Nvidia今天公布了第二季度财报,得益于在游戏、数据中心和专业可视化领域的强劲增长,该季度业绩延续了连续上涨的势头,且轻松超出了预期水平。

该季度Nvidia在不计入股票补偿等成本的利润为每股1.04美元,收入为65.1亿美元,同比增长68%,此前华尔街分析师预期的每股利润为1.02美元,销售额为63.3亿美元。
Nvidia公司创始人、首席执行官黄仁勋表示,该季度的抢眼业绩得益于公司在推进图形、科学计算和人工智能方面展开“开创性工作”所取得的成果。
他说:“开发者在Nvidia平台的支持下,正在创造我们这个时代最具影响力的技术——从自然语言理解和推荐系统,到自动驾驶汽车和物流中心,到数字生物学和气候科学,再到遵循物理定律的元宇宙。”
新冠疫情使得市场对半导体的需求迅猛增长,让Nvidia从中受益并实现持续增长,特别是Nvidia的GPU在AI、数据中心、游戏和加密货币挖掘等领域变得越来越重要。
该季度Nvidia的图形业务收入增长87%,达到39.1亿美元,该细分市场中,游戏销售额增长了85%,达到30.6亿美元。
自去年年底以来,Nvidia一直在努力解决供应链问题,最新的图形卡产品一上市就卖光了。今年5月Nvidia表示,预计供应链问题还将在今年持续下去,今天Nvidia再次表示,供应链交货时间都将延长。
该季度Nvidia游戏业务销售额的大幅增长归功于市场对其GeForce卡和面向游戏机制造商的GPU需求强劲。
此外,Nvidia的数据中心业务表现良好,收入同比增长35%,达到23.7亿美元,这主要得益于云数据中心运营商和工业设备的强劲需求。
此外,专业可视化业务(包括用于高端专业笔记本电脑的图形卡)表现强劲,销售额增长了156%,达到5.19亿美元,汽车业务增长了37%,达到1.52亿美元。
该季度Nvidia唯一的不足是加密货币业务,收入为2.66 亿美元,远低于上个季度预期的4亿美元销售额。
Nvidia的CMP加密货币卡是今年早些时候推出的一款新产品,主要是满足加密货币矿工的需求而不至于导致游戏用GPU短缺。Nvidia还在游戏用GPU上加载了软件使其用于挖矿时会遇到性能限制。
“Nvidia确实是在全力以赴,”Moor Insights & Strategy分析师Patrick Moorhead这样表示。“最令我惊讶的是游戏业务的增长。关于游戏业务的数据是否都是加密货币的数据,但因为Nvidia有80%的新卡都有较低的哈希率,因此似乎是体现了游戏市场的真实需求。”
从产品方面来看,该季度对Nvidia来说是很忙碌的一个季度。Nvidia推出了新的RTX A2000图形卡,并对Omniverse超逼真图形协作平台进行了重大扩展,集成了开源3D动画工具Blender。
此外Nvidia还宣布面向大型企业推出一个名为Nvidia Base Command的关新型AI研究平台。Nvidia还对Tensor RT软件、HGX AI超级计算平台进行了更新。
在今天的电话会上,Nvidia还快速更新了有关于公司以400亿美元收购英国芯片设计公司Arm的交易,黄仁勋称,他相信这笔交易最终会通过审核。此前,该交易遭到了Nvidia一些芯片制造竞争对手的反对,他们担心该交易可能会导致他们无法使用Arm的一些关键技术。
Nvidia表示:“尽管Arm的一些被许可方表达了担忧或反对,并且与监管机构讨论的时间要比最初想象的要长,但我们对这笔交易充满信心,监管机构应该认识到此次收购对于Arm、被许可方以及整个行业都是有好处。”
展望下个季度,Nvidia预计收入为68亿美元,高于华尔街预期的65.3亿美元。
好文章,需要你的鼓励
人工智能开发商Anthropic为其旗舰聊天机器人Claude推出新的医疗健康功能,用户现在可以与服务共享医疗记录以更好地了解自己的健康状况。Claude可以连接官方医疗记录和苹果健康等健身应用,进行更个性化的健康对话。新功能现已向美国的Claude Pro和Max订阅用户开放。公司强调该工具不用于诊断或治疗建议,而是帮助用户理解复杂医疗报告,为医患沟通做准备,并承诺严格保护用户隐私数据。
上海AI实验室联合团队开发RoboVIP系统,通过视觉身份提示技术解决机器人训练数据稀缺问题。该系统能生成多视角、时间连贯的机器人操作视频,利用夹爪状态信号精确识别交互物体,构建百万级视觉身份数据库。实验显示,RoboVIP显著提升机器人在复杂环境中的操作成功率,为机器人智能化发展提供重要技术突破。
谷歌发布通用商务协议(UCP)开放商务标准,旨在让AI智能体自动化整个购物流程,从产品发现到支付再到售后服务。该协议与Shopify、Target、沃尔玛等零售商合作开发,支持AI智能体协同处理客户购买流程各环节。谷歌还推出品牌商业智能体和直接优惠工具,优化AI搜索中的购物体验。麦肯锡预测智能体商务到2030年将成长为3万亿美元市场。
英伟达研究团队提出GDPO方法,解决AI多目标训练中的"奖励信号坍缩"问题。该方法通过分别评估各技能再综合考量,避免了传统GRPO方法简单相加导致的信息丢失。在工具调用、数学推理、代码编程三大场景测试中,GDPO均显著优于传统方法,准确率提升最高达6.3%,且训练过程更稳定。该技术已开源并支持主流AI框架。