
在进入智能手机和平板电脑市场方面,英特尔一直困难重重,并亏损数十亿美元。但英特尔不会放弃。
当地时间周四,英特尔董事长安迪·布赖恩特(Andy Bryant)在投资者会议上表示,尽管出现巨额亏损,英特尔不会放弃移动业务,“我不能说我对亏损感到自豪,但我已经不像一年前那样感到难堪”。
布赖恩特说,未来英特尔不会继续容忍出现如此巨额的亏损,移动业务业绩将会改进,“这是我们为多年来不重视移动业务付出的代价,我们正在重返移动市场”。
英特尔一直在为重返快速增长的移动市场投入巨额资金,目的是减轻对停滞,甚至滑坡的PC市场的依赖。迄今为止,英特尔在移动市场上的努力并未大获全胜,高通、联发科等对手已经控制了移动设备芯片市场。另外一家强大厂商的加入,无疑会打压移动设备的价格,为消费者提供更多选项。
英特尔在移动市场上还有很长的路要走。尽管第三季度营收和利润双双超过预期,英特尔移动芯片业务部门亏损10亿美元(约合人民币61.4亿元)。英特尔曾表示,预计明年移动芯片业务部门将继续亏损。英特尔周一表示,将整合移动和PC芯片部门。
英特尔移动处理器或调制解调器芯片已经被应用在数款产品中,其中包括华硕PadFone X Mini平板手机和三星Galaxy Alpha智能手机。英特尔移动芯片主要被应用在入门级平板电脑中,英特尔还因此向厂商提供补贴。
尽管移动芯片业务存在问题,但英特尔的主业——销售PC和数据中心芯片,仍然强劲。宣布明年营收将比分析师预期高“中等个位数”后,今天常规交易中,英特尔股价上涨1.6美元(约合人民币9.8元),涨幅为4.66%,报收于35.95美元(约合人民币220.79元)。
英特尔CEO科再奇(Brian Krzanich)周四表示,预计明年推出新款SoFIA智能手机芯片,为更多移动设备增添RealSense 3D摄像头技术后,移动芯片销售将会增长,“我们进入该业务领域的目的是赚钱,而非亏损,但赚钱是一项长期计划”。
好文章,需要你的鼓励
本文介绍了由南方科技大学等机构于2026年4月发表的研究(arXiv:2604.08865),提出了名为SPPO的大模型推理训练新方法。该方法将推理任务重新建模为"序列级情境赌博机",用一个轻量级价值模型预测题目难度,以单次采样替代GRPO的多次采样,解决了标准PPO的"尾部效应"问题。实验显示,SPPO在数学基准测试上超越GRPO,训练速度提升约5.9倍,配合小尺寸价值模型还能显著降低显存占用。
这项由香港科技大学数学系完成的研究(arXiv:2604.10465,2026年ICLR博客论文赛道)提出了一种从朗之万动力学视角理解扩散模型的统一框架。研究指出,扩散模型的前向加噪和逆向去噪过程,本质上是朗之万动力学这一"分布恒等操作"被拆成了两半。在这个视角下,VP、VE-Karras和Flow Matching等不同参数化的模型可被精确互译,SDE与ODE版本可被统一解释,扩散模型相对VAE的理论优势得以阐明,Flow Matching与得分匹配的等价性也得到了严格论证。
中国人民大学高岭人工智能学院等机构联合开发了AiScientist系统,旨在让AI自主完成机器学习研究的完整工程流程,包括读论文、搭环境、写代码、跑实验和迭代调试,全程无需人工干预。系统核心设计是"薄控制、厚状态":由轻量指挥官协调专业代理团队,通过"文件即通道"机制将所有中间成果持久化存储,使每轮工作都能建立在前一轮积累的基础上。在PaperBench和MLE-Bench Lite两个基准上,系统表现显著优于现有最强对比系统,论文发布于2026年4月。
这项由字节跳动发布的研究(arXiv:2604.13030)提出了生成式精化网络(GRN),一套模仿人类画家"边画边改"直觉的视觉生成新框架。其核心包括两项创新:层级二进制量化(HBQ)通过多轮二分逼近实现近乎无损的离散图像编码,以及全局精化机制允许模型在每一步对整张图像的所有位置重新预测并随时纠错,从根本上解决了自回归模型的误差积累问题。配合基于熵值的自适应步数调度,GRN在ImageNet图像重建(rFID 0.56)和生成(gFID 1.81)上均创下新纪录,并在文本生成图像和视频任务上以20亿参数达到同等规模方法的领先水平。