Nvidia今天发布第三季度财报,不仅收益和收入双双超出预期,而且给出了强劲的下一季度指引。
但是Nvidia股价在盘后交易中仍下跌超过2%,原因是投资者们注意到Nvidia的数据中心业务收入预计会在目前这个季度出现同比下滑。
该季度Nvidia在不计如股票薪酬等特定成本的每股利润为2.91美元,收入创下新高达到47.3亿美元,同比增长57%,此前分析师预期的每股利润为2.58美元,收入为44.2亿美元。
华尔街一直期望该季度Nvidia大展拳脚,结果的确如此,除收入之外Nvidia还创下了该季度利润的新高。
Nvidia将这主要归因于计算和网络业务的强劲表现,收入跃升至19.4亿美元,同比增长146%。此外GPU业务也有出色表现,收入增长25%,达到27.9亿美元。
除了这两个细分业务的收入之外,Nvidia公布了细分市场中具体产品的情况。
Nvidia首席执行官黄仁勋在公布上个季度财报时表示,Nvidia 预计下半年将会有强劲表现,因为新系列Ampere GPU将会引发市场的“浓厚兴趣”,该系列其中一款产品GeForce RTX 3080在9月上市时立刻就售罄了。
这些出色的销售成绩推动Nvidia游戏业务收入达到22.7亿美元,同比增长37%,Nvidia表示,这主要是Nvidia GPU产品面向计算机和游戏平台市场的销售创下新高。
此外,Nvidia的游戏业务和数据中心业务都从疫情中受益,因为有越来越多的用户隔离在家选择在线办公和玩视频游戏。
黄仁勋在今天的一份声明中表示:“Nvidia正在全力以赴,在游戏、数据中心和整个领域实现创纪录的收入。Nvidia新款GeForce RTX GPU让我们实现了有史以来最大的飞跃,市场需求是压倒性的。”
Moor Insights&Strategy分析师Patrick Moorhead对此表示认同,他说,Nvidia的新款GPU是一个非常有竞争力的产品,同时他补充说,“我将密切关注下个季度市场竞争给Nvidia带来的影响和改善,因为众多主流游戏即将发布,例如新款《使命召唤:黑色行动冷战》。”
上个季度Nvidia财报的最大惊喜是数据中心收入首次超过游戏收入,虽然这并未在该季度发生,数据中心业务销售额为19亿美元,但仍然同比增长了162%。Nvidia表示,今年初完成对Mellanox的收购,贡献了其中的13%。
不过Nvidia在分析师电话会上给投资者们带来了一些意外的消息,Nvidia高管们表示,下一季度数据中心收入将有所下降,部分原因是一家不愿透露姓名的中国客户将不再购买Mellanox的网络产品。
但是Nvidia数据中心业务的长期前景仍然是强劲的。该季度中,Nvidia宣布将与VMware 合作推出一款新的用于处理人工智能工作负载的平台。
Moorhead指出,对于Nvidia来说人工智能已经是一个增长非常强劲的领域,因此很多人认为Nvidia与VMware的合作进一步推动该领域的光明前景。他说:“收购Mellanox给Nvidia的数据中心业务带来显著增长,但更多的增长是来自于机器学习产品的有机增长。”
Nvidia还表示,计划以400亿美元的价格从软银集团(SoftBank Group)手中收购半导体厂商Arm,很多人认为这一收购将会带来重大的产业影响。这非常重要,因为Arm专门提供用于移动设备的低功耗芯片,而这正是Nvidia的薄弱领域,而Arm同时也在为Nvidia的很多竞争对手提供技术。Nvidia今天表示,预计将在明年第一季度完成收购。
Nvidia预计第四季度的收入约为48亿美元,远超华尔街预期的44.2亿美元。
好文章,需要你的鼓励
开源加密初创公司ZamaSAS宣布完成5700万美元B轮融资,专注于为区块链和AI应用构建全同态加密技术以保护隐私。本轮融资由BlockchangeVentures和PanteraCapital共同领投,使公司总融资超过1.5亿美元,估值突破10亿美元。同时,Zama推出保密区块链协议公开测试网,允许开发者在以太坊上构建私密通信应用。
新加坡国立大学研究团队开发了SPIRAL框架,通过让AI与自己对弈零和游戏来提升推理能力。实验显示,仅训练AI玩简单扑克游戏就能让其数学推理能力提升8.6%,通用推理提升8.4%,且无需任何数学题目作为训练材料。研究发现游戏中的三种推理模式能成功转移到数学解题中,为AI训练提供了新思路。
英国网络铁路公司、Neos Networks和Freshwave联合启动"触达项目",旨在消除英国主要铁路干线上的信号盲区。该项目将公私合营模式相结合,预计为纳税人节省约3亿英镑。项目将部署1000公里超高速432芯光纤电缆,覆盖东海岸主线等多条线路,并在12个主要车站提供4G/5G室内连接,在57个隧道中部署4G移动连接。新网络将大幅提升铁路通信基础设施能力,支持轨道传感器和监控应用,为乘客提供更快更可靠的列车服务。
同济大学团队开发的GIGA-ToF技术通过融合多帧图像的"图结构"信息,创新性地解决了3D相机噪声问题。该技术利用图像间的不变几何关系,结合深度学习和数学优化方法,在合成数据集上实现37.9%的精度提升,并在真实设备上展现出色泛化能力,为机器人、AR和自动驾驶等领域提供更可靠的3D视觉解决方案。