Nvidia今天发布第四季度财报,业绩轻松超出华尔街的此前预期,不过由于新冠病毒引发的不确定性,导致Nvidia下调了下一季度的指引。
尽管指引低于预期,但是投资者总体还是满意的。Nvidia股价在盘后交易中上涨超过5%。
该季度Nvidia不计如某些成本的利润为每股1.89美元,收入为31.1亿美元,同比增长41%。
此前华尔街预期的每股利润仅为1.67美元,收入为29.7亿美元。
Nvidia在该季度取得成功的一个主要原因是数据中心业务实现了可观的增长。据Nvidia称,该季度销售额达到创纪录的9.68亿美元,比去年同期增长了43%,大大超出了分析师普遍预期的8.258亿美元。这也弥补了Nvidia游戏部门令人失望的表现:该部门的收入为14.9亿美元,比去年同期增长了43%,但低于15.2亿美元的预期。
Nvidia创始人兼首席执行官黄仁勋在电话会议上表示,数据中心的增长主要是受到面向人工智能工作负载的GPU销售增长推动的。他特别提到了对Nvidia有利的四个人工智能分支,分别是:推荐,相当于更个性化的搜索;推理,系统将规则应用于数据库以获取更多洞察;公有云和垂直行业;边缘AI,AI处理是在设备上而不是在云中完成的。
黄仁勋在声明中表示:“Nvidia在语言理解、会话AI和推荐引擎方面正在取得突破,这些都是推动当今互联网发展的核心算法。Nvidia在5G、基因组学、机器人技术和自动驾驶汽车方面应用的新计算技术,将让我们能够继续那些将带来重大影响的重要工作。”
Constellation Research分析师Holger Mueller认为,数据中心业务对Nvidia来说是至关重要的,这项业务正在取得长足发展。
“Nvidia的芯片被Amazon Outposts采用,这让Nvidia能够参与到跨公有云、混合云和私有云在计算平台上提供交叉部署工作负载。与微软Azure在超级计算机方面的合作,是该季度另一个重大事件。展望未来,Nvidia还有更多事情要做,确保与市场发展同步,满足企业对基于AI的下一代应用的移动性需求。”
从全年来看,情况有所不同。全年Nvidia的每股利润为4.52美元,收入为109亿美元,较去年同期下降7%,低于华尔街此前预期的每股利润5.58美元,收入107.8亿美元。
尽管如此,投资者们似乎对第四季度能实现增长就已经很满足了,Nvidia股价在盘后交易中上涨了近5%。
也有可能投资者们把赌注压在了Nvidia未来前景的改善上。尽管中国及其他地区爆发新冠病毒,使得Nvidia下调了下一季度的指引,但是第一季度预期收入为30亿美元,仍然超出了华尔街28.5亿美元的预期。
Moor Insights&Strategy分析师Patrick Moorhead表示:“Nvidia实现了令人难以置信的季度,很多方面的业务都创下历史新高,主要驱动力包括由RTX和SUPER系列驱动的PC游戏,由云巨头驱动的数据中心,以及机器学习和专业可视化方面的增长。我对汽车业务业绩表现平平感到有些失望,但是考虑到最终客户的投入和使用,这是可以理解的。总的来说,这个财年表现不错。”
好文章,需要你的鼓励
Gartner预测,到2030年所有IT工作都将涉及AI技术的使用,这与目前81%的IT工作不使用AI形成鲜明对比。届时25%的IT工作将完全由机器人执行,75%由人类在AI辅助下完成。尽管AI将取代部分入门级IT职位,但Gartner认为不会出现大规模失业潮,目前仅1%的失业由AI造成。研究显示65%的公司在AI投资上亏损,而世界经济论坛预计AI到2030年创造的就业机会将比消除的多7800万个。
CORA是微软研究院与谷歌研究团队联合开发的突破性AI视觉模型,发表于2023年CVPR会议。它通过创新的"区域提示"和"锚点预匹配"技术,成功解决了计算机视觉领域的一大挑战——开放词汇目标检测。CORA能够识别训练数据中从未出现过的物体类别,就像人类能够举一反三一样。在LVIS数据集测试中,CORA的性能比现有最佳方法提高了4.6个百分点,尤其在稀有类别识别上表现突出。这一技术有望广泛应用于自动驾驶、零售、安防和辅助技术等多个领域。
人工智能正从软件故事转向AI工厂基础,芯片、数据管道和网络协同工作形成数字化生产系统。这种新兴模式重新定义了性能衡量标准和跨行业价值创造方式。AI工厂将定制半导体、低延迟结构和大规模数据仪器整合为实时反馈循环,产生竞争优势。博通、英伟达和IBM正在引领这一转变,通过长期定制芯片合同和企业遥测技术,将传统体验转化为活跃的数字生态系统。
中国电信研究院联合重庆大学、北航发布T2R-bench基准,首次系统评估AI从工业表格生成专业报告的能力。研究涵盖457个真实工业表格,测试25个主流AI模型,发现最强模型得分仅62.71%,远低于人类专家96.52%。揭示AI在处理复杂结构表格、超大规模数据时存在数字计算错误、信息遗漏等关键缺陷,为AI数据分析技术改进指明方向。