Arm和高通的法律之争将扰乱人工智能驱动的PC浪潮

news2024/11/25 22:28:06

Arm和高通的法律之争将扰乱人工智能驱动的PC浪潮

在这里插入图片描述

科技行业高管和专家表示,两大科技巨头之间长达两年的法律大战可能会扰乱人工智能驱动的新一代个人电脑浪潮。

上周,来自微软(Microsoft)、华硕(Asus)、宏碁(Acer)、高通(Qualcomm)等公司的高管在台北举行的国际电脑展(Computex)上登台亮相,宣传新一代人工智能电脑。

但与会者的主要话题是,Arm Holdings和高通(Qualcomm)之间的合同纠纷可能会如何突然中断新个人电脑的出货。业界领袖预计,新个人电脑将为微软及其合作伙伴带来数十亿美元的收入。

粗略的预测显示,微软预计到今年年底arm笔记本电脑将占据约5%的市场份额,销量约为100万至200万台。

微软(Microsoft)、戴尔(Dell)和三星(Samsung)等近24款机型预计将于6月18日向消费者发货。

如果Arm在诉讼中获胜,可能会迫使高通及其包括微软(Microsoft)在内的大约20家合作伙伴停止新款笔记本电脑的出货。

“这绝对是一个真正的风险,”芯片金融分析公司Fabricated Knowledge的创始人道格·奥劳克林(Doug O’laughlin)说。“(笔记本电脑)越成功,Arm最终能获得的费用就越多。”

由日本软银集团(9984.T)持有多数股权的英国公司高通在收购新公司后未能就新许可进行谈判,于2022年起诉高通。这起诉讼围绕着移动芯片设计公司高通从一家名为Nuvia的公司收购的技术展开,该公司由苹果芯片工程师创立,并于2021年以14亿美元的价格收购了该公司。

Arm制造的知识产权和设计卖给苹果(Apple)、打开新标签和高通(Qualcomm)等公司,后者用来制造芯片。Nuvia曾计划设计基于Arm许可的服务器芯片,但在收购完成后,高通将其剩余团队重新分配给开发笔记本电脑处理器,该处理器目前被用于微软最新的人工智能个人电脑Copilot+。

Arm表示,目前计划用于微软Copilot+笔记本电脑的设计是Nuvia芯片的直接技术后代。Arm表示已经取消了这些芯片的许可证。
“Arm对高通和Nuvia的诉讼是为了保护Arm生态系统和依赖我们的知识产权和创新设计的合作伙伴,从而执行高通的合同义务,销毁并停止使用源自Arm技术的Nuvia设计,”Arm发言人表示。

高通表示,其对Arm技术的广泛许可已经涵盖了其个人电脑芯片,高通发言人表示,自Arm于2022年提起诉讼以来,高通的立场没有改变。

高通总法律顾问安·查普林(Ann Chaplin)在2022年的一份声明中表示:“Arm的投诉忽视了这样一个事实,即高通拥有广泛、完善的授权权利,涵盖其定制设计的cpu,我们相信这些权利将得到肯定。”

在这一法律纠纷之上,还有另一个层面的复杂性,因为向笔记本电脑制造商提供高通芯片的独家协议将于今年到期,向高通的竞争对手开放市场。

路透社去年报道称,英伟达(NVDA.O)和amd (AMD.O)都在研发芯片。业内高管表示,其他设计公司也将加入竞争,为微软的新产品制造芯片。

然而,由于微软新推出的Copilot+笔记本电脑程序的首批Windows设计是基于高通的处理器,因此这场诉讼是一股存在的暗流,但往往未被公开提及。

尽管两家公司在收入和利润上相互依赖,但一些投资者和分析师认为,它们将在审判之前很久达成和解。审判定于12月在特拉华州的联邦法院开始。

“Arm起诉其第二大客户,而高通被其最大供应商起诉,这在一定程度上是荒谬的,”金融和战略咨询公司D2D Advisory的首席执行官杰伊·戈德堡(Jay Goldberg)说。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/1833922.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

Raylib的贪吃蛇

配置Raylib库 工具链主函数模板Draw: 绘制网格Snake: 初始化Draw:绘制蛇与果Input:移动Logic:游戏主要逻辑Draw: 游戏结束 工具链 mkdir snake cd snakeCMakeLists.txt cmake_minimum_required(VERSION 3.10) project(snake) set(CMAKE_EXP…

深度学习500问——Chapter11:迁移学习(3)

文章目录 11.3 迁移学习的常用方法 11.3.1 数据分布自适应 11.3.2 边缘分布自适应 11.3.3 条件分布自适应 11.3.4 联合分布自适应 11.3.5 概率分布自适应方法优劣性比较 11.3.6 特征选择 11.3.7 统计特征对齐方法 11.3 迁移学习的常用方法 11.3.1 数据分布自适应 数据分布自适…

libdrm 2.4.107 needed because amdgpu has the highest requirement

libdrm 2.4.107 needed because amdgpu has the highest requirement 1.问题分析解决 1.问题 Message: libdrm 2.4.107 needed because amdgpu has the highest requirement Run-time dependency libdrm_intel found: YES 2.4.107 Run-time dependency libdrm_amdgpu found: Y…

深度学习500问——Chapter11:迁移学习(4)

文章目录 11.3.8 流形学习方法 11.3.9 什么是finetune 11.3.10 finetune为什么有效 11.3.11 什么是网络自适应 11.3.12 GAN在迁移学习中的应用 参考文献 11.3.8 流形学习方法 什么是流行学习? 流行学习自从2000年在Science上被提出来以后,就成为了机器…

uniapp canvas生成海报

效果 封装组件&#xff0c;父组件 ref 调用 downImgUrl()函数&#xff0c;其他根据自己需求改 <template><view><view class"bgpart"><canvas class"canvas-wrap" canvas-id"canvasID" type"2d"></canvas…

41、基于深度学习的自适应线性预测(matlab)

1、原理及流程 自适应线性预测是一种基于递归最小二乘法&#xff08;Recursive Least Squares, RLS&#xff09;的线性预测方法&#xff0c;用于自适应地估计线性系统的参数。下面是自适应线性预测的原理和流程&#xff1a; 原理&#xff1a; 自适应线性预测的核心思想是通过…

Java | Leetcode Java题解之第162题寻找峰值

题目&#xff1a; 题解&#xff1a; class Solution {public int findPeakElement(int[] nums) {int n nums.length;int left 0, right n - 1, ans -1;while (left < right) {int mid (left right) / 2;if (compare(nums, mid - 1, mid) < 0 && compare(n…

转型AI产品经理(12):“希克定律”如何应用在Chatbot产品中

信息过载&#xff0c;这个对现代人来说是很常见的问题&#xff0c;信息获取变得越来越便捷的同时&#xff0c;也导致信息过载让我们无法及时做出有效决策&#xff0c;还可能演变成选择困难症。信息过载对用户体验的设计也有着显著的负面影响&#xff0c;如果我们的产品设计让人…

HTML静态网页成品作业(HTML+CSS)——美食火锅介绍网页(1个页面)

&#x1f389;不定期分享源码&#xff0c;关注不丢失哦 文章目录 一、作品介绍二、作品演示三、代码目录四、网站代码HTML部分代码 五、源码获取 一、作品介绍 &#x1f3f7;️本套采用HTMLCSS&#xff0c;未使用Javacsript代码&#xff0c;共有1个页面。 二、作品演示 三、代…

笔记 | 软件工程06-2:软件设计-软件体系结构设计

1 软件体系结构的概念 1.1 软件体系结构的设计元素 1.2 不同的抽象层次 1.3 软件体系结构的不同视图 1.3.1 软件体系结构的逻辑视图&#xff1a;包图 1.3.2 软件体系结构的逻辑视图&#xff1a;构件图 1.3.3 软件体系结构的开发视图 1.3.4 软件体系结构的部署视图 1.3.4.1 描述…

UV胶带和UV胶水的应用场景有哪些不同吗?

UV胶带和UV胶水的应用场景有哪些不同吗? UV胶带和UV胶水的应用场景确实存在不同之处&#xff0c;以下是详细的比较和归纳&#xff1a; 一&#xff1a;按使用场景来看&#xff1a; UV胶带的应用场景&#xff1a; 包装行业&#xff1a;UV胶带在包装行业中常用于食品包装、药…

About Apple Pay

本文翻译整理自&#xff1a;About Apple Pay &#xff08;更新时间&#xff1a;2017-03-16&#xff09; https://developer.apple.com/library/archive/ApplePay_Guide/index.html#//apple_ref/doc/uid/TP40014764 文章目录 一、关于 Apple Pay1、使用 Apple Pay2、测试 Apple …

Kaggle比赛:成人人口收入分类

拿到数据首先查看数据信息和描述 import pandas as pd import seaborn as sns import matplotlib.pyplot as plt # 加载数据&#xff08;保留原路径&#xff0c;但在实际应用中建议使用相对路径或环境变量&#xff09; data pd.read_csv(r"C:\Users\11794\Desk…

【机器学习300问】121、RNN是如何生成文本的?

当RNN模型训练好后&#xff0c;如何让他生成一个句子&#xff1f;其实就是一个RNN前向传播的过程。通常遵循以下的步骤。 &#xff08;1&#xff09;初始化 文本生成可以什么都不给&#xff0c;让他生成一首诗。首先&#xff0c;你需要确定采样的起始点。这可以是一个特殊的开…

深度学习:从理论到应用的全面解析

引言 深度学习作为人工智能&#xff08;AI&#xff09;的核心技术之一&#xff0c;在过去的十年中取得了显著的进展&#xff0c;并在许多领域中展示了其强大的应用潜力。本文将从理论基础出发&#xff0c;探讨深度学习的最新进展及其在各领域的应用&#xff0c;旨在为读者提供全…

外网怎么访问内网?

当我们需要在外网环境下访问内网资源时&#xff0c;常常会面临一些困扰。通过使用一些相关的技术与工具&#xff0c;我们可以轻松地实现这一目标。本文将介绍如何通过【天联】组网产品&#xff0c;解决外网访问内网的问题。 【天联】组网是一款由北京金万维科技有限公司自主研…

事务所管理系统的设计

管理员账户功能包括&#xff1a;系统首页&#xff0c;个人中心&#xff0c;管理员管理&#xff0c;客户管理&#xff0c;评论管理&#xff0c;基础数据管理&#xff0c;公告信息管理 客户账户功能包括&#xff1a;系统首页&#xff0c;个人中心&#xff0c;律师管理&#xff0…

示例:WPF中绑定枚举到ComboBox想显示成中文或自定义名称如何实现

一、目的&#xff1a;在开发过程中绑定的枚举不想显示成英文字段怎么办&#xff0c;这里通过TypeConverter的方式来实现绑定的枚举从定义的特性中读取 二、实现 首先定义如下枚举 [TypeConverter(typeof(DisplayEnumConverter))]public enum MyEnum{[Display(Name "无&q…

C++ -- 红黑树的基本操作

目录 摘要 基本规则 基本操作 利用Graphviz 库 总结 摘要 红黑树是一种自平衡的二叉搜索树&#xff0c;它在插入和删除节点时&#xff0c;通过颜色和旋转操作保持树的平衡&#xff0c;确保插入、删除和查找的时间复杂度都是 (O(log n))。红黑树的每个节点都有一个颜色属性…