ZDNet至顶网服务器频道 03月30日 编译:上周五在芯片行业内关于一系列收购事件的谣言此起彼伏,英特尔与三星两大技术巨头都表示有计划着手企业收购,从而加强自身的实力来与竞争对手进行对抗。
首先,英特尔公司计划收购专业芯片制造商Altera,一旦顺利实现、这将成为芯片巨头历史上规模最大的一次收购活动。如果这条消息还不足以抓住大家的眼球,另有来自亚洲的传言指出三星公司可能正考虑吞并AMD,这可能是为了对英特尔的收购活动做出反应。
是真是假?让我们从理性角度分析这两项收购议案的可能性。消息人士并没有提到英特尔将于何时或者以怎样的价码收购Altera公司,但在《华尔街日报》与彭博社看来这项消息很有可能变成现实,因此这笔交易的可行性也许比我们想象的更高。这笔收购也确实具有现实意义,因为英特尔与Altera曾经保持过密切的合作关系。
Altera公司主要制造现场可编程门阵列(简称FPGA)芯片,这是一种集成化电路,能够在制造完成后进行预配置以执行一系列任务,而且自2013年以来其芯片产品一直由英特尔公司的代工厂负责制造。
更重要的是,英特尔公司最近开始将FPGA引入至其至强服务器处理器之上,以作为定制化协处理器使用。举例来说,客户能够对该附加芯片进行编程,从而作为加密、搜索或者压缩与解压加速机制使用。
芯片巨头并没有明确表示其至强处理器上的FPGA芯片将由哪家公司提供,但Altera很可能成为最理想的人选(其它主要备选厂商还有Xilinx以及Achronix,后者同时也在使用英特尔的代工体系)。
在本周五的传闻出现之前,Altera公司的市值总额约为105亿美元,这也让大家对于英特尔完成收购所需要准备的大致资金有了基本概念。不过芯片巨头最好能快点行动,因为投资者对于这样的合并方案无疑将大力支持,而且根据《华尔街日报》的报道,Altera公司的股票价格在此之后飙升了了28%。与此同时,英特尔公司的股价也因此上涨了超过6%。
在三星方面上,有韩国媒体于本周五在报道中指出,三星公司有可能将自己的触角伸向AMD的业务领域。这种情况的可能性有多大?支持这项交易的最为明确的论点在于,AMD公司目前的运营状况不是很理想。AMD公司在最近一个季度的营收数额也较上年同季度下滑22%。
这两家公司如果真能联手,也确实地带来一定的协同效应。三星公司的代工体系能够切实为AMD的芯片制造业务提供帮助。AMD公司最近还从x86处理器领域抽身出来开始进入基于ARM的服务器芯片领域,而三星公司在ARM芯片开发方面确实积累下了一定经验。
不过实际情况是,AMD在三星公司眼中可能不具备足够的吸引力。这家韩国技术企业目前还没有传出有意进军x86市场的消息。而三星方面似乎有意从ARM以及Imagination Technologies公司处为其Exynos系统芯片获取GPU技术许可,因此AMD的图形处理产品线恐怕引不起三星的兴趣。
除此之外,怀疑AMD公司CEO Lisa Su还没有做好短期内卸任的准备,毕竟其刚刚上任不久。而且几个星期之前另有传闻指出,中国芯片制造商BLX有意收购AMD,但目前事情似乎已经没有任何后文可言。投资者们对于三星收购案的信心与我们差不多,而消息传出后AMD公司的股票价格也仅仅微涨了2.6%。
好文章,需要你的鼓励
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。