计算机图形芯片制造商Nvidia今天公布了表现强劲的第四季度业绩,结果超出了预期水平。就在一周之前,Nvidia宣布取消对竞争对手Arm近660亿美元的收购尝试。
该季度Nvidia的净收入为30亿美元,即每股1.18美元,扣除股票补偿等成本后的收益为每股1.32美元。该季度的收入同比增长了54%,达到76.4亿美元,超出了此前分析师预期的每股收益1.23美元,收入74.2亿美元。

Nvidia创始人、首席执行官黄仁勋表示,看到了市场对Nvidia计算平台的“强烈需求”。
“我们即将进入新的财年,目前我们的业务势头强劲,新软件业务模式与Nvidia AI、Nvidia Omniverse和Nvidia DRIVE都具有很大的吸引力。GTC大会即将开幕,届时我们将宣布推出很多用于Nvidia计算的新产品、新应用和新合作伙伴关系。”他提到下月即将于线上举行的GTC大会时这样说道。
Nvidia还对第一季度给出了乐观的预期,预计该季度收入81亿美元,远高于华尔街预期的72.9亿美元。黄仁勋表示,预期看涨是因为Nvidia的供应难题正在得到缓解,他预计Nvidia的产品供应将在今年下半年大幅增加。
尽管预期乐观并且财报抢眼,但是并未让投资者们感到满意,Nvidia股价在延长交易中出现小幅下跌,今年迄今为止Nvidia的股价下跌超过10%。有分析师表示,这可能是因为投资者希望在通胀环境中寻找更安全的避风港,而不是对Nvidia的发展前景有任何糟糕的担忧。
过去一年中,Nvidia受益于市场对Nvidia GPU需求日益增加以支持语音识别等人工智能应用的崛起。因此,这使得Nvidia数据中心业务该季度的销售额达到32.6亿美元,同比增幅达到了惊人的71%。
该季度Nvidia还公布了一个大客户:Facebook母公司Meta Platforms,该公司目前正在采用Nvidia的GPU来支持AI相关的研究。
至少到目前为止,Nvidia最大的市场仍然是游戏市场。Nvidia表示,由于该市场对Nvidia最新GeForce GPU的需求,使其游戏业务的销售额达到了34.2亿美元,同比增长37%。
与此同时,Nvidia的专业可视化业务(为计算机辅助设计和渲染等高性能应用提供芯片)销售额增长了109%,达到6.43亿美元,黄仁勋表示,这主要是受到混合办公趋势和市场对计算机工作站有需求推动的。
唯一令人失望的是Nvidia的汽车业务,销售额下滑14%至1.25亿美元。尽管汽车不是Nvidia的主要关注点,但确实代表了Nvidia一个增长的市场,Nvidia将下滑归咎于汽车制造商遇到的供应挑战。
最后一项业务是Nvidia专业加密货币挖矿处理器,第四季度销售额为2400万美元。
Constellation Research分析师Holger Mueller表示,Nvidia保持持续交货,且由于市场对Nvidia图形芯片的需求持续强劲,使得Nvidia的全年收入增长超过60%。
他说:“值得注意的是,Nvidia最新的业务部门——数据中心业务部门——现在占到了收入的近一半,增幅达到70%。Nvidia的每股收益和指引也很强劲。至少在短期内,似乎没有什么能阻止Nvidia。”
就在这份财报公布的几天之前,Nvidia宣布取消尝试通过软银集团收购半导体设计公司Arm。该交易极具争议性,并且遭遇很多反对意见,导致Nvidia在“重大监管挑战”中决定取消交易。
该交易受到了来自美国、英国和中国监管机构的严格审查。这三个国家都担心Nvidia的收购可能会导致限制Arm知识产权的使用,而这对很多现代移动设备来说是至关重要的。
黄仁勋今天的电话会上向分析师表示:“我们尽了最大努力,但是阻力太大了。”
由于未能完成与Arm的交易,Nvidia将支付13.6亿美元的运营费用。
好文章,需要你的鼓励
雪佛兰Equinox EV本月租赁价格大幅上涨。此前LT1车型月供仅需269美元,如今同等条件下已涨至554美元/月。与此同时,优惠力度也从最高1万美元缩水至1000美元,融资利率从0%升至2.9%。相比之下,2027款Bolt EV月供仅411美元,现代IONIQ 5最低259美元/月,特斯拉Model Y起步459美元/月,Equinox EV的性价比优势明显减弱。
HarnessForge是北航与清华联合提出的AI智能体框架,通过同步进化"操作手册"与"执行助手",让两者相互磨合适配,在多个复杂任务测试中比单独优化任一方的方法最高提升12%。
前沿AI研究机构Decart发布最新世界模型Oasis 3,旨在弥合虚拟仿真与物理AI之间的鸿沟。该模型将超写实交互图形能力与强大物理引擎相结合,可生成动作驱动的视频流,支持多视角环境模拟,延迟低于200毫秒。开发者能够借助自然语言提示,快速构建多样化极端场景,有效解决机器人和自动驾驶领域长期存在的"仿真到现实"差距问题,大幅降低物理AI训练成本。
这篇发表于IEEE期刊的综述提出"看-记-想"框架,系统梳理多模态大模型在视频理解领域的最新进展,覆盖时空感知、记忆建模、推理机制及五大应用场景。