芯片制造巨头英特尔公司迎来转机。在去年 12 月原 CEO Pat Gelsinger 离职后,经过数月寻觅,公司最终任命陈立武 (Lip-Bu Tan) 为新任首席执行官。
陈立武此前曾担任 Cadence Design Systems Inc. 的 CEO,该公司为包括英特尔在内的全球主要芯片设计公司提供软件服务。他曾是英特尔董事会成员,但在 Gelsinger 离职前因其他职务承诺而离开董事会。
新任 CEO 将接替临时联席 CEO David Zinsner 和 Michelle Holthaus 的职责,后两者将继续担任各自的首席财务官和产品部门 CEO 职务。公司表示,陈立武也将重返英特尔董事会。
陈立武的任命结束了公司动荡的一段历史。此前,投资者不断施压要求公司削减成本,剥离部分盈利能力较弱的业务,以扭转多年来的颓势。近年来,公司在个人计算机和数据中心服务器市场持续失去市场份额给 AMD 等竞争对手,同时在蓬勃发展的人工智能领域也未取得实质性突破。
消息公布后,英特尔股价上涨超过 12%。
在英特尔网站发布的声明中,陈立武表示公司需要在仍具优势的领域加倍努力并扩大优势。"在落后于竞争对手的领域,我们需要采取审慎的风险来实现突破和超越。在进展慢于预期的领域,我们需要找到加快步伐的方法。"
陈立武将成为英特尔七年内的第四位正式 CEO。前任 CEO Brian Krzanich 在 2018 年因与员工不当关系的指控而辞职,随后由前 CFO Bob Swan 在 2019 年 1 月接任。
但 Swan 仅任职两年就离职,原因是公司大量市场份额被 AMD 夺取,且新芯片发布频频延期。Gelsinger 于 2021 年初上任,实施了大胆的转型计划,除了生产自有芯片外,还为其他公司代工制造芯片。
然而,在 Gelsinger 的领导下,英特尔的整体收入持续下滑,而投资者对芯片制造业务投资成本攀升日益担忧。其中包括计划在俄亥俄州投资 200 亿美元建设新芯片工厂。
去年秋季disappointing财报发布和公司史上最大规模裁员后,有报道称英特尔可能出售。据说高通和博通等竞争对手都表示了兴趣。此外,多位分析师强调英特尔需要分拆代工部门,甚至出售产品部门。
在此期间,英特尔在 AI 行业被 Nvidia 完全压制,后者的 GPU 已成为所有 AI 工作负载的首选硬件。
theCUBE Research 分析师 Dave Vellante 一直主张英特尔应分拆代工业务,专注于芯片设计。他今天重申这一立场,认为代工业务对台积电和美国政府之外的其他方价值有限,因为美国仍需要国内芯片供应链。
Vellante 补充说,陈立武的任命似乎朝这个方向迈进,但他警告说,让这个新的合资企业重新具有竞争力将需要多年时间和大量资金。
J. Gold Associates 的芯片行业分析师 Jack Gold 对 Fierce Electronics 表示,陈立武的任命对英特尔来说是一个可喜的提振。他指出,这位 CEO 在产品设计和制造方面都对半导体行业有深入的理解。
在英特尔 CEO 搜寻期间担任临时执行主席、现将回任独立主席的 Frank Yeary 强调,陈立武在创造股东价值方面有"良好的业绩记录"。
今年 1 月的最新财报电话会议中,英特尔的收益和收入超出预期,但对未来几个月的指引疲软,原因包括经济不确定性、激烈竞争、季节性因素以及许多客户仍持有大量芯片库存。关税前景进一步令公司短期前景蒙上阴影。
去年 11 月,英特尔被移出道琼斯工业平均指数,由 Nvidia 取代,反映出两家芯片制造商命运的巨大变化。去年英特尔股价下跌 60%,而 Nvidia 股价因其 GPU 产品需求旺盛而上涨 171%。
截至今日收市,英特尔市值仅为 895 亿美元,约为 Nvidia 的 1/30。
好文章,需要你的鼓励
研究人员意外发现,标准MOSFET晶体管可同时模拟神经元和突触行为,形成"神经突触随机存取存储器"(NSRAM)。该技术仅需一至两个晶体管即可实现传统需数十乃至数百个元件才能完成的神经信号处理,且与现有硅基制造工艺完全兼容,良率达100%。未来有望应用于边缘AI及高能效神经形态芯片,长远或可挑战GPU地位。
牛津大学提出PHYSIFORMER,一种扩散变换器模型,通过三维网格顶点轨迹直接在世界坐标空间预测刚性与弹性物体的物理运动,一次性生成全序列轨迹,超越自回归基线。
本文提出一种评估人工智能风险的新方法,借鉴生态学与演化论视角,从理论生态模型中推导出三项风险指标,涵盖种群模型与生态系统模型。研究旨在为AI治理策略提供量化工具,并对分析局限性及政策改进方向进行了深入探讨,为构建更科学的AI风险评估体系提供参考框架。
研究发现主流奖励模型对同等质量答案给出差异悬殊的分数,并提出"奖励聚类"算法通过蒙特卡洛随机失活将连续分数离散化,在不重训模型的前提下有效减少AI训练中的奖励作弊现象。