当前位置:首页 > 文章列表 > 科技周边 > 业界新闻 > 高盛预测:英特尔外包订单或将增加,台积电或受益

高盛预测:英特尔外包订单或将增加,台积电或受益

来源:ITBear科技资讯 2023-09-04 17:04:21 0浏览 收藏

小伙伴们有没有觉得学习科技周边很有意思?有意思就对了!今天就给大家带来《高盛预测:英特尔外包订单或将增加,台积电或受益》,以下内容将会涉及到,若是在学习中对其中部分知识点有疑问,或许看了本文就能帮到你!

9月4日消息,虽然英特尔(Intel)高管对公司的未来路线图和先进工艺的制造实力充满信心,但投资者似乎对其前景持有不同看法。

根据来自高盛(Goldman Sachs)的分析报告,英特尔有可能在未来进一步增加对台积电(TSMC)的代工外包,以满足其产品制造需求。

据商业时报(Commercial Times)透露,高盛预计英特尔在2024年和2025年的外包订单可能会达到186亿美元(约合人民币1352.22亿元)和194亿美元(约合人民币1410.38亿元)。尽管这种情况下英特尔可能会将所有产品外包,但分析人士普遍认为这种情况几乎不可能发生。

高盛分析师指出,根据更加现实的发展情况,台积电可能会在2024年至2025年间获得约56亿美元(约合人民币407.12亿元)和97亿美元(约合人民币705.19亿元)的英特尔订单。

高盛预测:英特尔外包订单或将增加,台积电或受益

实际上,从2023年下半年开始,英特尔几乎所有高销量产品都涉及小芯片设计,其中一部分小芯片由英特尔制造,而另一部分则是基于台积电的生产。然而,由于英特尔销售的是整体产品,仍然能够获得较高的利润率。

据小编了解,这一变化将使英特尔成为台积电的重要客户之一,英特尔每年向台积电的外包金额可能占台积电总收入的约6.4%至9.4%,在台积电的客户中仅次于去年占比约23%的苹果。

尽管高管们对英特尔的制造能力感到自信,但投资者对公司的未来发展仍存在一定的不确定性。英特尔将需要在保持自身技术优势的前提下,谨慎权衡外包和自主制造的利弊,以确保公司在不断变化的市场竞争中保持竞争力。

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:ITBear科技资讯 如有侵犯,请联系study_golang@163.com删除
神秘亮相!一加论坛曝光神秘亮相!一加论坛曝光"OnePlus Pad Go"平板电脑
上一篇
神秘亮相!一加论坛曝光"OnePlus Pad Go"平板电脑
华为Mate 60和Mate 60 Pro今日再度开售 性能与外观齐飞
下一篇
华为Mate 60和Mate 60 Pro今日再度开售 性能与外观齐飞
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。
    286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。
    340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。
    341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。
    306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。
    128次使用