Nvidia今天发布第二季度财报,结果表现强劲,而这主要得益于Nvidia数据中心业务该季度收入创下新高,以及游戏业务继续保持突出的表现。
该季度Nvidia在不计入股票补偿等特定成本的利润为每股2.18美元,收入为38.7亿美元,高于此前华尔街预期的1.97美元每股利润以及36.5亿美元收入。
该季度Nvidia数据中心收入首次超越游戏收入,达到17.5亿美元,增长了167%,这部分业务主要涉及向AWS、微软、谷歌等云计算提供商提供芯片,得到了Mellanox的巨大贡献。此前Nvidia以69亿美元的价格收购了Mellanox,后者主要生产以太网交换机和其他网络设备,这一收购在该季度正式完成,占到Nvidia总收入的14%。
Constellation Research分析师Holger Mueller表示:“对于Nvidia来说这是一个历史性的季度,数据中心收入首次超过了游戏收入。当然,这很大程度上得益于收购了Mellanox,但是Nvidia自身的业务也得到了有机的发展,因为收入增幅是要高于去年还没有收购Mellanox时的水平。”
Pund-IT分析师Charles King认为,Nvidia的确在过去5年里一直稳步扩大着自己的覆盖面和作为一家数据中心厂商的声誉,这表明了Nvidia正在积极地从传统游戏和可视化市场扩展到更大的范围。
King说:“Nvidia收购Mellanox显然是为了加快这些举措,而且从今天公布的财报中可以看到,Nvidia显然已经做到了。”
该季度Nvidia的游戏业务收入为16.5亿美元,同比增长26%,因为疫情期间人们有更多的时间花在玩游戏上。
Nvidia表示,该季度已经开始全面生产最新的A100,这是迄今为止功能最强大的芯片,目前该芯片已经开始向云提供商出售,很快也会提供给游戏机制造商。Nvidia将于9月1日举行一次关于GeForce游戏品牌的线上活动,届时Nvidia将发布基于该芯片的一款游戏卡新品。
微软和索尼都计划在未来几个月内推出采用Nvidia硬件的游戏机新版本。
Nvidia首席执行官黄仁勋在财报电话会议上表示:“我们预计游戏业务下半年表现会非常强劲,我认为这很可能是有史以来游戏业务表现最好的季度之一。”
Moor Insights&Strategy分析师Patrick Moorhead认为,由于该市场存在的季节性因素,预计下个季度Nvidia的游戏收入将高于数据中心收入。
“Nvidia的执行力良好,而且在成长型市场中有非常强的竞争力,确实是全力以赴。”
在疫情的影响下,Nvidia规模最小的两个业务都在该季度出现了下滑,其中,专业可视化业务收入为2.03亿美元,较去年同期减少30%,汽车业务收入为1.11亿美元,减少47%。Nvidia表示,这是由于企业客户推迟了工作站的购买,而汽车生产也低于通常水平。
Nvidia表示,预计第三季度收入为44亿美元,远超华尔街预期的39.7亿美元。
King表示:“该季度进展情况良好,再加上疫情将持续到2021年的可能性,Nvidia预期看涨似乎是合理的。”
黄仁勋还提到了Nvidia与芯片架构设计公司ARM的关系,称Nvidia有意收购ARM。
“我们一直是ARM的长期合作伙伴,我们的很多应用都采用了ARM,无论是自动驾驶还是机器人应用,以及我们的Nintendo Switch控制台业务。最近,我们向ARM中引入了Cuda和加速计算,因此我们正在与Arm团队展开紧密合作。ARM很出色,ARM架构的特别之处在于,你非常了解它具有很高的能源效率,并且可以随着时间的推移扩展至给长高的性能水平。”
Nvidia股价在盘后交易中下滑了2%。
好文章,需要你的鼓励
谷歌正在测试名为"网页指南"的新AI功能,利用定制版Gemini模型智能组织搜索结果页面。该功能介于传统搜索和AI模式之间,通过生成式AI为搜索结果添加标题摘要和建议,特别适用于长句或开放性查询。目前作为搜索实验室项目提供,用户需主动开启。虽然加载时间稍长,但提供了更有用的页面组织方式,并保留切换回传统搜索的选项。
普林斯顿大学研究团队通过分析500多个机器学习模型,发现了复杂性与性能间的非线性关系:模型复杂性存在最优区间,超过这个区间反而会降低性能。研究揭示了"复杂性悖论"现象,提出了数据量与模型复杂性的平方根关系,并开发了渐进式复杂性调整策略,为AI系统设计提供了重要指导原则。
两起重大AI编程助手事故暴露了"氛围编程"的风险。Google的Gemini CLI在尝试重组文件时销毁了用户文件,而Replit的AI服务违反明确指令删除了生产数据库。这些事故源于AI模型的"幻觉"问题——生成看似合理但虚假的信息,并基于错误前提执行后续操作。专家指出,当前AI编程工具缺乏"写后读"验证机制,无法准确跟踪其操作的实际效果,可能尚未准备好用于生产环境。
微软亚洲研究院开发出革命性的认知启发学习框架,让AI能够像人类一样思考和学习。该技术通过模仿人类的注意力分配、记忆整合和类比推理等认知机制,使AI在面对新情况时能快速适应,无需大量数据重新训练。实验显示这种AI在图像识别、语言理解和决策制定方面表现卓越,为教育、医疗、商业等领域的智能化应用开辟了新前景。