了5.6%。
智能手机芯片制造商高通公司的收入下降了16.6%,但仍稳居第三位,而自称受益于汽车芯片销量增长的博通公司则从第六位上升至第四位,去年收入增长了7.2%。
意法半导体(STMicroelectronics)也因其稳步攀升而值得一提。去年,该公司的收入增长了7.7%,从去年的第11位上升到整体排名第8位。
好文章,需要你的鼓励
DeepResearchGym是一个创新的开源评估框架,专为深度研究系统设计,旨在解决当前依赖商业搜索API带来的透明度和可重复性挑战。该系统由卡内基梅隆大学研究团队开发,结合了基于ClueWeb22和FineWeb大型网络语料库的可重复搜索API与严格的评估协议。实验表明,使用DeepResearchGym的系统性能与使用商业API相当,且在评估指标间保持一致性。人类评估进一步证实了自动评估协议与人类偏好的一致性,验证了该框架评估深度研究系统的有效性。
这项研究介绍了FinTagging,首个面向大型语言模型的全面财务信息提取与结构化基准测试。不同于传统方法,它将XBRL标记分解为数值识别和概念链接两个子任务,能同时处理文本和表格数据。在零样本测试中,DeepSeek-V3和GPT-4o表现最佳,但在细粒度概念对齐方面仍面临挑战,揭示了当前大语言模型在自动化XBRL标记领域的局限性,为金融AI发展提供了新方向。
这项研究介绍了SweEval,一个新型基准测试,用于评估大型语言模型在企业环境中处理脏话的能力。研究团队从Oracle AI等多家机构的专家创建了一个包含八种语言的测试集,模拟不同语调和上下文的真实场景。实验结果显示,LLM在英语中较少使用脏话,但在印地语等低资源语言中更易受影响。研究还发现较大模型通常表现更好,且多语言模型如Llama系列在处理不当提示方面优于其他模型。这项工作对企业采用AI技术时的安全考量提供了重要参考。
这项研究提出了"VeriFree"——一种不需要验证器的方法,可以增强大型语言模型(LLM)的通用推理能力。传统方法如DeepSeek-R1-Zero需要验证答案正确性,限制了其在数学和编程以外领域的应用。VeriFree巧妙地计算正确答案在模型生成的推理过程后出现的概率,作为评估和训练信号。实验表明,这种方法不仅能匹配甚至超越基于验证器的方法,还大幅降低了计算资源需求,同时消除了"奖励黑客"问题。这一突破将有助于开发出在化学、医疗、法律等广泛领域具有更强推理能力的AI系统。