近日《华尔街日报》报道AMD正在就收购Xilinx进行高级商谈,该交易可能最快将于下周达成。《华尔街日报》援引不愿透露姓名人士的消息称,由于此项谈判在重新启动之前已经停滞过,因此不能保证此次一定能够达成交易。
据称,由首席执行官Lisa Su(如上图)领导的AMD有兴趣收购Xilinx,这是由于这家规模较小的公司在快速增长的电信和国防市场上表现出了强大的实力。Xilinx公司的总部位于加利福尼亚州圣何塞,该公司生产一种被称为现场可编程门阵t列(FPGAs)的专用计算机芯片,这些芯片可用于无线通信、数据中心以及汽车和航空航天行业。
与常规计算机芯片不同,FPGAs可以在构建之后重新进行编程。这使它们在诸如快速原型制作和快速新兴技术等任务中更加有用,在这些领域内的企业没有时间浪费在为特定用例开发处理器上。
《华尔街日报》表示,Xilinx的FPGAs是新的5G网络部署的关键要素,尽管等到这项技术成熟之后,它们最终可能会被更标准化的芯片所取代。
AMD更专注于生产用于个人计算机、数据中心和游戏机的标准芯片。最近,该公司的市值突飞猛涨,今年之内的公司股票的价格上涨了89%,这都是拜新冠肺炎大流行所赐——后者的流行导致了市场对其产品的需求大大增加。
《华尔街日报》表示,AMD可能会倾向于利用其不断上涨的股票价格代替货币,收购Xilinx,以便与主要竞争对手英特尔公司更有效地竞争,后者也生产FPGAs。
Moor Insights&Strategy总裁兼首席分析师Patrick Moorhead表示:“鉴于AMD的估值,它需要扩大其市场机会,收购Xilinx可以进入运营商基础架构、汽车和航空航天领域,并扩大其数据中心的业务。”
Xilinx可能会被AMD的提议说服,鉴于它今年的表现不及其他芯片制造商。《华尔街日报》称,尽管其股价在2020年上涨了9%,但是该公司受到了中美贸易紧张局势的影响,特别是对华为技术有限公司的制裁更是对其影响巨大。华为是Xilinx最主要的客户之一,大约贡献了其收入的6%到8%。
《华尔街日报》表示,Xilinx目前的市值大约为2600万美元,但是AMD很可能会支付溢价,因此无论如何交易都会接近3000万美元。
近年来,随着行业内的重量级企业希望扩大其产品线并进入新市场,半导体行业经历了一波并购的浪潮。上个月,英伟达公司(Nvidia Corp.)表示将斥资400亿美元收购英国芯片设计公司Arm Ltd.,而ADI公司则在7月份表示,将斥资超过200亿美元收购Maxim Integrated Products Inc.。
去年,出现了两笔数十亿美元级别的半导体收购,德国的英飞凌科技公司(Infineon Technologies AG)以94亿美元的价格收购了Cypress Semiconductor Corp.,而Marvell Technology Group Ltd.以60亿美元的价格收购了Cavium Ltd.。上个月,英伟达公司宣布计划以400亿美元收购芯片设计商Arm Holdings Ltd.。
Constellation Research Inc.分析师Holger Mueller对SiliconANGLE表示,硅芯片业务正在转型,这个市场中最大的那些参与者们已经从专注于一种架构的芯片转变为出售一整套不同的芯片。他表示,更复杂的计算机体系架构和拥有完整系统的愿望是推动这些并购的主要动力。
Mueller表示:“ AMD收购Xilinx正符合这种情况,而这种做法将大大的扩展其芯片产品线。”
好文章,需要你的鼓励
阿里巴巴集团正在马来西亚和菲律宾新增数据中心以推动AI驱动增长。该公司云计算部门本周在马来西亚启用第三个数据中心,并计划10月在菲律宾开设第二个数据中心。阿里云还在新加坡设立全球能力中心,帮助超过5000家企业和10万名开发者使用先进AI模型。未来三年内,阿里巴巴将在全球多个地区加速云网络建设,承诺在AI基础设施上投资超过530亿美元。
Unbabel团队开发的TOWER+模型系列实现了翻译专业性与通用AI能力的完美平衡。通过创新的四步训练方法,即使2B参数的小模型也能在翻译质量上匹敌70B大模型,同时具备出色的对话和指令跟随能力。研究还创建了IF-MT基准来评估复杂翻译场景下的综合能力,为AI模型的专业化发展提供了重要参考。
在人工智能与神经科学交叉领域的研究中,科学家正在探索自然发育的生物大脑与人工神经网络之间的异同。如今,实验室培养的生物类器官大脑为这一领域带来了新的复杂性。科学家使用干细胞培养出梨形大脑类器官,这些类器官甚至能够自主生长出眼睛。研究人员通过探索视觉与智能的关系,以及大脑-眼部缩放关系,为人工智能研究提供启发。
莫斯科科学家开发出"听众机制"训练方法,解决AI视觉偏好判断中推理不一致问题。通过让两个AI模型相互"对话"验证推理过程,新方法在ImageReward基准上达到67.4%准确率,并在现代图像数据集上显著提升泛化能力,为开发更可靠可解释的AI系统提供新思路。