计算机芯片制造商AMD今天发布了第四季度财报,收入和利润表现抢眼,轻松超过了分析师的预期水平。
该季度AMD在不计入股票补充等特定成本情况下的每股利润为52美分,收入为32.4亿美元,此前华尔街预期的每股利润为47美分,销售额为37亿美元。
AMD首席执行官Lisa Su(如图)表示,“2020年我们大大加快了业务发展的步伐,实现了创纪录的年收入,同时扩大了毛利率,净收入比2019年翻了一番”。
按业务部门划分收入来看,AMD整体销售表现是十分强劲的。受到Ryzen处理器的推动,AMD计算和图形业务的收入为19.6亿美元,较去年同期增长18%。同时,服务器和半定制芯片(包括AMD的EPYC服务器芯片)的销售额比去年同期猛增176%,达到12.8亿美元。
Su在电话会议上表示,由于微软和索尼新发布了Xbox和PlayStation 5游戏机,AMD游戏业务得到了大幅推动。
Su说:“根据当前市场的强劲需求,我们的半定制业务销售额比上一个游戏机产品周期增长更快,预计今年上半年的销售情况要比以往更好。”
关于服务器业务,Su说云和企业销售该季度都表现很强劲。她说:“谷歌、微软、腾讯和其他厂商正在持续扩大使用Epyc处理器,以更大范围地支持他们内部的关键基础设施,同时AMD支持的云实例数量也在不断增加。”
AMD很好地利用了主要竞争对手英特尔的发展动荡期,后者在下一代制造工艺方面屡次推迟,导致失去不少市场份额。本月早些时候,英特尔宣布现任首席执行官Bob Swan即将辞职,前VMware老板Pat Gelsinger接任。
去年10月,AMD表示将以350亿美元的价格收购可编程芯片专业公司赛灵思,吸引更多客户离开英特尔而选择AMD。赛灵思专门制造可以针对不同计算任务即时进行重新编程的FPGA,而在这个市场中,英特尔是AMD的主要竞争对手。
Su在电话会议上向分析师提供了有关此次收购的最新消息,称收购已经通过了“几个重要的监管里程碑”,有望在今年年底之前完成。
Constellation Research分析师Holger Mueller表示,AMD正在全力以赴,年收入正在逼近100亿美元大关。
Mueller指出:“AMD在很好地控制成本增加的同时,使营业收入增长一倍多。很高兴看到AMD在研发方面的投资超过了销售和营销成本的增长,这表明AMD在投资于未来产品线的同时,能够很好地管理这些成本。随着AMD即将完成对赛灵思的收购,所有这些迹象都表明,AMD将会在2021年实现更进一步的增长。”
也许这一点很快就会得到验证。AMD表示,预计第一季度收入在31亿美元至33亿美元之间,远高于华尔街预期的27亿美元。
AMD预计全年收入为133.7亿美元,相当于增长37%,此前华尔街预期的全年收入为122.6亿美元。
Su表示:“2021年的财务前景突显了我们产品组合的实力以及PC、游戏和数据中心市场对高性能计算的强劲需求。”
AMD股价最初在盘后交易中上涨了4%,但随后又回落了。
Pund-IT分析师Charles King认为,这可能是由于投资者们认为赚取一些短期利润而不是押注未来的做法是明智的。
他说:“过去一个季度AMD的强劲表现以及对未来的乐观展望令人欣喜。但是,关于疫情导致的持续不确定性,仍然令人们对未来几个月和明年的情况很担忧。”
好文章,需要你的鼓励
微软在Edge浏览器中推出了名为"Copilot Mode"的新功能,让用户在AI助手的帮助下浏览网页。该AI助手能理解用户的研究内容,预测用户需求并代为执行操作。目前该功能仍为实验性质,默认需用户主动开启且免费提供给Mac和PC用户使用。功能包括搜索、聊天、网页导航辅助等,还能处理预约、购物清单制作等任务,并可作为研究伙伴查看所有打开的标签页进行产品比较或在线研究。
上海AI实验库推出YUME系统,用户只需输入一张图片就能创建可键盘控制的虚拟世界。该系统采用创新的运动量化技术,将复杂的三维控制简化为WASD键操作,并通过智能记忆机制实现无限长度的世界探索。系统具备强大的跨风格适应能力,不仅能处理真实场景,还能重现动漫、游戏等各种艺术风格的虚拟世界,为虚拟现实和交互娱乐领域提供了全新的技术路径。
Copilot+ PC在企业市场渗透缓慢,IT决策者对其专有Windows AI功能印象一般。尽管微软推出了配备NPU芯片、支持40+ TOPS算力的高端笔记本,但企业更关注Windows 11设备更新等优先事项。分析显示,2025年第二季度欧洲AI PC出货量中,Copilot+ PC仅占9%。其专有功能如Recall、Click to Do等主要面向消费者,对企业价值有限。企业购买此类设备更多是基于硬件升级周期和对未来AI应用的投资,而非当前AI功能需求。
上海AI实验室研究团队开发了革命性的AI编程验证方法,让大语言模型能够在最小人工干预下自动生成和验证程序规范。该方法摒弃传统的人工标注训练,采用强化学习让模型在形式化语言空间中自主探索,在Dafny编程验证任务上显著超越现有方法,为AI自主学习开辟新道路。