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
当前AI技术正引发一场"认知迁移",重新定义专业价值和工作方式。不同于以往技术革命,AI不仅自动化任务,更开始承担判断、语言和创意表达,模糊了人机界限。面对这一转变,专业人士呈现五种态度:积极拥抱者、被动适应者、主动抵制者、未受影响者和边缘化群体。AI采用速度超越理解速度,重塑认知领域的同时也带来身份认同危机。这场迁移将重新定义角色、价值观和整个职业阶层,需要制度层面的具体应对措施。
上海交通大学研究团队发布了突破性的科学推理数据集MegaScience,包含125万高质量实例,首次从12000本大学教科书中大规模提取科学推理训练数据。该数据集显著提升了AI模型在物理、化学、生物等七个学科的推理能力,训练的模型在多项基准测试中超越官方版本,且具有更高的训练效率。研究团队完全开源了数据集、处理流程和评估系统。
企业持续投资云优先战略,但大型数据库云迁移面临复杂挑战。通过"规划-构建-运行"结构化方法,IT领导者可成功完成本地系统云迁移。关键包括:制定迁移策略、评估环境复杂性、选择数据传输和同步工具、创建测试计划、执行迁移并保持同步,最后优化云运营、确保安全合规。云迁移不仅是数据搬迁,更是创新增长平台的构建过程。
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。