
记得在去年的IDF上,科再奇承认英特尔错失了平板电脑的市场,并且订了在平板电脑市场的目标(4倍成长计划),即2014年平板电脑出货量增至四千万台。在今年的IDF上,科再奇坦言这一目标已经达成,并且超出了预期,2014年英特尔平板电脑的出货量达到四千六百万台,这也大大提升了英特尔在移动终端领域的信心。
这当然不是终点,不仅在移动终端领域,在传统的PC领域英特尔也有自己的考量,任何因素都不能停止英特尔创新的步伐。
今年,英特尔在平板电脑领域并没有给自己设定“任务”,取而代之的是一种信心。
英特尔公司高级副总裁、客户端计算事业部总经理施浩德在第二天的主题演讲环节表示,2014年四千六百万台(英特尔芯平板电脑)的出货量,其中有40%来自中国。
在移动终端领域,英特尔推出了极具竞争力的成本优化移动平台——英特尔凌动x3(SoFIA),这是英特尔与瑞芯微合作的成果,凌动x3是智能手机、可通话平板和平板电脑的通用平台,64位英特尔架构,集成了WiFi、3G、4G,施浩德透露,目前已经有14家ODM和48款设计,覆盖了4-8英寸的各种参考设计。
而英特尔的交钥匙计划,也恰恰能够进一步推动凌动x3平台。施浩德表示,交钥匙计划有四个优点,分别是:1、全面的参考设计支持;2、产品上市时间缩短为6-8周;3、英特尔品牌和渠道拓展;4、与竞争对手相比英特尔平板的返厂率比竞争对手低20%。
作为英特尔的合作伙伴,蓝岸通讯总裁贺涛参加了本次活动并发表了他的看法,他表示凌动x3让厂商的研发领域可以同时覆盖手机和平板,也大大缩短了产品的上市时间以及人力的支出,但是值得抱怨的是,英特尔大大降低了这个行业的门槛,蓝岸的竞争对手变得越来越多。这也侧面反映了,英特尔交钥匙计划的作用明显。
沃特沃德也在IDF2015上发布了十余款搭载英特尔凌动x3系列处理器的全新手机方案,不久的将来,消费者就能看到越来越多搭载凌动x3处理器的产品问世。
除此之外,施浩德还介绍了凌动x5以及x7平台,这是首款14nm凌动处理器,拥有2倍的3D图形性能,可覆盖主流到高端,并且拥有全新体验,包括语音、无需线缆、无需密码、英特尔实感技术等。微软近期推出的Surface 3就是第搭载英特尔凌动x7处理器的平板。
随着智能终端的普及,很多人开始唱衰PC的发展(以广大分析机构出具的PC销量报告为依据),但是英特尔的态度一直是保卫PC市场,并且要重塑PC市场。施浩德表示,PC市场仍然有很大的机会,在中国市场有1.4亿台PC的使用时间超过4年,需要升级。
英特尔一直在PC领域尝试创新,比如搭载酷睿M处理器的2合1电脑、一体机和便携式一体机等,这其中还出现了新的计算形态,计算棒和迷你电脑,这些形态的产品出现很大程度上推动了商业创新,也给用户提供了更多计算设备的选择。
施浩德在演讲中还提及了英特尔的芯片产品,包括针对高性价比入门级产品创新的Braswell,以及全新面向消费类和商用产品的第六代智能英特尔酷睿处理器Skylake,这些产品也是支撑PC创新的源动力。
现如今,英特尔已经不只是一家技术范儿十足的芯片厂商,它变成了一个计算创新的领先厂商,计算不只是硬件,同时也包括软件以及一些服务。所以英特尔是一家能够提供硬件、软件等解决方案的公司。而“用户体验”也被摆在了一个非常重要的位置上。
施浩德在演讲中也着重介绍了“全新的用户体验”,包括无需线缆、无需密码、自然的用户界面这三项,其中,无需线缆主要是无线充电、无线坞站以及无线显示等,无需密码讲解了虹膜支付等,而自然的用户界面主要是指英特尔的REALSENSE(实感技术)。
REALSENSE是英特尔大力推广的技术,目前已经有超过65款应用支持该技术。不仅是PC,这一技术也将被采用到手机产品上。
施浩德介绍了2015年英特尔与中国的合作方向,包括全新的移动解决方案、拓展交钥匙计划、开发和创新用户体验、PC革新之路以及针对企业和消费者的革新,他表示,期待接下来与大家一起在中国协同创新。
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。