【通讯转载自网络|本文末尾注明出处】
2024年1—11月
我国集成电路产量同比增长23.1%
近日，工信部运行监测协调局公布了2024年1—11月份我国电子信息制造业运行情况。数据显示，2024年1—11月份，我国集成电路产量3953亿块，同比增长23.1%。
在生产方面，2024年1—11月份，规模以上电子信息制造业增加值同比增长12.2%，增速分别比同期工业、高技术制造业高6.4个和3.2个百分点。2024年11月份，规模以上电子信息制造业增加值同比增长9.3%。在主要产品中，2024年1—11月份，手机产量15.04亿部，同比增长8.9%，其中智能手机产量11.17亿部，同比增长9.3%；微型计算机设备产量3.06亿台，同比增长2.1%；集成电路产量3953亿块，同比增长23.1%。
在出口方面，2024年1—11月份，规模以上电子信息制造业累计实现出口交货值同比增长1.3%，较2024年1—10月份提高0.6个百分点。2024年11月份，规模以上电子信息制造业实现出口交货值同比增长6.9%。据海关统计，2024年1—11月份，我国出口笔记本电脑1.3亿台，同比增长1.5%；出口手机7.43亿部，同比增长2.7%；出口集成电路2717亿块，同比增长11.4%。
在效益方面，2024年1—11月份，规模以上电子信息制造业实现营业收入14.45万亿元，同比增长7.2%；营业成本12.65万亿元，同比增长7.3%；实现利润总额5653亿元，同比增长2.9%；营业收入利润率为3.9%。2024年11月份，规模以上电子信息制造业营业收入1.49万亿元，同比增长7.2%。
在投资方面，2024年1—11月份，电子信息制造业固定资产投资同比增长12.6%，较2024年1—10月份回落0.6个百分点，比同期工业、高技术制造业投资增速分别高0.5个和4.4个百分点。
来源：中国电子报 原文链接：https://laoyaoba.com/n/928869
工信部人工智能标准化技术委员会成立
近日，工业和信息化部人工智能标准化技术委员会（以下简称“人工智能标委会”）在京召开成立大会。工业和信息化部总工程师谢少锋出席，工业和信息化部科技司、北京市经济和信息化局、北京市海淀区政府负责同志，人工智能标委会主任委员郑志明院士，委员代表，以及相关行业专家参加会议。
为深入贯彻落实党中央、国务院有关决策部署，进一步发挥标准的基础性、战略性、引领性作用，推动人工智能高质量发展和高水平赋能新型工业化，工业和信息化部探索标准机制改革，成立部人工智能标准化技术委员会，编号MIIT/TC1，主要负责人工智能相关领域行业标准制修订工作，秘书处设在中国信息通信研究院。这是工业和信息化部成立的第一个标准化技术委员会，标志着人工智能行业标准化工作迈入新阶段。谢少锋和郑志明共同见证人工智能标委会揭牌。工业和信息化部科技司司长魏巍宣读了人工智能标委会成立公告。
同期，召开了人工智能标准化技术委员会第一次全体委员会议，审议通过了标委会章程、秘书处工作细则、标准制修订工作程序，以及2025年工作要点等文件。
来源：人民邮电报 原文链接：https://laoyaoba.com/n/928949
芯片设计行业转单中国台湾，联电急单涌入
在美国总统当选人特朗普正式就任前，半导体厂商担忧后续禁令可能扩大，IC设计公司转回中国台湾投片的转单效应显现，近期向晶圆代工厂联电投片量加大，在急单报到下，有助于提高联电产能利用率，降低传统淡季影响。
美国拜登政府启动对中国制造的成熟制程芯片展开贸易调查，可能会对来自中国大陆的芯片征收更多关税，这些芯片广泛用于汽车、洗衣机和电信设备等日常用品。
特朗普将在今年1月20日重返白宫，IC设计公司开始积极储备，陆续转单回中国台湾，降低后续高关税的冲击。
业界表示，联电近期迎来IC设计公司的转单、急单，主要以28nm/22nm制程为主，应用包括Wi-Fi、网络通讯等需求。
以联电28nm HPC/HPC+技术来说，广泛支持各种组件选项，以提升弹性及符合性能需求，同时针对多样的产品系列，例如应用产品处理器、手机基频、WLAN、平板电脑、FPGA及网络通信IC等。
至于联电的22nm制程技术，与28nm HKMG制程相比，具有将芯片面积减少10％的优势，同时具备更高的功率性能比和增强的RF性能。
联电日前预估，2025年晶圆产业显现复苏，产业库存经过几个季度调整后已恢复正常，但车用需要更多时间，预计要到第二季才会恢复正常，虽然现阶段客户保守，但研判全年晶圆出货会增加。
至于在定价方面，联电认为即使市场供过于求，公司价格策略会保持弹性，和客户共同提升市占率，着重在高端智能手机显示器、智能手机射频前端模块及产品组合优化。
来源：爱集微 原文链接：https://laoyaoba.com/n/929013
联发科、REDMI强强合作，Turbo 4首发搭载天玑8400-Ultra芯片
1月2日下午，REDMI Turbo 4智能手机正式发布，该手机全球首发搭载联发科天玑8400-Ultra旗舰芯片，既有旗舰性能，更有超级能效！
REDMI、联发科、Arm三方已达成合作，推出定制天玑8400-Ultra旗舰平台，升级全大核架构，以超高能效，重塑中高端性能格局。
通过三方强强合作，REDMI Turbo 4智能手机及天玑8400芯片将改变消费者对轻旗舰智能手机的期望。全大核架构的普及，将使得更多的用户能够享受到高性能、低功耗的智能手机体验。
随着生成式AI、5G等技术深入发展，全球智能手机市场呈现出新一轮发展动能，并驱动手机芯片不断进行技术架构等革新升级。天玑8400不仅首次采用全大核架构，还在CPU、GPU、NPU、影像和通信等方面进行一系列软硬件创新升级，成为联发科有史以来最“舍得”堆料的轻旗舰平台。
据介绍，天玑8400-Ultra芯片定位“全大核能效芯”，堪称天玑8系列史无前例的巨大升级，本次REDMI Turbo 4手机搭载的天玑8400-Ultra使用4nm工艺制程打造，首次采用全大核架构，首发新一代能效大核Arm A725，采用旗舰L2/L3/SLC超大缓存，以及旗舰同代GPU、NPU、ISP架构，实测主流游戏、重载游戏满帧畅玩，日常10大高频使用场景持久流畅。
具体来说，天玑8400-Ultra芯片的全大核CPU包含8个主频至高可达3.25GHz的Arm Cortex-A725大核，采用“1*3.25GHz + 3*3.0GHz + 4*2.1GHz”的架构设计，CPU单核性能提升10%，功耗相比上一代降低35%；CPU多核性能大幅提升41%，借助精准的能效调控技术，多核功耗相较上一代降低44%，适用于各种日常使用场景，包括游戏、音乐播放、视频录制和社交互动，为用户提供更持久、更可靠的设备体验。
天玑8400芯片搭载旗舰同级的Mali-G720 MC7 GPU，GPU峰值性能相较上一代芯片提升24%，功耗降低42%。该GPU支持硬件光线追踪，优化触控延迟，这将为用户带来更丰富、更身临其境的视觉体验，能够轻松应对复杂的游戏场景和高帧率的需求，进一步提升图形处理效果。
除了搭载天玑8400芯片等核心组件外，REDMI Turbo 4手机硬件上还配置了3D冰封循环冷泵，1.5K高光屏，6550mAh小米金沙江电池，升级双增压耐寒芯片，2.5D微弧边框，磨砂柔雾玻璃后盖，IP68级防尘防水等新特性功能。
来源：爱集微 原文链接：https://laoyaoba.com/n/928830
AI发展：训练数据即将遭遇瓶颈
得益于神经网络规模的扩大以及海量数据的训练，人工智能（AI）在过去10年间突飞猛进。“做大做强”的策略，在构建大型语言模型（LLM）上取得了显著成果，ChatGPT就是一个典型的例子。然而，《自然》《麻省理工科技评论》等多家杂志网站指出，AI扩展正逼近极限。一方面，AI“吞噬”着越来越多的能源；另一方面，滋养无数模型成长的传统数据集，正被LLM开发人员过度开垦。
训练数据即将遭遇的瓶颈已悄然浮现。有研究机构预测，到2028年左右，用于训练AI模型的数据集典型规模将达到公共在线文本总估计量的规模。换句话说，AI可能会在大约4年内耗尽训练数据。与此同时，数据所有者（如报纸出版商）开始打击对其内容的滥用行为，进一步收紧了访问权限，这将引发“数据共享”规模上的危机。为此，开发人员必须寻找变通之道。
数据集供需失衡
过去10年间，LLM的发展显示出了对数据的巨大需求。自2020年以来，用于训练LLM的“标记”（或单词）数量已增长100倍，从数百亿增加到数万亿。一个常见的数据集RedPajama，包含数万亿个单词。这些数据会被一些公司或研究人员抓取和清洗，成为训练LLM的定制数据集。
然而，可用互联网内容的增长速度出乎意料的缓慢。据估计，其年增长率不到10%，而AI训练数据集的大小每年增长超过一倍。预测显示，这两条曲线将在2028年左右交汇。
与此同时，内容供应商越来越多地加入软件代码或修改条款，阻止爬虫及AI抓取其数据。在这些内容中，被明确标记为限制爬虫访问的数量，从2023年的不足3%猛增到了2024年的20%至33%之间。
当前，围绕AI训练中数据使用的合法性，试图为数据提供商争取应有赔偿的多起诉讼正在进行。2023年12月，《纽约时报》向OpenAI及其合作伙伴微软提起了诉讼，指控其侵犯了版权；今年4月，纽约市Alden全球资本旗下的8家报纸联合发起了一起类似的诉讼。对此，OpenAI表示，《纽约时报》的诉讼“毫无根据”。若法院最终站在内容提供商一方，支持其获得经济赔偿，那么对于AI开发人员，尤其是那些资金紧张的学者而言，获取所需数据无疑将变得更加艰难。
新方法有待印证
寻找更多数据的一个途径是收集非公开数据，如社交媒体消息或视频文字记录。然而，这种做法的合法性尚存争议。一些公司选择使用自己的数据来训练AI模型，如Meta利用虚拟现实头显收集的音频和图像进行训练。但各公司政策不同，包括Zoom在内的一些公司则明确表示不会使用客户内容训练AI。
另一种选择可能是专注于快速增长的专业数据集，如天文学或基因组学数据，但其对训练LLM的可用性和实用性尚不清楚。如果AI接受除文本之外的多种类型的数据训练，可能会为丰富数据的涌入打开闸门。Meta首席AI科学家勒丘恩强调，人类通过观察物体而“吸收”的数据远超用于训练LLM的数据量，机器人形态的AI系统或许能从中获取经验。
此外，制造数据也是解决之道。一些AI公司付费让人们生成训练内容，或使用AI生成的合成数据来训练AI。这已成为一个潜在的巨大数据源。然而，合成数据也存在问题，如递归循环可能巩固错误、放大误解，并降低学习质量。
小模型更专更精
另一种策略是摒弃模型“越大越好”的开发观念。一些开发者已在追求更高效、专注于单一任务的小型语言模型。这些模型需要更精细、更专业的数据以及更好的训练技术。
12月5日，OpenAI发布了新的OpenAI o1模型。尽管该公司未透露模型的规模或训练数据集大小，但o1采用了新方法：在强化学习上投入更多时间，让模型对每个回答进行更深入的思考。这标志着一种转变，即从依赖大规模数据集进行预训练，转向更注重训练和推理。
当前，LLM可能已饱览互联网大部分内容，或许无需更多数据即可变得更智能。美国斯坦福大学一项研究表明，模型从多次读取给定数据集中学到的内容，与从相同数量的唯一数据中学习到的内容一样丰富。
来源：科技日报 原文链接：https://laoyaoba.com/n/928961
END
--- 关于我们 ---
芯果成立于2023年12月，是科技成果转化、科技领域投资投行服务的专业媒体平台。芯果团队是一群朝气蓬勃的超级小伙伴，依托教育背景，包括清华大学、北京大学、中国传媒大学、北京交通大学、河北大学等深厚的科研学术、科技产业积淀，以及管理团队过往在产业、资本领域积累的丰富资本市场案例经验，聚焦科技投资投行领域，重点关注人工智能、半导体及集成电路、新能源、智能汽车等各类创新。
转载、合作、加入粉丝群请联系小助理
（微信号：globalfinance007）
随手点赞👍，戳个在看
