【重磅】博通第一财季净利62.3亿美元 同比增2507%；三星闪存工厂突发停电30分钟:6000片晶圆报废
1.博通第一财季净利62.3亿美元 同比增2507%；
2.三星闪存工厂突发停电30分钟：6000片晶圆报废；
3.出货即将打败索尼 三星目标成为最大手机图像传感器制造商；
4.扩展应用领域 AMD嵌入式处理器效能再突破；
5.深度学习框架只为GPU? 答案在这里
1.博通第一财季净利62.3亿美元 同比增2507%；
凤凰网科技讯 北京时间3月16日消息，博通公司(NASDAQ:AVGO)今天发布了截至2月4日的2018财年第一季度财报。财报显示，按照美国通用会计准则(GAAP)计算，博通第一财季净营收为53.27亿美元，较上年同期的41.39亿美元增长29%；归属于普通股股东的净利润为62.30亿美元，较上年同期的2.39亿美元增长2507%。
博通第一财季净利润实现大涨是因为并入了网络设备制造商博科持续运营业务的业绩。博通在去年完成了对博科的收购。博通第一财季营收符合预期，对第二财季业绩展望也符合预期，股价在周四盘后交易中下跌逾1%。
股价表现：
博通股价
博通周四在纳斯达克交易所的开盘价为263.73美元。截至周四收盘，博通股价上涨7.17美元，报收于267.76美元，涨幅为2.75%。截至美国东部时间周四18:13分(北京时间周五6:13分)，博通股价在盘后交易中下跌3.76美元至264.00美元，跌幅为1.40%。过去52周，博通股价最高为285.68美元，最低为208.44美元。
第一财季业绩要点：
——净营收为53.27亿美元，较上年同期的41.39亿美元增长29%；按非美国通用会计准则(Non-GAAP)，净营收为53.31亿美元，较上年同期的41.49亿美元增长28%；
——毛利率为49.3%，较上年同期的48.3%增长1个百分点；按非美国通用会计准则，毛利率为64.8%，较上年同期的62.4%增长2.4个百分点；
——营业费用为16.85亿美元，较上年同期的14.95亿美元增长13%；按非美国通用会计准则，营业费用为8.83亿美元，较上年同期的7.84亿美元增长13%；
——归属于普通股股东的净利润为62.30亿美元，较上年同期的2.39亿美元增长2507%；
——每股摊薄收益为14.62美元，较上年同期的0.57美元增长2465%；按非美国通用会计准则，每股摊薄收益为5.12美元，较上年同期的3.63美元增长41%；
——截至2018年2月4日，博通持有的现金和现金等价物总额为70.76亿美元，低于上一季度末的112.04亿美元；第一财季，博通来自运营业务的现金流为16.85亿美元，通过出售业务获得7.82亿美元现金，通过出售不动产获得2.37亿美元现金；博通第一财季在业务收购上的支出为56.42亿美元。
按部门划分：
——有线基础设施部门第一财季营收为18.75亿美元，较上年同期的20.84亿美元下降10%；按非美国通用会计准则，营收为18.79亿美元，较上年同期的20.87亿美元下降10%；
——无线通信部门第一财季营收为22.10亿美元，较上年同期的11.75亿美元增长88%；
——企业存储部门第一财季营收为9.91亿美元，较上年同期的7.07亿美元增长40%；
——工业和其他部门第一财季营收为2.51亿美元，较上年同期的1.73亿美元增长45%；按非美国通用会计准则，营收为2.51亿美元，较上年同期的1.80亿美元增长39%；
期中股息：
博通宣布，董事会已批准向截至2018年3月22日股市收盘登记在册的股东派发每股普通股1.75美元的季度、期中现金股息，支付日期为2018年3月29日。
第二财季展望：
——净营收为49.97亿美元，上下浮动7500万美元；按非美国通用会计准则，净营收为50亿美元，上下浮动7500万美元；
——毛利率为50.0%，上下浮动1个百分点；按非美国通用会计准则，毛利率为66.0%，上下浮动1个百分点；
——营业费用为13.75亿美元；按非美国通用会计准则，营业费用为8.90亿美元；
——利息支出和其它费用为1.14亿美元；按非美国通用会计准则，利息支出和其它费用为1.14亿美元；
——所得税准备金为5600万美元；按非美国通用会计准则，所得税准备金为1.03亿美元。(编译/箫雨)
2.三星闪存工厂突发停电30分钟：6000片晶圆报废；
闪存产品正走在发展的快车道上，智能手机、自动驾驶汽车、数据中心等需求广阔，极大推进了发展。不过，Digitimes 3月14日发回报道，3月9日，三星位于Pyeongtaek（平泽市）的闪存工厂出现停电事故，TechNews预计损失相当于3月份的全球供应的3.5%。
虽然停电仅持续了半小时，但依然损坏了5000~6000片晶圆，是三星3月产量的11%。
三星方面则表示，备用电源（设计为20分钟）的有效启动应对了突发状况，所以不会对闪存运营造成显著影响。
据DRAMeXchange（集邦科技）的统计资料，2018年Q1，闪存已经呈现出微弱的供过于求，这是因为去年缺口明显时，主要闪存厂均加码提升产能和良率，结果进入2018年并没有观察到匹配的高增长。 快科技
3.出货即将打败索尼 三星目标成为最大手机图像传感器制造商；
整个 2017 年，从全球智能手机销量而言，三星是全球最大的智能手机厂商，而从全球芯片出单量和营收的角度来讲，三星也是全球最大的芯片制造商。但是三星并不满足于此，因为在智能手机行业，索尼是移动图像传感器的最大生产厂商，现在三星的目标是尽可能取代索尼的地位。
近日，来自韩媒 Etnews 报道显示，三星计划在 2018 年年底之前，将移动图像传感器的产能提高一倍。消息表示，今年下半年，三星将把位于韩国华城市的一直负责 DRAM 生产的 13 号生产线，改为图像传感器生产线。其实从去年开始，三星就已开始把 11 号线以同样的目的进行了处理，因此一旦新生产线完成改造，三星图像传感器的产能相比以往将大幅提升。
据称，13 号生产线每个月大约能够满足 10 万 DRAM 的产能，但却只能完成图像传感器一半的产能目标。Etnews 引用一位内部人士的消息称，当三星完成预期产线的转换之后，11 号与 13 号生产线合计将能够满足每月约 7 万的图像传感器产能。当前三星图像传感器的月产能大概为 4.5 万，届时这一数字将提升到 12 万左右。
很长一段时间以来，三星一直致力于 ISOCELL 传感器，主要运用于智能手机产品，目前最亮眼的产品莫过于 ISOCELL Fast 2L3 传感器，Galaxy S9 和 S9 Plus 所用的就是这枚，因其支持每秒 960 fps （720P）超慢动作录制而大放异彩。不过，三星的移动图像传感器并不局限于三星自家手机，目前已经有超过 10 家厂商与其有订单合同。
有分析认为，三星积极寻求移动图像传感器业务的扩展并不足为奇，因为随着中国在半导体领域的投入，未来 NAND 和 DRAM 的价格将会有所下降，因此三星增加图像传感器的产量，将有助于避免其他领域潜在的收入损失，至少不会遭受重创。 威锋网
4.扩展应用领域 AMD嵌入式处理器效能再突破；
嵌入式处理器也准备跨入高效能的新时代，AMD近期便推出了AMD EPYC 3000嵌入式处理器，及AMD Ryzen V1000嵌入式处理器等两款全新产品系列，宣示其入主高效能嵌入式处理器市场的决心。 AMD EPYC 3000嵌入式处理器将「Zen」的CPU能力带入众多新市场，其中包括网络、储存及边缘运算装置。 AMD Ryzen V1000嵌入式处理器则针对包括医疗成像、工业系统、数字游戏及精简型计算机。 全新AMD嵌入式处理器除了效能与整合度之外，更内建了防御功能。
AMD嵌入式系统应用范围广泛，图为合作伙伴展示采用AMD嵌入式处理器的绘图卡。
AMD透过AMD EPYC及AMD Ryzen嵌入式处理器产品系列，将高效能x86「Zen」架构从PC、笔电及数据中心进一步扩展到网络、储存及产业解决方案，为网络核心至边缘提供更全面的效能。 AMD EPYC 3000嵌入式处理器针对新一代网络功能虚拟化、软件定义网络及连网储存等应用提升效能标竿。 AMD Ryzen V1000嵌入式处理器结合「Zen」核心架构与「Vega」显示架构，以单芯片绘图效能，协助医疗成像、游戏及工业系统等节省空间与耗电。 藉由这些高效能产品，AMD正为嵌入式处理器开创全新时代。
除了效能外，安全性在开发机柜顶端交换器、精简型计算机装置、或介于上述两者之间的产品上依旧是企业客户首要考虑之一。 AMD EPYC嵌入式处理器与AMD Ryzen嵌入式处理器藉由内建安全处理器的芯片，从硬件层面协助保护数据，再辅以硬件验证开机功能，确保系统由信任的软件执行开机程序。 此外，安全内存加密（SME）技术能侦测未经授权的物理内存存取动作，而安全加密虚拟化（SEV）技术则提供后续的阻挡机制，能对虚拟机（VM）内存进行加密，且不需修改程序代码。CTIMES
5.深度学习框架只为GPU? 答案在这里
目前大多数的机器学习是在处理器上完成的，大多数机器学习软件会针对GPU进行更多的优化，甚至有人认为学习加速必须在GPU上才能完成，但事实上无论是运行机器学习的处理器还是优化的深度学习框架，都不单只针对GPU，代号为“Skylake”的英特尔至强SP处理器就证明了这一点。
机器学习软件在英特尔至强SP系列白金版上的一系列基准测试性能表现与在GPU上非常相近，了解了底层架构之后，我们可以看到，在性能如此接近的情况下，使用GPU加速器更像是在购买一种“奢侈品”，用户在GPU以外还有很多其他的选择。毫无疑问，在用户只需要机器学习的情况下，“加速器”在性能和能耗方面更有优势，大多数人需要的不只是一台“智能的用于机器学习的服务器”，那就让我们来重点看一下英特尔至强SP 白金级处理器为什么是最佳的选择：
CPU优化深度学习框架和函数库
英特尔在基于GPU优化的框架中增加了CPU优化深度学习框架， 打破了深度学习框架偏重于GPU而忽视了CPU的行业现状，解决了目前这些框架缺乏CPU优化的实际问题。
- TensorFlow由谷歌开发，是一个领先的深度学习和机器学习框架，有面向Linux的处理器优化
- Caffe是图片识别领域最受欢迎的应用之一，英特尔提供的优化可以在CPU运行时提高Caffe的性能
- Torch是当下流行的深度学习框架，需要在优化的CPU上应用，可以通过英特尔软件优化（比如英特尔至强可扩展处理器）提高Torch在CPU上的性能
- Theano是一个开源的Python库，很受机器学习程序员的欢迎，它可以帮助程序员高效地定义、优化和评估涉及多维阵列的数学表达式
- Neon是一个基于Python的深度学习框架，目的是在现代深度神经网络上实现易用性和可扩展性，并致力于在所有硬件上实现性能的最大化
- MXNet是一个开源的深度学习框架
- Python及其函数库是机器学习应用里最受欢迎的基础组成，Python加速版过去几年里得到了广泛应用，并且可以直接下载或通过Conda、yum、apt-get或Docker images下载
- BigDL是一个面向Apache Spark的分布式深度学习函数库。通过BigDL用户可以把自己的深度学习应用当作标准Apache Spark程序来编写，直接在现有Apache Spark或Hadoop集群上运行。在Torch基础上开发的BigDL可以为深度学习提供综合性支持：包括数值计算（通过Tensor）和高级神经网络；此外用户还可以利用BigDL把提前训练的Caffe或Torch模型载入Spark程序。英特尔曾声称在一个单节点至强处理器上（例如与GPU相比），BigDL中的处理速度比原始开源Caffe、Torch或TensorFlow要高一个数量级
- 英特尔MKL-DNN是一个开源的、性能强化的函数库，用于加速在CPU上的深度学习框架
- 英特尔数据分析加速库（DAAL）是一个包含了被优化的算法构建模块的开源函数库，针对大数据问题最相关的数据分析阶段。这个函数库适用于当下流行的数据平台，包括Hadoop、Spark、R和Matlab
结果证明了一切，无论是TensorFlow、Caffe，还是Torch、Theano，这些深度学习框架都针对英特尔数学核心函数库（Intel MKL）和英特尔高级矢量扩展指令集（Intel AVX）进行了优化。通过CPU优化，TensorFlow和Caffe基准测试中的CPU性能分别提高了72倍和82倍。
机器学习加速器
科技与行业的发展都是瞬息万变的，机器学习的加速器也会从GPU转向FPGA、ASIC等等，除非我们永远只需要一台只能用于机器学习的服务器，只要在一台服务器上想实现可以支持各种的工作负载，英特尔至强可扩展处理器无疑是最佳的解决方案。加速器的选择正在变得多元化，这是整个行业的发展趋势，多核CPU（英特尔至强融核处理器，特别是“Knights Mill”版）和FPGA（英特尔至强处理器，包含Intel/Altera FPGA）都可以提供更灵活的选择、卓越的性价比和高能效。基于英特尔至强融核处理器训练或学习一个AlexNet图片分类系统的速度，是使用NVIDIA GPU的类似配置系统的2.3倍；英特尔至强融核处理器的性价比最高可以是GPU解决方案的9倍，每瓦性能高达8倍，英特尔Nervana将推出更多专为人工智能开发的产品。英特尔至强SP系列处理器为机器学习提供了卓越的性能，同时相比其他解决方案也为我们带来了更多的功能与选择，让我们在产品与行业的发展中都可以拥有更多可能。 知 IN
END