英特尔(Intel)过去不敌日厂攻势,黯然退出存储器市场,如今面对晶圆厂整体产能利用率下滑,英特尔重启存储器业务,不仅借以提高晶圆厂产能利用率,甚至有助于英特尔2016年营运成长,然业者认为即使英特尔存储器业务大幅成长,恐亦难填满晶圆厂产能,未来英特尔势必将全力争取其他芯片厂代工订单。
英特尔在1985年选择退出存储器市场,将DRAM大饼拱手让给日本半导体业者,当时存储器业务占英特尔营收比重最高,然因日厂已跃过成本曲线,不仅可生产优质存储器,并有能力将存储器价格降到所有对手都赔钱的地步,迫使英特尔放弃存储器事业,全心投入微处理器业务。
由于处理器产品比存储器更复杂,价格高出许多,更重要的是,英特尔几乎是独家供应商,遂能在全球市场快速成长,如今英特尔重返存储器市场,不仅整体存储器产业已今非昔比,英特尔亦具备强大的制造规模及技术实力,甚至有能力主导存储器市场,英特尔投入战局势必震撼全球存储器产业。
事实上,尽管英特尔伺服器业务仍强劲成长,然因移动及其他业务持续下滑,造成晶圆厂整体产能利用率跟着下滑,面对晶圆厂产能利用率必须维持在90%以上才能明显获利的压力,英特尔决定重返存储器市场。
近年来全球DRAM技术持续发展,Flash更已成为移动装置重要零组件,并在新兴的物联网(IoT)应用扮演重要角色,以英特尔拥有10多座晶圆厂规模来看,有相当足够产能生产存储器,但就算英特尔存储器业务能快速成长,亦不足以让晶圆厂产能全开,产能塞不满问题仍难获得解决。
对于英特尔而言,若晶圆厂产能利用率迟迟未能达到一定水准,将成为相当头痛问题,英特尔未来将扩大晶圆代工业务,全力争取其他芯片厂代工订单,与既有晶圆代工厂台积电、三星电子(SamsungElectronics)及GlobalFoundries等,争取包括高通(Qualcomm)、苹果(Apple)、NVIDIA和超微(AMD)等重要客户订单。
好文章,需要你的鼓励
这项由加州大学圣地亚哥分校和微软研究院合作开发的REAL框架,通过程序分析反馈训练大型语言模型生成高质量代码。与传统方法不同,REAL采用强化学习将代码安全性和可维护性作为奖励信号,不依赖人工标注或特定规则。研究在多个数据集上的实验表明,REAL在保证功能正确性的同时显著提高了代码质量,有效解决了"即兴编程"中的安全漏洞和维护性问题,为AI辅助编程提供了新的范式。
加州大学伯克利分校与Meta FAIR研究团队开发了"Self-Challenging"框架,让大语言模型通过自己创建和解决任务来提升能力。该方法引入创新的"Code-as-Task"格式,包含指令、验证函数、示例解决方案和失败案例,确保生成的任务既可行又有挑战性。在工具计算、网页浏览、零售服务和航班预订四种环境测试中,仅使用自生成训练数据,Llama-3.1-8B模型性能提升了两倍多,证明AI可以通过自我挑战实现有效学习,减少对人类标注的依赖。
南洋理工大学与SenseTime Research合作提出了PoseFuse3D-KI,一种创新的人体中心关键帧插值框架。该方法将3D人体模型信息融入扩散过程,解决了现有技术在处理复杂人体动作时产生扭曲结果的问题。研究团队开发了专门的SMPL-X编码器直接从3D空间提取几何信息,并设计了融合网络将3D线索与2D姿态无缝整合。他们还构建了CHKI-Video数据集,包含2,614个视频片段及完整的人体标注。实验结果显示,PoseFuse3D-KI在PSNR上提升9%,LPIPS减少38%,显著超越现有方法。
这项研究提出了LongGuide算法,解决了大型语言模型在长文本生成任务中的局限性。研究团队发现,仅依靠上下文学习无法使模型充分掌握文本的语言和格式特性。LongGuide通过自动生成两种指导原则:度量指导原则和输出约束指导原则,显著提升了模型性能。在七种长文本生成任务中,该方法使开源和闭源模型的ROUGE-L评分平均提高约6%。LongGuide具有通用性强、易于学习、成本效益高等优点,为提升AI长文本生成能力提供了新方向。