
曾在移动市场上错失良机的芯片巨人英特尔,凭借去年在平板4000万台出货量目标的超额完成,也将重启曾一度搁浅的智能手机业务。显然,激进的巨人并不急于求成,而是按照自己的节拍稳步前行。
如果说2014是英特尔征服移动市场计划的开始,那么2015注定是英特尔移动智能设备重拳发力的一年。这个时机,正是在巴塞罗那MWC2015上,英特尔打响移动市场反击战的有力一枪。
英特尔客户端计算事业部副总裁、客户端计算事业部中国区总经理陈荣坤
日前,英特尔在2015世界移动通信大会上,宣布将针对不同类型和价位区间的移动设备,推出新的移动设备平台与产品组合。其中,包括凌动x3、x5、x7处理器,第三代英特尔XMM7360 LTE调制解调器,以及针对移动设备的无线连接产品。连同相对高端的酷睿M芯片,英特尔移动芯片覆盖了包括从智能手机到二合一设备在内的大多数类型的移动设备。
凌动芯布局 细分移动市场
英特尔推出的代号为“SoFIA”的凌动X3处理器是首款针对入门级和高性价比智能手机、可通话平板和平板电脑的系统芯片(SoC)。
它是一款64位多核心处理器并于3G或4G LTE链接进行集成,将应用处理器、图像传感器、音频系统、通信连接和电源管理整合至单一系统芯片中,利用高集成度确保“SoFIA”凌动x3更加经济实惠的价格。凌动X3有3个版本,分别是3G、3G-R以及LTE,两个集成有3G调制解调器,一个集成有LTE调制解调器。
这是英特尔首次发布有竞争力的智能手机芯片,它之前的移动芯片几乎只面向平板电脑。尽管X3可能主要被应用在廉价Android设备中,但也将支持移动版Windows 10,标志着Windows Phone手机将首次可以配置英特尔芯片。
凌动x5以及x7是英特尔公布的另外2款凌动芯片(代号为“Cherry Trail”),被定位在主打主流和高端平板电脑(7英寸-10英寸)和二合一设备。其重要的更新体现在:
1、3D图形性能是上一代“Bay Trail”凌动Z3795的两倍;
2、支持实感技术(RealSense),快照R100可实现深度传感照片的功能,下半年上市的R200能让消费者拍出3D效果;
3、Pro WiDi和True Key技术减少线缆使用和记密码的烦恼
此外,英特尔还公布了新一代XMM 7360调制解调器,可以与X5、X7搭档。另外发布的三款无线连接产品是针对移动设备的,包括 Wireless-AC 8x70、 Wireless-GNSS 2x00和 Wireless-NFC 4000。
这些新的移动连接技术支持不同细分市场中的多种智能手机、可通话平板和平板电脑。通过自定义的无线功能套件,这些无线产品有助于制造商们缩短产品上市时间并实现产品设计的差异化。
三大部署 扩大移动市场份额
去年,由于英特尔移动芯片成本较高,在与更便宜的ARM架构竞争中处于劣势,无法吸引ODM和OEM设计和制造移动设备,更难推向市场。最终,英特尔还是采用“补贴”的办法,寻找国内有能力制造、销售平板电脑的企业,赢得了类似蓝魔、台电这样的老牌MP3厂商的合作。
但在凌动x3、x5、x7出现后,其成本将大大降低,对合作伙伴来说英特尔不那么贵了,英特尔客户端计算事业部副总裁、客户端计算事业部中国区总经理陈荣坤也表示,“我们不会再期待这方面的合作或者是一种补贴。”
纵观当下的移动市场芯片的竞争,英特尔将如何加快新品的商业部署,扩大英特尔在整个移动市场上的份额,陈荣坤也毫不避讳的透露了英特尔应对移动市场竞争的详细部署:
第一,英特尔增加了强有力的合作伙伴,包括跟瑞芯微和展讯的合作。要知道这两家公司都在供应链和客户群上有着广泛积累,因此当瑞芯微和展讯基于英特尔的IA架构来设计产品,也能有助于英特尔的IA产品在移动市场上迅速扩大。
第二,英特尔关于平板以及手机的参考设计。当下,英特尔中国团队正在紧锣密鼓加快工作,加快基于英特尔芯片方案的平板及手机产品的快速上市,这里面除了参考设计以外也包括一些上下游的零配件厂商备用的选择。
第三,英特尔正在为合作伙伴提供交钥匙工程,压缩产品研发周期,让合作伙伴可以用不到三个月的时间就能把采用英特尔芯片的产品快速推向市场。
2015将是英特尔在移动市场领域,尤其是平板和智能手机市场双拳出击的一年,那么对于2015年,平板电脑的新目标数字是多少?陈荣坤并没有给出肯定答案,而是委婉的透露在英特尔内部是有目标的,希望可以跟着平板市场的平均增速,预计再过一段时间,必将会公布一个具体的数字。
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。