英特尔神秘晶圆厂计划曝光

据消息人士透露,英特尔公司决定在俄亥俄州哥伦布市地区新建一家大型计算机芯片工厂,这可能是该州历史上最大的经济发展项目。

州政府官员拒绝就芯片工厂进入该州的消息发表评论,克利夫兰网和平原经销商本周早些时候首次报道了该消息。但消息人士称,尚未回复消息的英特尔正在与地方、州和联邦政府官员合作,尽快敲定公告。

该项目的细节受到严密保护。消息人士称,英特尔在 12 月下旬通知州长迈克·德温 (Mike DeWine) 和其他州官员,该公司已选择俄亥俄州作为其计划中的工厂,赢得了来自纽约的竞争提案。当被问及本周早些时候的这封信时,DeWine 拒绝发表评论,而是通过一般性地谈论半导体的经济重要性来回应。Cleveland.com和 The Plain Dealer 已 就这封信提交了公开记录请求,但 DeWine 政府尚未出示。

该工厂计划位于哥伦布以东约 20 英里的富裕郊区新奥尔巴尼,将雇用数千名工人,耗资数百亿美元。作为该项目规划的一部分,当地政府官员上周批准了一项协议,该协议最终将为新奥尔巴尼从利金县周围的非法人地区吞并 3,600 英亩土地铺平道路。

然而,该项目的具体范围和时间将与联邦立法挂钩,该立法将向国内半导体生产商提供数十亿美元的补贴。去年 6 月,民主党控制的参议院在两党投票中通过了《美国创新与竞争法》,尽管该措施在民主党控制的众议院陷入僵局。本周早些时候,包括德万在内的俄亥俄州共和党和民主党官员都呼吁国会批准该法案。乔·拜登总统的政府也已敦促众议院采取行动。

英特尔首席执行官帕特里克·盖尔辛格去年 8 月宣布,该公司计划在美国某处建立一个新的“大型晶圆厂”芯片工厂。Gelsinger 告诉华盛顿邮报,它将在 10 年内分阶段建造。

Gelsinger 告诉《华盛顿邮报》,该综合体建成后将耗资 1000 亿美元并雇用 10,000 名工人。该公司计划在今年年底之前发布公告,尽管它最近将时间表修改为 2022 年初。

在接受《华盛顿邮报》采访时,Gelsinger 将计划中的综合体描述为“小城市”,支持 100,000 个额外的相关工作。

Gelsinger 说,公司选址的因素包括靠近大学。据俄亥俄州立大学官员称,俄亥俄州立大学的计算机科学和电气工程项目去年进入了《美国新闻与世界报道》的前 25 名排名。

任何重大的经济发展项目都可能会吸引大量的国家补贴,包括来自该州私营经济发展部门 JobsOhio 的补贴。JobsOhio是由当时的州长创建。John Kasich 于 2011 年在很大程度上取代了州发展部,其资金来自其运营州对酒类销售的垄断地位。

JobsOhio 官员此前曾吹捧计划在俄亥俄州东南部的贝尔蒙特县建设一个价值 60 亿美元的石化加工厂,这是该州历史上最大的经济发展项目。JobsOhio 提供了 7000 万美元的奖励,用于支付该项目的初步成本,包括初步的现场工作。该工厂预计将雇用 500 名员工,但随着全球石油和塑料价格的变化而停滞不前,其状况尚不清楚。

近几个月来,英特尔和其他半导体公司宣布了在美国扩张的计划,这是“回流”趋势的一部分,或将经济上至关重要的行业的制造能力从海外转移回美国。据彭博社报道,英特尔还计划在德国、意大利和法国建立新工厂。

冠状病毒大流行及其相关的劳动力短缺和供应链中断是最近全国用于汽车、电子产品和许多其他常见消费品的计算机芯片短缺的主要因素。中美之间的紧张关系也是一个因素,美国官员将不断增长的国内芯片制造能力视为国家安全问题。

英特尔还在通过公开出售其于 2017 年收购的自动驾驶汽车公司Mobileye 的股票来筹集数十亿美元。据《华尔街日报》报道,这一举措预计将在今年晚些时候完成。

深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值