分析显示,Intevac 表示第二家客户对其 HAMR 硬盘盘片和磁头生产设备表现出强烈兴趣。这可能意味着继希捷进入量产后,西部数据现在也开始涉足 HAMR 硬盘开发。
Intevac 为希捷、昭和电工和西部数据等硬盘驱动器媒体制造商提供 200 Lean 薄膜处理设备。该公司声称全球超过 65% 的硬盘生产依赖其设备。200 Lean 用于制造当前垂直磁记录 (PMR) 硬盘的记录媒体和磁盘盘片。
Intevac 的主要 HAMR 兼容 200 Lean 设备客户是希捷,后者在 2000 年代初就开始了 HAMR 开发。直到今年,一家知名云服务提供商才认证希捷的 Mozaic 3 HAMR 硬盘可以广泛使用,这距离开发开始已有 20 多年。这段漫长的开发期主要归因于解决高良率制造工艺生产高可靠性驱动器的难题,Intevac 在确保其 200 Lean 设备发挥作用方面发挥了重要作用。
目前基本上只有三家硬盘制造商:垂直整合的希捷和西部数据主导市场,较小的参与者东芝则使用昭和电工等供应商。这些公司总共安装了约 140 台 200 Lean 设备。由于这些设备价格昂贵,客户数量有限,且采购率往往跟随硬盘市场周期,因此 Intevac 的销售周期较为波动。由于 HAMR 驱动器的接受周期很长,且硬盘市场直到最近几个季度才从下行周期中恢复,Intevac 的 200 Lean 系统销售受到限制,一个 2024 年初的订单甚至被取消。
我们已经向东芝和西部数据询问了 Intevac 提到的第二个 HAMR 客户的身份。B&F 认为这很可能是西部数据,因为这与其预算和市场地位相符,也符合其此前给出的技术量产时间表。
薄膜(从几纳米到几微米厚)使用溅射沉积技术涂覆在硬盘盘片和读写磁头表面。这种技术基于磁控溅射,在真空室内将高能氩气离子射向钴合金等靶材。这会导致一些靶材原子被弹出并沉积在接收基底上,形成薄膜。
硬盘盘片上有多个薄膜层。其中一层是可磁化的钴合金,用于数据记录的正负位区域。还有一层绝缘层防止读写磁头对记录膜层造成损坏、腐蚀或磨损,以及最上层的保护膜。
读写磁头具有支持其读写功能所需的磁阻和隧道磁阻传感器薄膜。
这些薄膜必须以高精度和均匀性应用于基底才能正常工作。200 Lean 设备可以升级以提高产量、降低磁盘缺陷率、增加真空度,并生产 HAMR (热辅助磁记录) 媒体。例如,Intevac 的射频源"最适合沉积在先进 HAMR 应用中可能使用的非金属(绝缘)或高电阻率金属靶材"。
从季度财务报告的角度来看,对新设备或已安装设备的大规模升级的兴趣迹象都值得关注。
一个相关的背景是,由于销售不佳,Intevac 已关闭了用于消费者和汽车触摸屏的 TRIO 涂层系统的第二条产品线,使公司更依赖于 200 Lean 设备销售。
Intevac 刚刚公布了 2024 财年第三季度财报,称:"在 TRIO 技术表现不佳后,公司重点转向硬盘驱动器 (HDD) 领域。...预计 Intevac 的 HDD 业务在未来三年将产生约 2 亿美元的收入,这主要由于行业普遍采用热辅助磁记录 (HAMR) 技术,预计将满足数据中心和人工智能不断增长的需求。"
此外:"公司已为 HAMR 技术获得第二个重要客户,初始升级已完成。Intevac 的重组旨在提高效率和精简运营,专注于核心 HDD 业务。公司 CEO Nigel Hunton 对管理团队和公司推动 HDD 行业向 HAMR 过渡的战略充满信心。"
在 2024 财年第三季度财报电话会议上,Hunton 表示订单取消造成了重大问题:"我们遭遇了前所未有的订单取消,已经超过八个月,但仍未能解决库存和材料收据从资产负债表中转出的问题。这个季度,我们决定暂时暂停履行 HDD 订单,让客户履行其应付款和库存义务。我们有信心能让业务重回标准条款轨道,但我们不会用 Intevac 的现金为客户提供资金。我相信投资者会理解我们的立场。"
分析师 Mark Miller 问道:"西部数据在最近的电话会议上表示,他们要等到每个盘片达到 4TB 才会引入 HAMR。你觉得这会在什么时候?是今年晚些时候还是 2025 年?"
Hunton 回应:"我认为西部数据的声明对我们来说是非常积极的。你可以看到行业向 HAMR 发展传统上主要集中在一个客户身上。现在你看到整个行业都在跟进。在之前的电话会议中,我们说过西部数据可能会落后一年,我认为我们会在今年年底到 2025 年看到变化,我认为这对公司来说是非常积极的事情。"
Intevac 表示已"聘请 Houlihan Lokey Capital, Inc. 就提升股东价值的战略方案提供建议。"
好文章,需要你的鼓励
谷歌发布新的AI学术搜索工具Scholar Labs,旨在回答详细研究问题。该工具使用AI识别查询中的主要话题和关系,目前仅对部分登录用户开放。与传统学术搜索不同,Scholar Labs不依赖引用次数或期刊影响因子等传统指标来筛选研究质量,而是通过分析文档全文、发表位置、作者信息及引用频次来排序。科学界对这种忽略传统质量评估方式的新方法持谨慎态度,认为研究者仍需保持对文献质量的最终判断权。
Meta公司FAIR实验室与UCLA合作开发了名为HoneyBee的超大规模视觉推理数据集,包含250万训练样本。研究揭示了构建高质量AI视觉推理训练数据的系统方法,发现数据质量比数量更重要,最佳数据源比最差数据源性能提升11.4%。关键创新包括"图片说明书"技术和文字-图片混合训练法,分别提升3.3%和7.5%准确率。HoneyBee训练的AI在多项测试中显著超越同规模模型,同时降低73%推理成本。
Meta发布第三代SAM(分割一切模型)系列AI模型,专注于视觉智能而非语言处理。该模型擅长物体检测,能够精确识别图像和视频中的特定对象。SAM 3在海量图像视频数据集上训练,可通过点击或文本描述准确标识目标物体。Meta将其应用于Instagram编辑工具和Facebook市场功能改进。在野生动物保护方面,SAM 3与保护组织合作分析超万台摄像头捕获的动物视频,成功识别百余种物种,为生态研究提供重要技术支持。
上海AI实验室团队提出ViCO训练策略,让多模态大语言模型能够根据图像语义复杂度智能分配计算资源。通过两阶段训练和视觉路由器,该方法在压缩50%视觉词汇的同时保持99.6%性能,推理速度提升近一倍,为AI效率优化提供了新思路。