AMD近日发布第四季度财报,由于两个主要业务部门的强劲销售表现,使得AMD该季度的收益和收入均超出分析师的预期水平。
除了强劲的季度业绩之外,AMD还对未来三个月和全年给出了看涨预测,使得AMD股价在延长交易中上涨超过10%。
第四季度AMD的营业收入为12亿美元,比去年同期增长112%,这主要归功于更高的收入和扩大的毛利率。扣除股票补偿等特定成本后的每股收益为92美分,收入同比增长49%,达到48.3亿美元,高于此前华尔街预期的每股收益76美分,收入45.3亿美元。
不过AMD表示,该季度净收入降至9.74亿美元,因为上一财年最后一个季度的估值减免释放带来了13亿美元的所得税优惠。
从整个2021财年来看,AMD的收入相比2020财年增长了68%,达到164亿美元。2021年的营业收入增长166%,达到36.5亿美元,净收入增长27%,达到31.6亿美元。
AMD公司总裁兼首席执行官Lisa Su表示,对于AMD来说这是“出色的一年”,收入和盈利能力都创下历史新高。
Su表示:“我们的每项业务都表现得非常出色,在云客户和企业客户越来越多地采用AMD EPYC处理器的推动下,数据中心收入同比翻了一番。我们将继续扩大现有产品组合并推出下一代PC、游戏和数据中心产品,预计2022年将迎来又一年的显着增长。”
AMD发布了非常乐观的第一季度业绩指引,预计该季度销售额在49亿美元至51亿美元之间,比去年同期增长45%,此前华尔街预期的第一季度收入为43.2亿美元。
AMD预计2022财年的总销售额为215亿美元,高于192.6亿美元的预测,相当于比刚刚过去的一个财年增长了31%。
AMD的信心源于近两年疫情爆发以来PC和电子产品销售的持续激增。最近AMD推出了有望显著提升性能的新型计算机芯片,也使得AMD能够在PC领域向英特尔发起挑战。
AMD的计算和图形部门反映了这一趋势,第四季度收入为26亿美元,比去年同期增长32%。
AMD表示,这一增长是受到了市场对AMD新锐龙处理器和Radeon图形芯片的高需求推动的。
然而,最令人印象深刻的增长出现在AMD嵌入式、企业和半定制领域,其中包括计算机服务器和游戏机芯片的销售,这部分收入增长了75%,达到22亿美元,一部分原因是来自AWS等云计算巨头的销售额有所增长。
Su在电话会议上向分析师表示:“由于市场对微软和索尼最新游戏机的持续强劲需求,我们预计今年[半定制]收入将增长,”她补充说,当前的游戏机升级周期正在超过所有代产品。
分析师Patrick Moorhead表示:“AMD该季度表现出色,创下了收入和每股收益的新高。更令人印象深刻的是,AMD上调了第一季度和全年的预期。Lisa Su和AMD正在全力以赴。”
与此同时,AMD一直在努力完成对赛灵思近350亿美元的收购交易,预计这笔交易将使该AMD在数据中心芯片市场上拥有更多火力来对抗英特尔。1月27日,AMD宣布已经获得中国监管机构的批准,可以继续进行交易。
“唯一剩下的监管审查是FTC批准我们的HSR重新申请,预计将在2022 年第一季度完成交易,”Su在回答问题时这样表示。
她还告诉分析师,AMD有足够的芯片产能来满足2022财年的销售预测。她说,AMD在2021年花费了超过10亿美元来确保长期产能,她预计随着时间的推移,芯片短缺将变得“不那么严重”。
好文章,需要你的鼓励
OpenAI首席执行官Sam Altman表示,鉴于投资者的AI炒作和大量资本支出,我们目前正处于AI泡沫中。他承认投资者对AI过度兴奋,但仍认为AI是长期以来最重要的技术。ChatGPT目前拥有7亿周活跃用户,是全球第五大网站。由于服务器容量不足,OpenAI无法发布已开发的更好模型,计划在不久的将来投资万亿美元建设数据中心。
阿里巴巴团队提出FantasyTalking2,通过创新的多专家协作框架TLPO解决音频驱动人像动画中动作自然度、唇同步和视觉质量的优化冲突问题。该方法构建智能评委Talking-Critic和41万样本数据集,训练三个专业模块分别优化不同维度,再通过时间步-层级自适应融合实现协调。实验显示全面超越现有技术,用户评价提升超12%。
英伟达推出新的小型语言模型Nemotron-Nano-9B-v2,拥有90亿参数,在同类基准测试中表现最佳。该模型采用Mamba-Transformer混合架构,支持多语言处理和代码生成,可在单个A10 GPU上运行。独特的可切换推理功能允许用户通过控制令牌开启或关闭AI推理过程,并可管理推理预算以平衡准确性和延迟。模型基于合成数据集训练,采用企业友好的开源许可协议,支持商业化使用。
UC Berkeley团队提出XQUANT技术,通过存储输入激活X而非传统KV缓存来突破AI推理的内存瓶颈。该方法能将内存使用量减少至1/7.7,升级版XQUANT-CL更可实现12.5倍节省,同时几乎不影响模型性能。研究针对现代AI模型特点进行优化,为在有限硬件资源下运行更强大AI模型提供了新思路。