半导体公司博通(Broadcom Inc.)近日发布了业绩报告,收入超预期,这源于业界对计算机芯片的巨大需求。博通还给出了乐观的预测,称来自云基础架构公司和服务提供商的需求没有放缓的迹象。
博通发布的报告里第二季度利润在未计入某些成本(如股票补偿)前为每股6.62美元。总收入比一年前增长了15%,达66.1亿美元。华尔街此前的预测为每股盈利6.43美元,收入为65亿美元。
博通公司首席执行官Hock Tan表示,“多个市场的客户都在争着购买博通的计算机芯片,这助力博通半导体收入同比增长了20%。”
博通公司是一家主打芯片的制造商,旗下的产品用于众多行业,从数据中心和网络设备到无线设备和工业设备。博通还拥有一个较小的基础架构软件业务,专注于大型机、网络安全、自动化和监控。
博通该季度半导体部门的收入为48.2亿美元,大大超过了分析师预测的46.8亿美元。基础架构软件收入为公司收入贡献了18亿美元,同比增长了4%。
由于全球半导体的短缺不太可能很快解决,博通看到业界对旗下产品的巨大需求。因此博通的业绩好于预期的消息并没有引起太多的关注,博通的股票在盘后交易中几乎没有变动。
Constellation Research Inc.的分析师Holger Mueller表示,博通该季度收入和利润增长方面的表现相当了不起。Mueller指出,“博通在研发上投入了15亿美元,同时还做到了这一点,这相当了不起。现在市场会关注博通是否能在整个芯片短缺期持续落实各项举措。”
Moor Insights & Strategy的分析师Patrick Moorhead告诉记者,博通的强劲业绩主要是由于公司领导层有着丰富的经验。
Moorhead表示,“博通公司的CEO Hock Tan知道在芯片供应危机里该做什么,没人比他更在行了,虽然博通在优化供应链方面并不比其他大型竞争对手有什么明显优势,但博通公司知道如何有策略地提价。”
展望未来,博通认为第三季度的收入预测为67.5亿美元,高于华尔街预测的65.7亿美元。另外博通没有提供任何关于盈利的指导。
Tan表示,“我们对第三季度的展望是这种同比增长趋势将持续,我们继续看到来自服务提供商和超云的强劲需求。”
好文章,需要你的鼓励
这篇研究论文介绍了"Speechless",一种创新方法,可以在不使用实际语音数据的情况下训练语音指令模型,特别适用于越南语等低资源语言。研究团队通过将文本指令转换为语义表示,绕过了对高质量文本转语音(TTS)系统的依赖。该方法分三个阶段:首先训练量化器将语音转为语义标记;然后训练Speechless模型将文本转为这些标记;最后用生成的合成数据微调大型语言模型。实验表明,该方法在越南语ASR任务中表现出色,为低资源语言的语音助手开发提供了经济高效的解决方案。
《Transformer Copilot》论文提出了一种革命性的大语言模型微调框架,通过系统记录和利用模型训练过程中的"错误日志"来提升推理性能。研究团队受人类学习者记录和反思错误的启发,设计了一个"副驾驶"模型来辅助原始"驾驶员"模型,通过学习错误模式并在推理时校正输出。这一方法在12个基准测试上使模型性能提升高达34.5%,同时保持计算开销最小,展现了强大的可扩展性和可迁移性,为大语言模型的优化提供了全新思路。
德克萨斯大学Austin分校的研究团队提出了RIPT-VLA,一种创新的视觉-语言-动作模型后训练范式。该方法通过让AI模型与环境互动并仅接收简单的成功/失败反馈来学习,无需复杂的奖励函数或价值模型。实验证明,RIPT-VLA能显著提升现有模型性能,在轻量级QueST模型上平均提升21.2%,将大型OpenVLA-OFT模型推至97.5%的前所未有成功率。最令人惊叹的是,仅用一个示范样本,它就能将几乎不可用的模型在15次迭代内从4%提升至97%的成功率,展现出卓越的数据效率和适应能力。
北京大学与华为诺亚方舟实验室研究团队共同开发了TIME基准,这是首个专为评估大语言模型在真实世界场景中的时间推理能力而设计的多层级基准。该研究提出了三个层级的时间推理框架,包含11个细粒度任务,并构建了涵盖38,522个问答对的数据集,针对知识密集型信息、快速变化的事件动态和社交互动中的复杂时间依赖性三大现实挑战。实验结果表明,即使是先进模型在构建时间线和理解复杂时间关系方面仍面临显著挑战,而测试时扩展技术可明显提升时间逻辑推理能力。