"对 Blackwell 产能提升的担忧是合理的,但我们现在已经成功提升了 Blackwell 的产能," Nvidia CEO Jensen Huang 在财报发布后接受 CNBC 采访时表示。
Huang 补充说,他认为 Nvidia "已经成功度过了" 投资者担心的客户从 Hopper 向 Blackwell 过渡期间的需求真空期。
"我们下个季度会有不错的业绩表现。而且我们有相当充足的 Blackwell 需求管线,"Huang 说道。
Jefferies 分析师在周四的研报中指出,"供应链将继续改善",他们"没有看到任何 Blackwell 需求问题的迹象"。
在财报公布之前,尽管中国 AI 初创公司 DeepSeek 带来了冲击波,分析师们仍然乐观地认为,随着 Blackwell 产能的提升,这家芯片制造商将超越预期并提高展望。
"Nvidia 股票最近因 DeepSeek 和 AI 需求将下降的说法而受挫,但事实证明这些担忧是没有根据的,因为客户们继续竞相扩大 AI 基础设施规模,主要使用 Nvidia 芯片,"Thornburg Investment Management 的投资组合经理 Sean Sun 在与 Quartz 分享的评论中表示。
研究公司 Radio Free Mobile 创始人 Richard Windsor 也在与 Quartz 分享的评论中表示,他不认为 DeepSeek 会"打击对 Nvidia 数据中心芯片的需求"。
Windsor 表示,这家芯片制造商对本财年的预期"看起来相当准确,再加上我认为公司具有良好的可见度,意味着今年不会有太多意外"。
与此同时,Sun 表示,投资者对 Nvidia 顶级客户设计自有定制芯片的担忧"似乎有些过度"。"Nvidia 的生态系统优势和软件技术栈仍然是进入市场的强大壁垒。"
在财报后的电话会议上,Nvidia 表示,像 OpenAI 和 Google 这样的公司正在竞争的推理 AI 模型"与单次推理相比,每个任务可能需要 100 倍的计算量"。
Sun 表示,该公司"独特地positioned于捕获这种指数级增长的机会"。
好文章,需要你的鼓励
亚马逊云服务部门与OpenAI签署了一项价值380亿美元的七年协议,为ChatGPT制造商提供数十万块英伟达图形处理单元。这标志着OpenAI从研究实验室向AI行业巨头的转型,该公司已承诺投入1.4万亿美元用于基础设施建设。对于在AI时代竞争中处于劣势的亚马逊而言,这项协议证明了其构建和运营大规模数据中心网络的能力。
Meta FAIR团队发布的CWM是首个将"世界模型"概念引入代码生成的32亿参数开源模型。与传统只学习静态代码的AI不同,CWM通过学习Python执行轨迹和Docker环境交互,真正理解代码运行过程。在SWE-bench等重要测试中表现卓越,为AI编程助手的发展开辟了新方向。
当今最大的AI数据中心耗电量相当于一座小城市。美国数据中心已占全国总电力消费的4%,预计到2028年将升至12%。电力供应已成为数据中心发展的主要制约因素。核能以其清洁、全天候供电特性成为数据中心运营商的新选择。核能项目供应链复杂,需要创新的采购模式、标准化设计、早期参与和数字化工具来确保按时交付。
卡内基梅隆大学研究团队发现AI训练中的"繁荣-崩溃"现象,揭示陈旧数据蕴含丰富信息但被传统方法错误屏蔽。他们提出M2PO方法,通过改进数据筛选策略,使模型即使用256步前的陈旧数据也能达到最新数据的训练效果,准确率最高提升11.2%,为大规模异步AI训练开辟新途径。