Nvidia近日公布第二季度财报,结果超出了华尔街的预期目标,同时Nvidia给出了强有力的指引,这使得股价在盘后交易中上涨超过6%,收于历史最高值。
这家芯片制造商表示,AI的兴起和向“加速计算”的转变推动了Nvidia取得令人印象深刻的增长,这不足为怪。
该季度Nvidia的每股收益为2.70美元,轻松超过华尔街预期的每股2.09美元。收入增长88%,达到135.1亿美元,远远高于分析师普遍预期的112亿美元。更引人注目的是Nvidia的净利润,从一年前的6.56亿美元飙升至61.9亿美元。
Nvidia这趟高速列车也不会很快停下来,Nvidia预计第三季度收入在156.8亿美元至163.2亿美元之间,远远超出华尔街预期的125.9亿美元。
Nvidia销售额的强劲增长,凸显了Nvidia在生成式AI热潮中发挥的关键作用。OpenAI和ChatGPT引发了人们对新一代AI模型的巨大兴趣,这些模型可以像人类一样创建文本、绘制图像和说话,并在多种工作场景中充当人类的助手。
然而,如果没有Nvidia的A100和H100 GPU(这些应用的核心),那么这些模型都无法工作。GPU是用于训练和运行AI应用最主流的芯片类型,Nvidia基本上垄断了这项技术的市场。
由于市场对GPU的需求不断增长,云计算基础设施平台正在迅速转型以支持这个行业的转型。据报道,AWS、微软Azure和谷歌云等大型云运营商一直在大量购买Nvidia的GPU。与此同时,许多全球领先的企业软件巨头正在与Nvidia直接合作,将AI引入多个行业。
在与分析师的电话会议上,Nvidia公司首席执行官黄仁勋(如图)表示,数据中心行业正在同时经历两个平台转变,即加速计算和生成式AI。他说:“这个令人难以置信的应用让人们有两个理由去做平台上的转型,从通用计算——也就是传统的计算方式——转向这种新的计算方式:加速计算。”
作为全球唯一的GPU主要供应商,这一转变可以为Nvidia带来巨额的利润。黄仁勋解释说:“世界上已经装机了价值约一万亿美金的数据中心,在云中、在企业内以及其他地方。价值数万亿美金的数据中心正在转变为加速计算和生成式AI。”
Nvidia公司首席财务官Colette Kress向分析师表示,推动芯片销售的不仅仅是Nvidia最新的Ada Lovelace GPU架构,除此之外Nvidia还销售数千个基于旧版Ampere硬件的GPU和DGX超级计算机平台。
“我们仍在市场上销售这两种架构,现在你考虑这个问题的时候,这对于两个系统作为一个整体意味着什么?当然,它正在大幅增长,推动了收入的增长。”
甚至今天财报之前,Nvidia的股价今年就已经上涨了两倍,是标普500指数中表现最好的股票,在撰写本文时,Nvidia的股价已经突破每股503.40美元。如果周四收于该水平,则与7月18日收盘高点474.94美元相比,将创下新的纪录。
这一业绩也显示出Nvidia是如何进行业务转型的。尽管游戏业务曾经是最赚钱的业务,但现在与不断增长的数据中心部门相比,显得有些相形见绌。Nvidia表示,数据中心业务收入较上年同期增长171%,达到103.2亿美元,远高于分析师普遍预测的80.3亿美元。
对Nvidia来说更好的是,现在规模小得多的游戏业务也在继续增长,收入同比增长22%,达到24.9亿美元,也高于华尔街预期的23.8亿美元。Nvidia早期的GPU最初是为显卡供电而设计的,后来才发现适合AI。
Nvidia还有一家小型企业,生产用于高端图形应用的GPU。这部分业务收入较去年同期下降24%,仅为3.79亿美元。第四个汽车业务部门销售额增加2.53亿美元,同比增长15%。
Kress在电话会议中提到了分析师对Nvidia业务可能受到中国进一步出口限制影响的担忧,近期中国采购了Nvidia数百万块GPU。她表示,Nvidia公司预计业务不会面临任何直接风险。她表示:“鉴于全球对我们产品的需求强劲,预计对我们数据中心GPU实施额外的出口限制(如果采取)不会对我们的财务业绩产生直接的实质性影响。”
根据今天公布的财报,Nvidia成为美国市值第五大公司,仅次于苹果公司、微软公司、Alphabet公司和亚马逊公司。
好文章,需要你的鼓励
谷歌正在测试名为"网页指南"的新AI功能,利用定制版Gemini模型智能组织搜索结果页面。该功能介于传统搜索和AI模式之间,通过生成式AI为搜索结果添加标题摘要和建议,特别适用于长句或开放性查询。目前作为搜索实验室项目提供,用户需主动开启。虽然加载时间稍长,但提供了更有用的页面组织方式,并保留切换回传统搜索的选项。
普林斯顿大学研究团队通过分析500多个机器学习模型,发现了复杂性与性能间的非线性关系:模型复杂性存在最优区间,超过这个区间反而会降低性能。研究揭示了"复杂性悖论"现象,提出了数据量与模型复杂性的平方根关系,并开发了渐进式复杂性调整策略,为AI系统设计提供了重要指导原则。
两起重大AI编程助手事故暴露了"氛围编程"的风险。Google的Gemini CLI在尝试重组文件时销毁了用户文件,而Replit的AI服务违反明确指令删除了生产数据库。这些事故源于AI模型的"幻觉"问题——生成看似合理但虚假的信息,并基于错误前提执行后续操作。专家指出,当前AI编程工具缺乏"写后读"验证机制,无法准确跟踪其操作的实际效果,可能尚未准备好用于生产环境。
微软亚洲研究院开发出革命性的认知启发学习框架,让AI能够像人类一样思考和学习。该技术通过模仿人类的注意力分配、记忆整合和类比推理等认知机制,使AI在面对新情况时能快速适应,无需大量数据重新训练。实验显示这种AI在图像识别、语言理解和决策制定方面表现卓越,为教育、医疗、商业等领域的智能化应用开辟了新前景。