英特尔公司股价今日上涨超4%,此前该公司宣布将参与埃隆·马斯克的Terafab项目。
Terafab是SpaceX公司和特斯拉公司上月公布的合作项目,旨在建设一个半导体制造中心,用于生产卫星、机器人和自动驾驶汽车所需的芯片。这个位于德克萨斯州的园区预计将容纳两个晶圆厂。
据报道,马斯克周末访问了英特尔办公室,与该公司首席执行官谭立人会面。英特尔在X平台发布消息称:"我们在设计、制造和封装超高性能芯片方面的规模化能力,将有助于加速Terafab实现每年生产1太瓦计算能力的目标,为人工智能和机器人技术的未来发展提供动力。"
英特尔并未详细说明其在项目中的具体角色。一种可能是,这家在全球运营着12多个晶圆厂的公司将在工厂建设和维护方面提供帮助。此外,声明中提到的"封装"可能意味着英特尔将为Terafab提供其先进的芯片封装技术。该技术用于连接构成处理器的硅模块。
在最近的投资者活动中,英特尔首席财务官大卫·津斯纳表示,该芯片制造商即将敲定几项每年价值数十亿美元的封装协议。SpaceX和特斯拉这两家Terafab运营商可能是买家之一。《连线》杂志今日报道称,亚马逊公司和谷歌公司正在"深入谈判"购买英特尔的封装服务。
许多芯片封装技术使用基于中介层的架构。中介层是一块平坦的硅片,处理器的核心组件放置在其上。它既作为芯片的结构基础,也作为在芯片组件之间传输数据的网络。此外,中介层还在电力传输中发挥作用。
中介层使构建高度复杂的处理器成为可能,但也带来了某些缺点。它们使芯片开发变得复杂,并增加了生产成本。为了解决这些挑战,英特尔开发了一种名为EMIB的替代方案。它用所谓的桥接器取代中介层,这些组件具有相同功能但占用更少空间,制造也更容易。
英特尔目前正在开发EMIB的新版本EMIB-T。据该公司介绍,它将使构建由十多个硅模块和38个桥接器组成的处理器成为可能。EMIB-T预计将支持HBM,这是一种在AI芯片中广泛使用的高速内存类型。
在周一的新闻发布会上,马斯克表示Terafab的两个晶圆厂将专注于芯片市场的不同部分。第一个设施将为人形机器人等设备制造边缘处理器。第二个工厂预计将为计划中的轨道AI数据中心网络生产处理器。
据马斯克介绍,Terafab的太空优化芯片将在比标准硅芯片更高的温度下运行。原因是在太空中散热比在轨道上更困难。这些芯片还将更好地抵抗静电,即处理器表面电子的积累,这可能导致技术问题。
Terafab不仅将制造逻辑和存储电路,还将制造光掩模。这些是在芯片生产中发挥关键作用的高度复杂的光学组件。
晶圆厂使用激光在空白硅晶圆上雕刻晶体管。光掩模的作用类似于饼干切割器:它将光线塑造成与公司希望制造的电路设计相对应的特定图案。处理器和光掩模通常分开制造。马斯克声称,将这两种技术整合到同一屋檐下将加速芯片开发工作流程。
Q&A
Q1:Terafab项目是什么?
A:Terafab是SpaceX公司和特斯拉公司的合作项目,旨在建设一个半导体制造中心,用于生产卫星、机器人和自动驾驶汽车所需的芯片。该项目位于德克萨斯州,预计将容纳两个晶圆厂,目标是每年生产1太瓦的计算能力。
Q2:英特尔在Terafab项目中扮演什么角色?
A:英特尔将利用其在设计、制造和封装超高性能芯片方面的规模化能力参与项目。具体可能包括协助工厂建设和维护,以及提供先进的芯片封装技术。英特尔正在开发的EMIB-T封装技术预计将支持AI芯片中广泛使用的高速内存。
Q3:Terafab的两个晶圆厂有什么不同?
A:根据马斯克的介绍,两个晶圆厂将专注于芯片市场的不同部分。第一个设施将为人形机器人等设备制造边缘处理器,第二个工厂预计将为计划中的轨道AI数据中心网络生产处理器。后者的芯片将针对太空环境进行优化。
好文章,需要你的鼓励
企业AI搜索公司Glean宣布年度经常性收入(ARR)达3亿美元,较15个月前的1亿美元增长三倍。尽管谷歌、微软、OpenAI等科技巨头纷纷入局企业AI搜索市场,Glean凭借"上下文图谱"技术深度理解企业业务需求,并帮助客户显著降低AI计算成本。该公司提供按用量计费和混合定价两种模式,客户涵盖Databricks、Reddit、Pinterest及三星等企业。Glean上轮融资后估值达72亿美元。
香港中文大学与MiniMax提出ClaimDiff-RL框架,将图像描述的AI训练从整体打分升级为逐条核查,有效解决了传统方式导致AI"少说保平安"的问题,同时在多项基准测试上超越Gemini-3-Pro-Preview。
杰夫·贝索斯旗下的蓝色起源公司在佛罗里达卡纳维拉尔角进行静态点火测试时,新格伦重型火箭发生爆炸。这是美国历史上最大规模的火箭爆炸之一,也是蓝色起源公司遭遇的最严重失败。所有人员安全,但该事故可能导致新格伦火箭项目长期暂停。此前该火箭已成功完成三次发射,并实现了助推器回收和重复使用。
ParaVT是一个由南洋理工等多校联合提出的并行视频工具调用框架,通过让AI同时分析多段视频并引入PARA-GRPO算法解决训练中的格式崩溃与工具跳过问题,在六项长视频理解测试中平均提升约7.9%。