当前位置:首页 > 文章列表 > 科技周边 > 业界新闻 > 高盛预测英特尔 2024、2025 年将斥资 56 亿、97 亿美元用于台积电代工

高盛预测英特尔 2024、2025 年将斥资 56 亿、97 亿美元用于台积电代工

来源:IT之家 2023-09-04 12:08:02 0浏览 收藏

编程并不是一个机械性的工作,而是需要有思考,有创新的工作,语法是固定的,但解决问题的思路则是依靠人的思维,这就需要我们坚持学习和更新自己的知识。今天golang学习网就整理分享《高盛预测英特尔 2024、2025 年将斥资 56 亿、97 亿美元用于台积电代工》,文章讲解的知识点主要包括,如果你对科技周边方面的知识点感兴趣,就不要错过golang学习网,在这可以对大家的知识积累有所帮助,助力开发能力的提升。

本站 9 月 4 日消息,虽然英特尔高管对于他们未来路线图和先进工艺的制造实力十分乐观,但投资者似乎不这么认为。

高盛(Goldman Sachs)分析师认为,英特尔未来可能会进一步增加外包给台积电代工产品的比重。

高盛预测英特尔 2024、2025 年将斥资 56 亿、97 亿美元用于台积电代工
图源 Pexels

据 Commercial Times 拿到的高盛分析报告,英特尔在 2024 年和 2025 年的外包订单预计将达到 186 亿美元(当前约 1352.22 亿元人民币) 和 194 亿美元(当前约 1410.38 亿元人民币),这可能意味着英特尔届时会将所有产品外包出去,但几乎不可能发生。

根据高盛的说法,在更现实的发展情况下,台积电可能在 2024 年至 2025 年获得英特尔 56 亿美元(本站备注:当前约 407.12 亿元人民币)和 97 亿美元(当前约 705.19 亿元人民币)的订单。

实际上,从 2023 年下半年开始,英特尔几乎所有的高销量产品都依赖于小芯片设计,其中一部分小芯片由英特尔生产,而另一些则基于台积电生产,但由于英特尔销售的是一个完整的产品,因此依然可以获得较高的利润率。

就台积电而言,如果高盛这一数据足够准确,那么英特尔每年将占台积电总收入的约 6.4%和 9.4%,基本上也相当于仅次于苹果(去年占比约 23%)的大客户,这倒是与业界预期相符。

广告声明:文内含有的对外跳转链接(包括不限于超链接、二维码、口令等形式),用于传递更多信息,节省甄选时间,结果仅供参考,本站所有文章均包含本声明。

今天带大家了解了的相关知识,希望对你有所帮助;关于科技周边的技术知识我们会一点点深入介绍,欢迎大家关注golang学习网公众号,一起学习编程~

版本声明
本文转载于:IT之家 如有侵犯,请联系study_golang@163.com删除
英特尔显卡发布新驱动适配《星空》,显著减少游戏加载时间英特尔显卡发布新驱动适配《星空》,显著减少游戏加载时间
上一篇
英特尔显卡发布新驱动适配《星空》,显著减少游戏加载时间
上海电气首款光伏组件产品进入新能源市场
下一篇
上海电气首款光伏组件产品进入新能源市场
查看更多
最新文章
查看更多
课程推荐
  • 前端进阶之JavaScript设计模式
    前端进阶之JavaScript设计模式
    设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
    543次学习
  • GO语言核心编程课程
    GO语言核心编程课程
    本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
    516次学习
  • 简单聊聊mysql8与网络通信
    简单聊聊mysql8与网络通信
    如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
    500次学习
  • JavaScript正则表达式基础与实战
    JavaScript正则表达式基础与实战
    在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
    487次学习
  • 从零制作响应式网站—Grid布局
    从零制作响应式网站—Grid布局
    本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
    485次学习
查看更多
AI推荐
  • PubMedQA数据集详解:生物医学问答基准、功能与应用指南
    PubMedQA
    深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
    284次使用
  • H2O EvalGPT:开源LLM大模型评估与排行榜工具
    H2O EvalGPT
    H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
    337次使用
  • LMArena是什么?伯克利AI模型评估平台使用指南与功能解析
    LMArena
    LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
    335次使用
  • 斯坦福HELM:大语言模型Holistic Evaluation整体评估框架详解
    HELM
    深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
    303次使用
  • MMBench详解:多模态大模型基准测试、功能特点与使用指南
    MMBench
    MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
    124次使用