英特尔公司宣布,董事会任命陈立武为公司首席执行官,于2025年3月18日生效。陈立武是一位成就卓著的科技领袖,拥有深厚的半导体行业经验,他将接替现任临时联合首席执行官David Zinsner和Michelle (MJ) Johnston Holthaus,陈立武还将重新加入英特尔董事会。

David Zinsner将继续担任英特尔执行副总裁兼首席财务官一职,Michelle (MJ) Johnston Holthaus将继续担任英特尔产品首席执行官。在寻找新首席执行官期间担任临时董事会主席的Frank D. Yeary,将在陈立武成为首席执行官后,重新担任独立董事会主席。
Yeary表示:“陈立武是一位杰出的领导者,他拥有深厚的技术行业背景与横跨产品和代工生态的关系,以及创造股东价值的卓越成就,这些正是英特尔下一任首席执行官所需要的特质。在他杰出的职业生涯中,陈立武以创新者著称,始终将客户作为一切工作的中心,以差异化的解决方案赢得市场,并通过构建高效的文化取得成功。”
“和业界众多同仁一样,我曾与陈立武紧密合作,亲身见证了他对客户的专注与投入,并以此推动创新,取得成功。”Yeary还表示,“在我们全力加速转型,积极把握未来重大增长机遇的关键时刻,我非常高兴陈立武能够担任英特尔的首席执行官。”
对于此次任命,陈立武表示:“担任英特尔首席执行官,我深感荣幸。我无比敬佩这家具有标志性意义的公司,同时也看到了重塑业务的重大机遇。我们将更好地服务客户并为股东创造价值。”
“英特尔拥有强大且独具优势的计算平台,广泛的客户基础,以及强大的制造布局。随着我们重塑制程工艺路线图,这些优势正在日渐增强。”陈立武补充道,“我期待加入英特尔,并在团队奠定的基础上,继续推进业务的长期发展。”
Yeary还表示:“我谨代表董事会,感谢Dave和Michelle在担任临时联合首席执行官期间所展现出的坚定领导力。他们的严谨与专注确保了公司的平稳过渡,使我们得以持续提升执行力,重塑产品领导地位,推进代工战略,并恢复投资者信心。”
陈立武是一位深耕科技领域的资深投资者,也是一位备受尊敬的高管,拥有超过20年的半导体和软件行业经验,并在英特尔的生态系统中建立了深厚的关系。他曾于2009年至2021年期间担任Cadence Design Systems首席执行官,领导公司转型,推动形成以客户为中心的创新文化。在他的领导下,Cadence实现营收翻番,运营利润率扩大,股价上涨超过3200%。
自2004年接受任命起,陈立武连续19年担任Cadence董事会成员,其间包括担任公司首席执行官和在2021年至2023年间任执行董事长。
他还是Walden Catalyst Ventures的创始管理合伙人和Walden International的董事长。他拥有丰富的上市公司董事经验,目前还担任Credo Technology Group和施耐德电气的董事会成员。
陈立武持有新加坡南洋理工大学物理学学士学位、麻省理工学院核工程硕士学位以及旧金山大学工商管理硕士学位。2022年,他被授予半导体行业协会最高荣誉罗伯特·诺伊斯奖。
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。