计算机图形芯片制造商Nvidia今天发布了表现强劲的第四季度财报,数据中心和游戏业务部门收入创历史新高。
强劲的增长也确保Nvidia远远超出了华尔街的预期水平。该季度Nvidia在不计入某些成本的每股利润为3.10美元,收入为50亿美元,此前分析师预期的每股收益为2.81美元,收入为48.2亿美元。
全年来看,Nvidia的每股收益为10美元,年收入为166.8亿美元,比去年同期增长53%。
Nvidia的股价在盘后交易中下跌了约2%,但是全天常规交易整个市场相对强劲的表现中,Nvidia的股价上涨了约2.5%,至每股579.96美元。
Nvidia首席执行官黄仁勋表示,2020年是Nvidia计算平台的“突破之年”。他说:“我们在加速计算方面所做的开拓性工作,让游戏成为全球最受欢迎的娱乐项目,让超级计算能够被所有研究人员所使用,让人工智能成为一个最重要的科技力量。”
Nvidia的业绩证明黄仁勋此言非虚。Nvidia主要售卖用于人工智能和超级计算工作负载用GPU的数据中心业务季度收入创下历史新高,达到19亿美元,比去年同期增长97%。全年收入大幅增长124%,达到67亿美元。
数据中心业务的大涨,主要是因为去年5月推出目前最先进的A100系列GPU所带来的强劲销售额。该季度,Nvidia开始出售第一批装有这些芯片的OEM数据中心服务器,而其DGX A100系统也增加了在裸机服务器上对谷歌Anthos混合云服务的支持。
黄仁勋在声明中表示:“我们的A100通用AI数据中心GPU在云服务提供商和垂直行业中得到了迅速采用。全球数以千计的企业正在使用Nvidia AI来创建具有AI服务的云连接产品,这些产品将改变全球最大型的那些行业,对所有行业来说这些产品带来了如同智能手机般巨大的变革。”
他在与分析师的电话会议中解释说,“智能手机时刻”是指改变行业与客户互动方式的机会。他说,这么说是因为Nvidia不再像售卖医疗设备、拖拉机或者是割草机那样一次性售卖的东西,而是可以“售卖东西,然后在上面提供服务”,就像智能手机一样。
他补充说:“将来,所有这些行业,无论是医学成像还是割草机,你都会在数据中心上托管你的产品,就像CSP一样。”
Nvidia的游戏部门该季度表现尤其突出,收入达到创纪录的25亿美元,比去年同期增长67%,全年销售额为77.6亿美元,增长41%,而市场需求主要是由新游戏机产品(例如PlayStation 5和Xbox Series X)的销售推动的,以及Nvidia有史以来规模最大的笔记本电脑生态产品发布——有超过70多款面向游戏玩家和创作者的新设备采用了Nvidia GeForce RTX 30系列GPU。
黄仁勋表示,该季度市场对GeForce RTX 30系列GPU的需求高到“令人难以置信”。他说:“随着游戏玩家开始关注光线追踪、DLSS和AI,Nvidia RTX已经开始了重要的升级周期。”
唯一令人失望的是Nvidia专业可视化和汽车业务。第一季度的收入为3.07亿美元,下降了7%,而第二季度的收入为1.45亿美元,下降了11%。
Moor Insights&Strategy分析师Patrick Moorhead表示:“游戏和数据中心的大幅增长,让Nvidia在第四季度表现非常出色,收入创下新高。在游戏领域,Nvidia利用了人们花更多的时间在家游戏娱乐这个机会,推出了很有竞争力的300系列产品线。正如我在上个季度所预测的那样,主要的大型游戏数量正在减少,新的如‘使命召唤:黑色行动冷战’进行了升级。”
黄仁勋还透露了关于Nvidia拟以400亿美元收购英国芯片设计公司Arm的最新进展,称正在“取得良好进展”,并且交易完成后将“为整个生态系统创造巨大的新机会”。此次收购遇到了一些阻力,英国反托拉斯监督机构在1月份表示,将对这笔交易进行调查,竞争对手芯片制造商高通公司也表示反对。但大多数分析人士认为,最终这笔交易将予以批准。
同时,Nvidia充满信心地预测市场热销状况将持续下去,预计第一季度收入为53亿美元,远超华尔街预测的45.1亿美元。
好文章,需要你的鼓励
这项研究由浙江大学、复旦大学等机构联合完成,提出了ReVisual-R1模型,通过创新的三阶段训练方法显著提升了多模态大语言模型的推理能力。研究发现优化的纯文本冷启动训练、解决强化学习中的梯度停滞问题、以及分阶段训练策略是关键因素。ReVisual-R1在各类推理基准测试中超越了现有开源模型,甚至在某些任务上超过了商业模型,为多模态推理研究开辟了新途径。
这项研究提出了一种名为"批评式微调"的创新方法,证明仅使用一个问题的批评数据就能显著提升大语言模型的推理能力。研究团队对Qwen和Llama系列模型进行实验,发现这种方法在数学和逻辑推理任务上都取得了显著提升,平均提高15-16个百分点,而且只需要强化学习方法1/20的计算资源。这种简单高效的方法为释放预训练模型的潜在推理能力提供了新途径。
新加坡国立大学研究团队开发了名为IEAP的图像编辑框架,它通过将复杂编辑指令分解为简单原子操作序列解决了当前AI图像编辑的核心难题。研究发现当前模型在处理不改变图像布局的简单编辑时表现出色,但在需要改变图像结构时效果差。IEAP框架定义了五种基本操作,并利用思维链推理技术智能分解用户指令,实验证明其性能显著超越现有方法,尤其在处理复杂多步骤编辑时。
Character AI的研究者开发出TalkingMachines系统,通过自回归扩散模型实现实时音频驱动视频生成。研究将预训练视频模型转变为能进行FaceTime风格对话的虚拟形象系统。核心创新包括:将18B参数的图像到视频DiT模型改造为音频驱动系统、通过蒸馏实现无错误累积的无限长视频生成、优化工程设计降低延迟。系统可让多种风格的虚拟角色与人进行自然对话,嘴型与语音同步,为实时数字人交互技术开辟了新可能。