英特尔首席执行官Pat Gelsinger最近表示,希望通过新的软件即服务产品和软件平台“快速”发展英特尔的软件业务,从而帮助自己更好地与对手展开竞争。
去年英特尔的软件收入突破了1亿美元,此举自然是水到渠成。
上个月举行的英特尔投资者会议上,这家在软件领域有着与Nvidia相同野心的半导体巨头,首次透露了软件收入的情况。英特尔新成立的软件集团负责人Greg Lavender向股东表示,软件是一个“巨大的机会”,据他预计,今年英特尔软件业务收入将增长至1.5亿美元。
当然,这个数字和英特尔700亿美元的年收入(其中大部分来自芯片)相比还是微不足道的,但你要知道,Gelsinger本人曾经在虚拟化巨头VMware蓬勃发展的时期担任过首席执行官。
Gelsinger在投资者会议上提到“软件优先”策略,他表示:“对于像我们这样规模的企业来说,这个水平并不高,我们推动软件的快速增长,但我们将通过平台差异化进行拉动,这在商业利益上是很不成比例的,尽管近期收入规模仍然相当小。”
英特尔的付费软件横跨多个业务部门,包括面向PC的客户端计算集团、数据中心和人工智能集团、网络和边缘集团,如今这些产品代表了自主研发的产品和通过收购获得的产品。
Gelsinger表示,这一战略(就像Nvidia的战略一样)将让英特尔能够在一次性销售芯片(如微处理器和其他组件)获得收入的基础上,获得经常性收入。他说:“我们将开始在差异化软件中进行分层,让这些软件在我们的平台价值上创造SaaS服务收入。”
最近英特尔收购的以色列初创公司Screenovate,就是英特尔通过软件创收的一个例子:英特尔将在今年年底前在选定的英特尔Evo笔记本电脑中首次采用Screenovate的技术。Screenovate公司开发了屏幕复制技术(如下所示),可支持在不同操作系统的不同设备之间进行交互,举例来说,这将让用户能够轻松地将平板电脑设置为笔记本电脑的第二个屏幕,或者在PC上使用智能手机或可穿戴设备上的功能。
Gelsinger表示,Screenovate就是为了“推动面向PC的生态系统体验”,英特尔将让Screenovate的技术实现商业化。
另一个例子是英特尔最近收购的RemoteMyApp,这家总部位于波兰的初创公司致力于让企业能够提供云游戏服务。Gelsinger在英特尔投资者会议上表示,英特尔将利用RemoteMyApp的技术开发代号为Project Endgame的云游戏服务,并于今年晚些时候推出,采用英特尔即将发布的Arc离散GPU。
作为英特尔SaaS和软件战略的执行负责人,Lavender曾是Gelsinger在VMware的前CTO,去年被聘为英特尔的CTO,负责新成立的软件和先进技术集团。
Lavender在一份声明中表示,英特尔“在我们并没有真正努力去进行推销的情况下”打造了这个规模达1亿美元的软件业务。
Lavender在他的演讲环节中表示,英特尔新的SaaS和平台产品代表了“面向市场的技术”,也就是说,这些技术是建立在英特尔的框架、工具和库(包括英特尔oneAPI工具包)、以及BIOS、固件、操作系统和虚拟化基础之上的,是英特尔软件策略的基石。
英特尔的软件战略(来源:英特尔)
英特尔的付费软件还包括来自Cnvrg.io和SigOpt的人工智能产品,这两家软件初创公司是Gelsinger于2021年加入英特尔担任首席执行官之前收购的。Cnvrg.io提供的是一项托管AI服务,旨在简化工作负载在不同云实例、本地服务器和边缘网关的运行和迁移,SigOpt主要是为大型AI模型提供优化的软件。
这两项业务与英特尔自主研发的、用于深度学习推理的OpenVINO软件相结合,代表了“推动更大价值的、面向市场的能力,让客户、合作伙伴、[独立软件供应商]和英特尔自身都能够从这个堆栈中受益”的关键产品,Lavender这样表示。
他在演讲中展示了英特尔软件堆栈顶部的这些解决方案和其他一些解决方案,但他表示,英特尔拥有的技术比展示出来的更多。
英特尔的三层软件堆栈
其他可以创收的软件,还包括英特尔vPro平台,该平台让企业可以利用英特尔vPro CPU中基于硬件的安全和管理功能;以及英特尔Unite,一种电话会议和协作解决方案;Intel Data Center Manager,一种实时监控和管理解决方案。此外,还有oneAPI和OpenVINO支持服务。
Lavender表示,未来英特尔将继续通过内部开发和收购打造新的付费软件产品。
他说:“我们打算以有机的或者非有机的方式,继续在SaaS订阅服务层和平台层投资和发展我们的产品。”
好文章,需要你的鼓励
上海交通大学研究团队开发出革命性AI癌症诊断系统,通过深度学习技术分析50万张细胞图像,实现94.2%的诊断准确率,诊断时间从30分钟缩短至2分钟。该系统不仅能识别多种癌症类型,还具备解释性功能,已在多家医院试点应用。研究成果发表于《Nature Communications》,展示了AI在精准医疗领域的巨大潜力。
南华理工大学等机构提出3DFlowAction方法,让机器人通过预测物体3D运动轨迹来学习操作技能。该研究创建了包含11万个实例的ManiFlow-110k数据集,构建了能预测三维光流的世界模型,实现了跨机器人平台的技能迁移。在四个复杂操作任务上成功率达70%,无需特定硬件训练即可在不同机器人上部署,为通用机器人操作技术发展开辟新路径。
这是首个系统性探索跨视角协作智能的综合性研究,由南京大学、东京大学等顶尖机构联合完成。研究团队首次将"第一人称视角"与"第三人称视角"的协作应用进行了全面梳理,提出了三大技术方向和十三个关键任务,涵盖从智能厨房到手术机器人的八大应用场景。这项突破性工作为人工智能向人类认知迈进提供了重要的技术路径和理论基础。
这项由台湾大学与微软研究团队合作的研究探索了使用音频感知大语言模型(ALLMs)作为自动评判员来评估语音生成模型的说话风格。研究设计了"语音风格指令跟随"和"角色扮演"两个任务,测试了四种语音模型的表现,并比较了人类与AI评判的一致性。结果表明,特别是Gemini-2.5-pro模型,其评判结果与人类评判的一致性甚至超过了人类评判者之间的一致性,证明ALLMs可以作为可靠的自动评估工具。同时研究也发现,即使是最先进的语音模型在说话风格控制方面仍有显著改进空间。