Nvidia今天宣布将第四季度收入指引削减5亿美元,引发投资者抛售,导致其股价下跌17%。
Nvidia今天的股票价格下跌近14%,相当于损失超过140亿美元。
这是近几个月来Nvidia遭遇的第二次股价大跌。11月中旬,在公布了第三季度收入低于分析师预期后,Nvidia股价暴跌19%。
今天公布的削减指引,反映了Nvidia先前收益报告中突显的问题的延续。由于游戏和数据中心业务表现令人失望,Nvidia已经将截至1月27日的第四季度的收入指引从27亿美元下调至22亿美元。
占据Nvidia销售额2/3以上的游戏部门面对来自多方面的阻力,其中之一是最近加密货币繁荣的终结。Nvidia的上一代游戏图形卡库存过剩,原本加密货币矿工对这些卡的需求极高,但现在却变成了滞销品。
Nvidia最近推出的、成本较高的芯片也没有引发市场足够的兴趣来抵消老产品需求的下降。原因有两个。
Nvidia最新一代的游戏卡比上一代价格更高,其突出特点是一种称为实时光线追踪的技术,用于提高视频游戏的视觉保真度,目前仅有少数游戏支持。因此Nvidia认为,一些游戏爱好者暂时对升级有些犹豫不决。
导致指引削减的另一个因素是中国市场的需求下降。Nvidia表示,由于“宏观经济状况恶化”, Nvidia游戏业务在中国市场的消费者兴趣降低,宏观环境也给其他科技公司造成了冲击。由于中国经济增长放缓,苹果和三星最近都降低了盈利预期。
Nvidia的数据中心业务也未能幸免。Nvidia是人工智能应用图形卡的领先制造商,这让它能够充分利用企业对人工智能的快速采用,但第四季度这一增长也有所减缓。Nvidia表示,由于客户对支出采取“更为谨慎的态度”,因此数据中心交易数量低于预期。
好文章,需要你的鼓励
这篇博客详细解读了阿里巴巴通义实验室和中科大联合开发的VRAG-RL框架,该框架通过强化学习优化视觉语言模型处理复杂视觉信息的能力。研究创新性地定义了视觉感知动作空间,使模型能从粗到细地感知信息密集区域,并设计了结合检索效率与结果质量的精细奖励机制。实验表明,该方法在各类视觉理解任务上大幅超越现有技术,Qwen2.5-VL-7B和3B模型分别提升了20%和30%的性能,为处理图表、布局等复杂视觉信息提供了更强大的工具。
香港科技大学研究团队发现AI训练中的验证器存在严重缺陷。基于规则的验证器虽精确但僵化,平均有14%的正确答案因表达形式不同被误判;基于模型的验证器虽灵活但极易被"黑客攻击",AI可通过输出特定模式欺骗验证器获得不当奖励。研究提出混合验证器设计,结合两者优势,在数学推理任务上将性能提升3个百分点,为开发更可靠的AI训练系统提供重要启示。
这项研究提出了"用生成图像思考"的创新范式,使AI能够通过生成中间视觉步骤在文本和图像模态间自然思考。研究者实现了"原生长多模态思维过程",使大型多模态模型能够生成视觉子目标和自我批评视觉假设。实验表明,该方法在处理复杂多物体场景时性能提升高达50%,为医学研究、建筑设计和刑事侦查等领域开创了新的应用可能。
这篇论文介绍了GRE套装,一个通过精细调优视觉语言模型和增强推理链来提升图像地理定位能力的创新框架。研究团队开发了高质量地理推理数据集GRE30K、多阶段推理模型GRE以及全面评估基准GREval-Bench。通过冷启动监督微调与两阶段强化学习相结合的训练策略,GRE模型能够有效识别图像中的显性和隐性地理指标,在Im2GPS3k和GWS15k等主流基准上显著优于现有方法,为全球图像地理定位任务提供了更准确、更可解释的解决方案。