英特尔首席执行官陈立武警告称,除非有"有意义的外部客户"能保证利润,否则他可能会停止对英特尔领先的14A半导体工艺节点的投资——这一举动可能最终意味着芯片制造商对摩尔定律忠实遵循的终结。
"我们的外部代工战略一直植根于半导体制造的经济现实,"陈立武在上周晚些时候的2025年第二季度财报电话会议上告诉听众。"直到英特尔18A工艺,我们只靠英特尔产品就能获得合理的投资回报。但英特尔14A的资本成本增加使情况明确化,我们需要英特尔自身产品和有意义的外部客户来推动已部署资本的可接受回报。只有当我确信这些回报存在时,我才会投资。"
这一表态其实英特尔早已有所暗示:今年5月,首席财务官戴维·津斯纳曾表示:"我认为我们确实需要看到14A比18A带来更多的外部订单量"——但陈立武的评论将对外部客户的期望转变为硬性要求,如果没有满足这一条件,英特尔可能会撤销对其领先工艺节点开发的资金支持。
如果这一情况成真,可能意味着英特尔遵循摩尔定律能力的终结。摩尔定律源自英特尔联合创始人戈登·摩尔在担任仙童半导体研发总监时为《电子杂志》撰写的一篇文章中的观察,后来成为必须达到的目标:"组件成本最低的复杂度以每年大约两倍的速度增长。"这一预测十年后被修正为每两年组件数量翻一番。
在摩尔最初观察时,领先的芯片最多只有几千个晶体管;如今,最强大的主流处理器已超过千亿晶体管——它们之所以没有足球场那么大,是因为芯片代工厂一直在缩小特征尺寸,将更多晶体管塞进每个部件中。
每当一家晶圆厂推出新工艺节点,人们就会担心持续缩小无法继续。今天的个位数纳米节点比英特尔庆祝其首个0.13微米(130纳米)部件时小两个数量级,需要基于极紫外技术的昂贵光刻设备,如荷兰光刻巨头ASML的"高NA"设备。即便如此,物理定律使得实际生产先进芯片成为越来越大的挑战——这是给世界带来第一个微处理器的英特尔正在苦苦应对的挑战。
前首席执行官帕特·基辛格领导英特尔扩大其制造设施的第三方使用,以更广泛地分摊不断增长的新制造设备成本。在他任期的第四年,还未完成五年计划就离职了,继任者陈立武通过取消产品、大规模裁员和将代工业务转变为独立子公司等措施大幅削减公司成本。
这一分拆发生之际,具有讽刺意味的是,英特尔增加了对在先进工艺节点转型中更为成功的第三方制造商的依赖——主要是台积电(TSMC),自从竞争对手AMD也剥离了制造能力后,它同样成为AMD的首选。此前,英特尔还取消了Intel 20A,这是一个更大且相应成本更低的节点,原计划在Intel 18A之前推出,但该公司未能实现。
如果英特尔未能找到一个口袋够深的外部客户来平衡账目,且陈立武兑现了他撤资的威胁,这可能意味着英特尔不断追逐摩尔定律的终结——但摩尔定律的终结早在2009年、2011年、2012年、2013年等就被预测过。至今尚未发生。
英特尔放弃对领先节点的投资和开发,转而采用外包生产和更大的成熟节点,无疑将标志着一个时代的结束,但也为台积电和格芯等晶圆厂竞争对手提供了机会,让他们做英特尔无法做到的事情,保持这一趋势的轨道。
英特尔回应我们的置评请求时,指出了陈立武坚持认为公司"致力于代工业务"的表态。
好文章,需要你的鼓励
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。