ZD至顶网服务器频道 11月15日 新闻消息(文/董培欣): Intel完成对于 Altera 收购后,原 Altera SoC (片上系统 SoC:System on a Chip)开发人员论坛 (ASDF) 更名为Intel SoC FPGA 开发人员论坛 (ISDF),于2016年11月8号在北京举行。值此盛会,Intel公司可编程解决方案事业部嵌入式处理营销资深总监Chris Balough与大家共同分享了Intel在 SoC FPGA 方面的最新进展及未来发展方向。
在亲身参与了Intel SoC FPGA 开发人员论坛后才发现,现在我们已经被FPGA所环绕了。无论是工业制造、汽车仪表、航空航天、无线通讯还是在广播电视、视频分析、高清视频乃至于在数据中心的存储系统和万物互联的物联网中都有着FPGA的身影。
Altera在被Intel收购之后,会把Altera的FPGA产品带到他的Core还有Atom这些不同系列的CPU当中,还是FPGA会成为一个比较独立的产品线?产品生命周期会不会缩短?技术支持能力会不会降低?芯片内核会不会发生变动?在论坛采访活动中,Intel公司可编程解决方案事业部(Intel PSG)SoC FPGA产品营销资深总监Chris Balough向大家详细解答了这方面的问题。
Intel公司可编程解决方案事业部(Intel PSG)SoC FPGA产品营销资深总监Chris Balough
核心不变 协手Intel 做大做强
Intel并购Altera是为了不断扩大Altera的市场份额,利用Intel在芯片制造方面的技术优势,更先进的制造工艺,生产出更好的可以为客户带来更大价值的FPGA产品。从而不断地来扩大我们的市场份额,这是Altera与Intel并购的一个最主要的目的所在。
FPGA芯片的产品周期都是比较长的,一般都是15年,Intel在大家的印象中,是面向消费者的,它的产品生命周期会短一些,有一些传统的客户担心Altera并入了Intel之后,像Intel这种可编程解决方案事业部,产品生命周期是不是会有所缩短。可能大家根本没有意识到,Intel产品实际上的平均寿命周期已经达到12年。而且Inte也明确告诉参会的与会者,Intel实际上进入到嵌入领域已经有30年的时间了,所以他们也知道在嵌入领域长生命周期的重要性。在FPGA产品中,Intel只会利用现在所有的优势帮助我们增强竞争力,能够在市场上不断地获胜,获得更多的市场份额。
在服务和技术支撑模式上,FPGA的销售和支撑部门还隶属于Altera,就是现在的PSG事业部门,仍然是全力的关注,给Altera这个产品来提供服务和支撑,所以我们在服务和支撑方面的这些承诺是不会改变。
关于SoC FPGA使用的是什么内核,什么处理器,大家都知道Altera的FPGA使用的是ARM内核。所以这些客户,他自然会有一些担忧和关切,害怕Intel会要求我们使用Intel的架构,而不是使用我们原有的ARM的架构。
在这里Chris Balough强调,现在Altera就变成了Intel的PSG事业部,现在所开发出来的这些SoC,它默认的处理器是ARM架构,从Intel角度来说,它传统的这些处理器会逐渐增加FPGA的功能,所以从公司角度来说,Intel能够给市场或者给客户提供最广泛的SoC FPGA的产品。
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。