Nvidia今天公布了第二季度的初步财务业绩,预计收入和毛利率将低于此前给出的指引。
Nvidia曾在今年5月的时候预测在截至7月31日的第二季度收入为81亿美元。在新发布的初步收益报告中,Nvidia预计销售额为67亿美元,这导致股价在今日的交易中下跌7%。
尽管Nvidia第二季度收入可能低于内部预期,但仍比去年同期有所改善,67亿美元的销售额相当于同比增长3%。
Nvidia将销售额低于预期主要归因于游戏业务,为消费市场提供GPU的游戏业务收入同比下滑44%,至20.4亿美元。
Nvidia创始人、首席执行官黄仁勋表示:“该季度,我们的游戏产品销售预测显着减少。我们预计影响销售的宏观经济状况将持续下去,我们与游戏合作伙伴将采取行动调整渠道价格和库存。”
该季度Nvidia数据中心业务(主要为企业和云提供商提供GPU)表现较好,收入增长了61%,达到38.1亿美元,但是由于供应链中断,该部门“有点达不到”预期,黄仁勋这样表示。
与此同时,Nvidia预计库存相关费用为13.2亿美元。Nvidia执行副总裁、首席财务官Colette Kress表示:“第二季度产生的巨额费用反映出我们之前在严重零部件短缺期间做出的长期采购承诺,以及我们目前对宏观经济持续不确定性的预期。”
Nvidia最初预计毛利率为65.1%,正负0.5%。今天Nvidia表示,预计毛利率为43.7%,正负0.5%。
Kress表示:“我们相信长期毛利率状况良好,目前我们已经放缓了运营费用的增长,平衡了长期增长的投资,同时管理近期的盈利能力。我们计划继续回购股票,因为我们预见将会有强劲的现金流并在未来实现增长。”
就在Nvidia发布第二季度初步报告的几周之前,另一家主要芯片制造商英特尔也公布了低于预期的季度业绩。英特尔业绩低于预期的部分原因,是英特尔客户端计算业务的客户需求有所放缓。该业务主要为个人电脑提供芯片,据称收入同比下滑了25%。
英特尔处理器和Nvidia显卡通常被同时配置在PC产品中。英特尔客户端计算业务和Nvidia游戏业务的需求下降可能都是受到了近期全球PC出货量下滑的影响。根据Gartner上个月发布的研究结果预测,2022年PC出货量将下滑9.5%。
黄仁勋表示:“Nvidia拥有出色的产品和定位,推动了庞大且不断增长的市场。当我们应对这些挑战时,我们仍然专注于为AI时代重塑计算这一千载难逢的机会。”
Nvidia致力于推动AI普及的战略不仅覆盖了数据中心基础设施和个人电脑领域,还有汽车行业。Nvidia售卖一系列用于自动驾驶汽车的专用芯片,这些芯片使用AI为自动驾驶功能提供动力。Nvidia已经从汽车行业客户那里收到了价值110亿美金的订单,预计这部分产品组合将成为Nvidia“下一个价值数十亿美金的业务”。
好文章,需要你的鼓励
zip2zip是一项创新技术,通过引入动态自适应词汇表,让大语言模型在推理时能够自动组合常用词组,显著提高处理效率。由EPFL等机构研究团队开发的这一方法,基于LZW压缩算法,允许模型即时创建和使用"超级tokens",将输入和输出序列长度减少20-60%,大幅提升推理速度。实验表明,现有模型只需10个GPU小时的微调即可适配此框架,在保持基本性能的同时显著降低计算成本和响应时间,特别适用于专业领域和多语言场景。
这项研究创新性地利用大语言模型(LLM)代替人类标注者,创建了PARADEHATE数据集,用于仇恨言论的无毒化转换。研究团队首先验证LLM在无毒化任务中表现可与人类媲美,随后构建了包含8000多对仇恨/非仇恨文本的平行数据集。评估显示,在PARADEHATE上微调的模型如BART在风格准确性、内容保留和流畅性方面表现优异,证明LLM生成的数据可作为人工标注的高效替代方案,为创建更安全、更具包容性的在线环境提供了新途径。
这项研究由中国科学技术大学的研究团队提出了Pro3D-Editor,一种新型3D编辑框架,通过"渐进式视角"范式解决了现有3D编辑方法中的视角不一致问题。传统方法要么随机选择视角迭代编辑,要么同时编辑多个固定视角,都忽视了不同编辑任务对应不同的"编辑显著性视角"。Pro3D-Editor包含三个核心模块:主视角采样器自动选择最适合编辑的视角,关键视角渲染器通过创新的MoVE-LoRA技术将编辑信息传递到其他视角,全视角精修器修复并优化最终3D模型。实验证明该方法在编辑质量和准确性方面显著优于现有技术。
这项研究提出了ComposeAnything,一个无需重新训练的框架,可显著提升AI图像生成模型处理复杂空间关系的能力。该技术由INRIA、巴黎高师和CNRS的研究团队开发,通过三个创新步骤工作:首先利用大型语言模型创建包含深度信息的2.5D语义布局,然后生成粗略的场景合成图作为先验指导,最后通过物体先验强化和空间控制去噪引导扩散过程。在T2I-CompBench和NSR-1K基准测试中,该方法远超现有技术,特别是在处理复杂空间关系和多物体场景时表现卓越,为AI辅助创意设计开辟新可能。