人工智能正在推动着来自AWS、Google、Facebook和微软等互联网巨头的大量新服务,而且他们都需要Nvidia公司的图形芯片来为他们的大规模数据中心提供动力。
这也成为Nvidia第四财季实现增长的主要动力。总部位于加利福尼亚州圣克拉拉的芯片制造商Nvidia今天表示,该季度公司的净利润同比上涨71%,达到11亿美元,合每股1.78美元,涨幅达80%。收入增长了34%,达到29.1亿美元。
这一结果也超出了华尔街此前的预期。分析师此前预计Nvidia的每股盈利为1.17美元,营收26.8亿美元。Nvidia本身预测的收入范围在26亿美元到27亿美元之间。
Moor Insights&Strategy公司总裁兼首席分析师Patrick Moorhead表示:“Nvidia的营收总额增长了34%,而且每个业务部门都有增长。”
Nvidia还发布了对第一季度的新预期,它预计这个季度的收入将达到29亿美元,比普遍预期的24.6亿美元高出了约2%,毛利率为62.7%,上下浮动0.5个百分点。
这个结果给Nvidia的股票带来了巨大的提升。在盘后交易中,Nvidia股价涨幅高达12%。在正常的交易中,当整体市场再度暴跌的时候,Nvidia的股票跌了4%多,达到每股219.07美元,也就是大约4%或者1000多点。自今年年初以来,Nvidia股价上涨约14%。
Nvidia公司首席执行官黄仁勋表示:“全球的各行各业都在竞相加入人工智能。几乎每个互联网和云服务提供商都接受了我们的Volta GPU”,也就是Nvidia最新一代的GPU。
Nvidia面向视频游戏的主流芯片和系统涨幅最大,同比上涨了29%,环比上涨了11%,达到了17.39亿美元。
但数据中心的销售额实现了最大幅的环比增长,增长了21%达到6.06亿美元。比一年前上涨了105%,超过分析师平均预期的5.52亿美元。
大型互联网公司需要专门用于机器学习算法处理的芯片,来为图像和语音识别等服务提供动力。此外,这对于自动驾驶汽车等新兴技术来说也很重要。
Nvidia的标志着这个关键的数据中心市场正呈现出稳定的发展势头。第二季度,数据中心的环比增长平平,Nvidia将其归咎于向新一代数据中心芯片的过渡。第三季度该细分市场的环比增长回升至20%,因此第四季度的增长速度更为积极。
加密货币的挖掘,也需要像GPU这样的高性能芯片,这也是过去一年Nvidia的一个重要市场。但是Nvidia淡化了这个市场的潜力,在财报电话会议上并未提及这部分内容。
没有提及并不仅仅因为这个市场相对较小,而且还存在不确定性和波动性。最近,比特币等加密货币价格下跌,以及中国等一些国家最近对加密货币的管控,引发了投资者对该业务可持续性的质疑。
事实上在第三季度,加密货币矿业从环比减少一半以上达到7000万美元。黄仁勋称这部分的下滑转移到更为标准的游戏计算机,用于这项业务,称“一段时间以后,我们会看到加密货币将成为我们业务的一个小而非零的部分。”
首席财务官Collette Kress在财报电话会上重申:“加密货币趋势可能将保持不稳定”。一些加密货币需求是通过专用芯片和一些游戏芯片实现的,后者的需求促成了游戏芯片的低于日常的库存,但她没有提供与加密货币相关收入的估算。
Moorhead说:“我希望数据中心能够发展壮大,但是对于游戏部分还是比较谨慎的,因为它包括比特币挖掘。很难到ASIC(针对挖矿定制的专用集成电路。)的增长速度有多快。”
Moorhead还指出,汽车业务的增长缓慢,环比下滑8%,仅比去年同期上涨3%。他认为,自动驾驶汽车电子元件的采用速度较慢。
尽管Nvidia的图形芯片似乎仍处于主导地位,但可能会面临更加严峻的竞争。英特尔在11月宣布与长期竞争对手AMD合作,为高端笔记本电脑制造芯片,将英特尔的CPU与AMD的GPU相结合。英特尔还聘请了AMD最近离职的首席GPU架构师Raja Koduri在英特尔担任同样的工作。
好文章,需要你的鼓励
从浙江安吉的桌椅,到广东佛山的沙发床垫、河南洛阳的钢制家具,再到福建福州的竹藤制品,中国各大高度专业化的家具产业带,都在不约而同地探索各自的数字化出海路径。
哥伦比亚大学研究团队开发了MathBode动态诊断工具,通过让数学题参数按正弦波变化来测试AI的动态推理能力。研究发现传统静态测试掩盖了AI的重要缺陷:几乎所有模型都表现出低通滤波特征和相位滞后现象,即在处理快速变化时会出现失真和延迟。该方法覆盖五个数学家族的测试,为AI模型选择和部署提供了新的评估维度。
研究人员正探索AI能否预测昏迷患者的医疗意愿,帮助医生做出生死决策。华盛顿大学研究员Ahmad正推进首个AI代理人试点项目,通过分析患者医疗数据预测其偏好。虽然准确率可达三分之二,但专家担心AI无法捕捉患者价值观的复杂性和动态变化。医生强调AI只能作为辅助工具,不应替代人类代理人,因为生死决策依赖具体情境且充满伦理挑战。
这项研究首次发现AI推理模型存在"雪球效应"问题——推理过程中的小错误会逐步放大,导致AI要么给出危险回答,要么过度拒绝正常请求。研究团队提出AdvChain方法,通过训练AI学习"错误-纠正"过程来获得自我纠错能力。实验显示该方法显著提升了AI的安全性和实用性,用1000个样本达到了传统方法15000个样本的效果,为AI安全训练开辟了新方向。