计算机图形芯片制造商Nvidia公布第一季度业务超出预期,使其股价在盘后交易中上涨近6%。但在Nvidia警告称其主要的游戏和数据中心业务仍面临挑战之后,大部分收益都被抹平了。
该季度,Nvidia在股票报酬等特定成本之前的收益为每股88美分,收入为22.2亿美元,低于去年同期的32.1亿美元,但这仍然好于华尔街预期的每股收益79美分,收入22亿美元。
该季度的表现要比看上去的好一些,因为Nvidia高管提到挑战实际上已经在这个季度开始产生影响了。
例如,Nvidia主要的GPU业务收入下降27%至20.2亿美元,主要是由于游戏和数据中心业务的收入下滑,以及与加密货币采矿处理器相关的损失。
Nvidia游戏业务(GPU部门的主要部分来源)收入同比下滑39%,仅为10.6亿美元,但销售额环比增长了11%。Nvidia表示,环比增长反映了近期游戏GPU销售的增长。
这一增长对Nvidia来说非常重要,因为尽管Nvidia积极推进在人工智能、数据中心和自动驾驶汽车等新增长领域的发展,但视频游戏图形芯片仍然是Nvidia迄今为止最大的业务板块。
“我认为中国市场已经稳定下来,” Nvidia公司首席执行官黄仁勋在电话会议上谈到了这个最大的市场。“中国的游戏市场非常活跃,而且仍然充满活力。”
Nvidia预计下一季度游戏收入将超过25.5亿美元,高于分析师预期的25.3亿美元。
然而,数据中心销售情况令人失望,收入同比下滑10%,仅为6.34亿美元。Nividia首席财务官Colette Kress在电话会议中向投资者警告称:“第二季度全球数据中心支出暂停的情况仍将继续,且可见性仍然很低。”
Kress进一步提醒说,这对Nvidia的游戏业务提出了挑战。“CPU短缺的问题虽然有所改善,但会对我们笔记本电脑业务的复苏造成影响。”
在她发表了这些评论之后,Nvidia股票收益大幅缩水,在截止发稿时仅上涨了2%。
Moor Insights&Strategy分析师Patrick Moorhead认为,数据中心业务受阻只是暂时性的。
Moorhead表示:“我相信这个影响是很大的,Nvidia希望数据中心业务在该财年下半年步入正轨,客户采购更多的训练解决方案。英特尔也面临类似的情况,我认为这是有原因的。”
Constellation Research分析师Holger Mueller表示,如果要恢复增长,那么今年晚些时候数据中心销售额能否提升对于Nvidia来说就是非常关键的了。
Mueller表示:“Nvidia依然能够实现盈利并且扩大研发支出,这一点令人印象深刻。但未来增长的关键,是说服基础设施即服务提供商采购更多的Nvidia产品来运行和驱动基于人工智能的下一代应用。”
然而这并不容易,因为Nvidia面临来自AWS和Google Cloud的强劲挑战,Mueller认为。
“Nvidia需要游说开发者和企业高管使用Nvidia的硬件,并推动公有云基础设施厂商对Nvidia架构的需求增长。”
此外,Nvidia新兴的汽车业务收入为1.66亿美元,专业可视化业务收入为2.66亿美元。
刚刚结束的这个季度对于Nvidia来说是一个繁忙的季度,特别是Nvidia试图以69亿美元的价格收购数据中心网络专业公司Mellanox。有分析师认为,这次收购完全是为了提升Nvidia在计算机图形、数据科学和人工智能领域的地位。
黄仁勋表示:“尽管超大规模数据中心客户的需求短期暂停,但人工智能应用仍在继续加速,我们对即将收购Mellanox感到兴奋,这将有助于我们推动面向高性能计算的数据中心架构,以及从云到边缘的人工智能。”
Nvidia预计第二季度收入为25.5亿美元,上下浮动2%,略高于市场预期的25.4亿美元。
好文章,需要你的鼓励
VMware宣布将终止现有渠道合作伙伴计划,新计划采用邀请制,大幅减少授权合作伙伴数量。未受邀合作伙伴将于2025年7月15日收到不续约通知,可继续交易至10月31日。白标计划也将同时终止。此举是18个月内VMware第二次重大合作伙伴调整,旨在专注与少数核心云服务提供商深度合作。客户可能面临续约困难、服务质量下降和成本上升等影响。
StepFun公司推出的Step1X-Edit是首个能够媲美GPT-4o和Gemini2 Flash等商业模型的开源图像编辑AI。该模型通过整合多模态语言理解和扩散图像生成技术,能够处理11种编辑任务,在新构建的GEdit-Bench基准测试中表现优异,为图像编辑技术的民主化开辟了新道路。
谷歌DeepMind和伦敦大学学院研究发现,大语言模型在面对反驳时会迅速失去信心并改变答案,即使反驳是错误的。研究显示LLM既会对自己的答案过度自信,又对批评异常敏感,表现出与人类相似但又独特的认知偏差。这种行为对多轮对话AI系统构成威胁,最新信息可能对LLM推理产生不成比例的影响。
BluOrion公司开发的ZClip是一种智能梯度裁剪算法,解决了大型语言模型训练中的梯度爆炸和损失飙升问题。通过Z分数统计检测和动态调整策略,ZClip能够自适应地控制梯度幅度,相比传统固定阈值方法提升训练效率35%以上,同时显著降低训练失败风险,为大模型训练提供了更稳定、高效的解决方案。