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
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。