三星最新季度业绩未达预期,公司正努力进军利润丰厚的高带宽内存 (HBM) 市场。目前该市场由 SK 海力士领跑,美光科技紧随其后。
HBM 技术通过在中介层上堆叠 DRAM 层来制造内存产品,这些产品与 GPU 相连,相比 x86 处理器使用的插槽连接内存,能提供更快的带宽和更大的容量。HBM 内存比普通 DRAM 成本更高,随着 AI 应用的使用量增加,对高带宽 GPU 内存的需求也随之上升,这使得 SK 海力士和美光的收入大幅增长。去年 11 月,SK 海力士在其 12 层 HBM3e 内存芯片上增加了 4 层,使容量从 36GB 提升到 48GB,并计划于今年推出这款 16 层产品样品。更快的 HBM4 标准也将于今年推出,堆栈带宽约为 1.5 TBps,相比之下 HBM3e 的带宽为 1.2+ TBps。
三星公布的截至 12 月 31 日的季度初步数据显示,营收为 75 万亿韩元 (514 亿美元),同比增长 10.7%,但低于分析师预期;营业利润为 6.5 万亿韩元 (45 亿美元),低于预期的 8.96 万亿韩元 (61 亿美元),较上一季度下降 30%。
管理层表示:"我们第四季度的营业利润预计将显著低于市场预期。在发布完整业绩报告之前,我们提供这份说明以帮助理解业绩背后的关键因素并减少不确定性。"
"尽管传统 PC 和移动产品需求疲软,但内存业务收入在高密度产品强劲销售的推动下创下第四季度新高。然而,由于为确保未来技术领先地位而增加的研发支出,以及扩大先进技术生产能力的初期成本,内存业务的营业利润有所下降。"
集邦科技分析师 Eden Chung 向法新社表示,他认为三星代工业务面临多重挑战,包括"在先进制程中失去重要客户订单、某些产品逐渐停产,以及成熟制程领域复苏缓慢"。
HBM 芯片制造比传统 DRAM 更有利可图。一旦 GPU 市场领导者英伟达认证了制造商的 HBM 产品,销售就会起飞。三星在获得英伟达对其最新 HBM 芯片的认证方面落后于 SK 海力士和美光。去年 11 月,公司因应对内存芯片销售放缓而更换了半导体部门领导层,这是当年第二次高管重组。一个月前,公司曾承认陷入危机,并对其技术竞争力表示担忧。
移动手机内存需求相对疲软,中国国内 DRAM 供应商在当地市场占据越来越大的份额。
据路透社报道,英伟达 CEO 黄仁勋在 CES 展会上向记者表示,三星正在开发新的 HBM 芯片设计,他对三星在这个项目上取得成功充满信心。
好文章,需要你的鼓励
这项研究介绍了VisCoder,一个经过专门微调的大语言模型,用于生成可执行的Python可视化代码。研究团队创建了包含20万样本的VisCode-200K数据集,结合了可执行代码示例和多轮修正对话。在PandasPlotBench基准测试中,VisCoder显著优于同等规模的开源模型,甚至在某些方面超越了GPT-4o-mini。研究还引入了自我调试评估模式,证明了反馈驱动学习对提高代码可执行性和视觉准确性的重要性。
这项研究提出了"适应再连续学习"(ACL)框架,一种创新的方法解决预训练模型在连续学习中的稳定性-可塑性困境。通过在学习新任务前先对模型进行适应性调整,ACL使模型既能更好地学习新知识(提高可塑性),又能保留已有知识(维持稳定性)。实验证明,该框架能显著提升各种连续学习方法的性能,为解决人工智能系统中的"灾难性遗忘"问题提供了有效途径。
这篇研究首次关注了CLIP模型文本编码器的对抗鲁棒性问题,提出了LEAF方法(Levenshtein高效对抗性微调)来增强文本编码器的稳健性。实验表明,LEAF显著提高了模型在面对文本扰动时的性能,在AG-News数据集上将对抗准确率从44.5%提升至63.3%。当集成到Stable Diffusion等文本到图像生成模型中时,LEAF显著提高了对抗噪声下的生成质量;在多模态检索任务中,它平均提高了10个百分点的召回率。此外,LEAF还增强了模型的可解释性,使文本嵌入的反演更加准确。
BenchHub是由韩国KAIST和Yonsei大学研究团队开发的统一评估平台,整合了38个基准中的30万个问题,按技能、学科和目标类型进行精细分类。研究显示现有评估基准存在领域分布偏差,而BenchHub通过自动分类系统和用户友好界面,让用户能根据特定需求筛选评估数据。实验证明模型在不同领域的排名差异巨大,强调了定制化评估的重要性。该平台支持多语言扩展和领域特化,为研究人员和开发者提供了灵活评估大语言模型的强大工具。