英特爾周二發(fā)布了公司第三財(cái)季業(yè)績報(bào)告。報(bào)告顯示,英特爾第三財(cái)季營收為146億美元,環(huán)比增長5%,同比增長8%;凈利潤為33億美元,環(huán)比增長19%,同比增長12%。每股收益為0.66美元,較去年同期的0.58美元增長14%。同時(shí)高于湯森路透分析師0.65美元的盈利預(yù)期。
財(cái)報(bào)顯示,該季度英特爾PC、服務(wù)器業(yè)務(wù)持續(xù)強(qiáng)勁,彌補(bǔ)了移動業(yè)務(wù)虧損局面。該季度移動業(yè)務(wù)營收僅有100萬美元,較上年同期的3.53億美元大幅銳減,而且凈虧損達(dá)10億美元,去年同期虧損為8.1億美元。
盡管移動部門虧損慘重,但CEO科再奇(Brian Krzanich)表示將繼續(xù)致力于移動芯片。
加拿大皇家銀行資本市場分析師道格·弗里德曼(Freedman)周二稱,他對英特爾未來是否能夠維持向其新的移動客戶提供補(bǔ)貼表示質(zhì)疑。他表示,行業(yè)觀察人士希望看到英特爾能夠在移動領(lǐng)域內(nèi)的產(chǎn)品競爭上贏得勝利、獲得更多市場份額,而不是補(bǔ)貼。
不過他同時(shí)指出,投資者不太關(guān)心英特爾的移動業(yè)務(wù)虧損,這是因?yàn)槿A爾街更多關(guān)注的是該公司的PC和服務(wù)器系統(tǒng)核心業(yè)務(wù),這些業(yè)務(wù)在今年實(shí)現(xiàn)了強(qiáng)勁增長,并幫助英特爾股票在今年實(shí)現(xiàn)了24%的增長。
英特爾PC客戶集團(tuán)第三財(cái)季凈營收為92億美元,環(huán)比增長6%,同比增長9%,去年同期為84.4億美元,上一季度為86.67億美元;PC客戶集團(tuán)第三財(cái)季運(yùn)營利潤為41.2億美元,上一季度為37.34億美元,去年同期為32.43億美元。
英特爾預(yù)計(jì),2014財(cái)年第四財(cái)季營收為147億美元,上下浮動5億美元;毛利率為64%,上下浮動兩個(gè)百分點(diǎn),而市場預(yù)測為145億美元;研發(fā)支出、總務(wù)與行政支出約為49億美元;重組費(fèi)用約為4500萬美元。英特爾預(yù)計(jì)2014全財(cái)年資本開支將達(dá)到110億美元,上下浮動5億美元。
盡管移動芯片業(yè)務(wù)出現(xiàn)巨額虧損,但英特爾上個(gè)月與中國展訊通信和銳迪科微電子進(jìn)行15億美元投資,這是英特爾在智能手機(jī)芯片業(yè)努力追趕的最新舉動,當(dāng)前移動芯片市場,高通占據(jù)了主導(dǎo)地位。
好文章,需要你的鼓勵
新加坡國立大學(xué)研究團(tuán)隊(duì)開發(fā)了SPIRAL框架,通過讓AI與自己對弈零和游戲來提升推理能力。實(shí)驗(yàn)顯示,僅訓(xùn)練AI玩簡單撲克游戲就能讓其數(shù)學(xué)推理能力提升8.6%,通用推理提升8.4%,且無需任何數(shù)學(xué)題目作為訓(xùn)練材料。研究發(fā)現(xiàn)游戲中的三種推理模式能成功轉(zhuǎn)移到數(shù)學(xué)解題中,為AI訓(xùn)練提供了新思路。
同濟(jì)大學(xué)團(tuán)隊(duì)開發(fā)的GIGA-ToF技術(shù)通過融合多幀圖像的"圖結(jié)構(gòu)"信息,創(chuàng)新性地解決了3D相機(jī)噪聲問題。該技術(shù)利用圖像間的不變幾何關(guān)系,結(jié)合深度學(xué)習(xí)和數(shù)學(xué)優(yōu)化方法,在合成數(shù)據(jù)集上實(shí)現(xiàn)37.9%的精度提升,并在真實(shí)設(shè)備上展現(xiàn)出色泛化能力,為機(jī)器人、AR和自動駕駛等領(lǐng)域提供更可靠的3D視覺解決方案。
伊利諾伊大學(xué)研究團(tuán)隊(duì)通過對比實(shí)驗(yàn)發(fā)現(xiàn),經(jīng)過強(qiáng)化學(xué)習(xí)訓(xùn)練的視覺語言模型雖然表現(xiàn)出"頓悟時(shí)刻"現(xiàn)象,但這些自我糾錯行為并不能實(shí)際提升推理準(zhǔn)確率。研究揭示了AI模型存在"生成-驗(yàn)證差距",即生成答案的能力強(qiáng)于驗(yàn)證答案質(zhì)量的能力,且模型在自我驗(yàn)證時(shí)無法有效利用視覺信息,為AI多模態(tài)推理發(fā)展提供了重要啟示。
MIT等頂尖機(jī)構(gòu)聯(lián)合提出SparseLoRA技術(shù),通過動態(tài)稀疏性實(shí)現(xiàn)大語言模型訓(xùn)練加速1.6倍,計(jì)算成本降低2.2倍。該方法使用SVD稀疏性估計(jì)器智能選擇重要計(jì)算部分,在保持模型性能的同時(shí)顯著提升訓(xùn)練效率,已在多個(gè)任務(wù)上驗(yàn)證有效性。