
英特尔公司于今天公布了第一季度的财报,财报显示,英特尔第一季度营收达128亿美元,同比去年基本持平,与之前的修改预期相符。在这一财季中,英特尔公司运营收入为26亿美元,同比增长4%。净收入20亿美元,每股收益41美分,该业绩好于去年同期。
从财报中可以看出,尽管PC业务的业绩依旧下滑,但数据中心、物联网和非易失性存储业务的增长成功抵消了这一下滑,使得整体业务依旧呈现缓步上升的趋势。
第一季度业务部门趋势如下:
1. 客户端计算事业部收入为74亿美元,环比下降16%,同比下降8%。
2. 数据中心事业部收入为 37亿美元,环比下降10%,同比上升19%。
3. 物联网事业部收入为5.33亿美元,环比下降10%,同比上升11%。
4. 软件与服务运营部门收入为5.34亿美元,环比下降4%,同比下降3%。
英特尔公司首席执行官科再奇表示:“本季收入与去年同比持平,数据中心、物联网和内存业务实现了两位数的增长,抵消了商用桌面PC需求低于预期所带来的影响。这些结果体现了英特尔继续实施增长战略的重要性。”
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。