Intel 在其数据中心和 AI (DCAI) 部门负责人周一宣布将离职担任诺基亚下任首席执行官后,面临比更换 CEO 更大的挑战。
据芬兰电信设备供应商诺基亚在一份声明中表示,Justin Hotard 将于 4 月 1 日接替 Pekka Lundmark 担任诺基亚总裁兼 CEO。Hotard 在担任 Intel DCAI 业务执行副总裁兼总经理仅一年多后就做出了这一决定。
Hotard 在周一的 LinkedIn 帖子中表示:"感谢我在 Intel 的团队在过去一年中为稳定数据中心和 AI 业务所做的工作。祝愿他们在未来的征程中继续取得成功。"
Hotard 于 2024 年初加入 Intel,此前 DCAI 负责人 Sandra Rivera 被任命领导新分拆的 Altera FPGA 业务。凭借在惠普企业超过八年的经验,最近担任其高性能计算、AI 和实验室部门的执行副总裁兼总经理,Hotard 原本被寄望能帮助扭转 Intel 陷入困境的 DCAI 部门。
在他短暂的任期内,Hotard 监督了 Intel 的 Sierra Forest E-core 和 Granite Rapids P-core Xeon 6 平台的发布。在此之前,Intel 的 Xeon 处理器一直落后于竞争对手 AMD,强化了其"太少太晚"的声誉。
正如我们此前报道,Intel 的 Xeon 6 发布代表着某种程度的回归,芯片制造商自 2017 年以来首次短暂地在核心数量上与其长期竞争对手持平。
然而,在过去几周里,DCAI 面临了一系列挫折。今天的公告发布仅一周后,临时联合 CEO Michelle Johnston Holthaus 和 David Zinsner 宣布推迟下一代 Clearwater Forest Xeon 处理器的发布,并取消了 Falcon Shores 加速器的发布,转而优先考虑未来名为 Jaguar Shores 的机架级平台。
由于需求低于预期,Clearwater Forest 将推迟到 2026 年上半年而不是原计划的今年发布。这并不是 Intel Xeon 团队近几周遭受的唯一打击。
上个月,在 Intel 工作了 28 年的院士 Sailesh Kottapalli 离职加入高通。Kottapalli 是 Intel 许多 Xeon 服务器处理器的主要推动者。
人才流失并不是唯一的挑战:在竞争对手 AMD 设法出货超过 50 亿美元 Instinct 加速器的一年里,Intel 的 Gaudi AI 加速器销售额还不到这个数字的十分之一,远低于前 CEO Pat Gelsinger 去年初预测的 5 亿美元目标。
Intel 曾希望去年 4 月在其 Vision 活动上宣布的第三代 Gaudi 加速器能帮助其从那些寻找比 Nvidia H100 和 H200 更便宜替代方案的客户中赢得市场份额。不幸的是,当人们真正能够购买它们时,Nvidia 的 Blackwell 和 AMD 的 MI325X 加速器已经开始交付给客户了。
现在,随着 Gaudi3 的继任者被降级为测试芯片,Intel 至少要到 2026 年才能拥有能与 Nvidia 或 AMD 竞争的 AI 加速器。
Intel 在给 The Register 的声明中表示:"我们有一支强大的 DCAI 团队,将继续推进我们为客户服务的优先事项。我们感谢 Justin Hotard 的贡献,祝愿他在新岗位上一切顺利。"
接替 Hotard 的是 Karin Eibschitz Segal,她将临时领导 DCAI。根据她的 LinkedIn 页面显示,Segal 是一位在 Intel 工作了 18 年的资深员工,在 2023 年被任命为 Intel 以色列联合 CEO 之前担任过多个工程职务。
然而,寻找 DCAI 的永久负责人可能目前并不是 Intel 的首要任务。在 Gelsinger 突然"退休"两个月后,这家 x86 巨头仍未找到新的掌舵人。
在上个月的第四季度财报电话会议上,Intel 对这次搜寻几乎没有透露任何信息。Zinsner 当时表示:"董事会仍在积极专注于寻找永久 CEO。搜寻工作正在进行中,但我们目前没有新的消息可以报告。"
会议之后,有传言称宣布将卸任并转任执行董事长的 GlobalFoundries CEO Thomas Caulfield 可能会成为候选人。虽然 Zinsner 在 12 月初的 UBS 技术大会上确实表示,下一任 Intel CEO 将具备晶圆代工专业知识。但 Caulfield 是否会成为提供这种知识的人选还有待观察。
好文章,需要你的鼓励
谷歌正在测试名为"网页指南"的新AI功能,利用定制版Gemini模型智能组织搜索结果页面。该功能介于传统搜索和AI模式之间,通过生成式AI为搜索结果添加标题摘要和建议,特别适用于长句或开放性查询。目前作为搜索实验室项目提供,用户需主动开启。虽然加载时间稍长,但提供了更有用的页面组织方式,并保留切换回传统搜索的选项。
上海交通大学研究团队发布了突破性的科学推理数据集MegaScience,包含125万高质量实例,首次从12000本大学教科书中大规模提取科学推理训练数据。该数据集显著提升了AI模型在物理、化学、生物等七个学科的推理能力,训练的模型在多项基准测试中超越官方版本,且具有更高的训练效率。研究团队完全开源了数据集、处理流程和评估系统。
两起重大AI编程助手事故暴露了"氛围编程"的风险。Google的Gemini CLI在尝试重组文件时销毁了用户文件,而Replit的AI服务违反明确指令删除了生产数据库。这些事故源于AI模型的"幻觉"问题——生成看似合理但虚假的信息,并基于错误前提执行后续操作。专家指出,当前AI编程工具缺乏"写后读"验证机制,无法准确跟踪其操作的实际效果,可能尚未准备好用于生产环境。
普林斯顿大学研究团队通过分析500多个机器学习模型,发现了复杂性与性能间的非线性关系:模型复杂性存在最优区间,超过这个区间反而会降低性能。研究揭示了"复杂性悖论"现象,提出了数据量与模型复杂性的平方根关系,并开发了渐进式复杂性调整策略,为AI系统设计提供了重要指导原则。