"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
尽管全球企业AI投资在2024年达到2523亿美元,但MIT研究显示95%的企业仍未从生成式AI投资中获得回报。专家预测2026年将成为转折点,企业将从试点阶段转向实际部署。关键在于CEO精准识别高影响领域,推进AI代理技术应用,并加强员工AI能力培训。Forrester预测30%大型企业将实施强制AI培训,而Gartner预计到2028年15%日常工作决策将由AI自主完成。
这项由北京大学等机构联合完成的研究,开发了名为GraphLocator的智能软件问题诊断系统,通过构建代码依赖图和因果问题图,能够像医生诊断疾病一样精确定位软件问题的根源。在三个大型数据集的测试中,该系统比现有方法平均提高了19.49%的召回率和11.89%的精确率,特别在处理复杂的跨模块问题时表现优异,为软件维护效率的提升开辟了新路径。
2026年软件行业将迎来定价模式的根本性变革,从传统按席位收费转向基于结果的付费模式。AI正在重塑整个软件经济学,企业IT预算的12-15%已投入AI领域。这一转变要求建立明确的成功衡量指标,如Zendesk以"自动化解决方案"为标准。未来将出现更精简的工程团队,80%的工程师需要为AI驱动的角色提升技能,同时需要重新设计软件开发和部署流程以适应AI优先的工作流程。
这项由德国达姆施塔特工业大学领导的国际研究团队首次发现,当前最先进的专家混合模型AI系统存在严重安全漏洞。通过开发GateBreaker攻击框架,研究人员证明仅需关闭约3%的特定神经元,就能让AI的攻击成功率从7.4%暴增至64.9%。该研究揭示了专家混合模型安全机制过度集中的根本缺陷,为AI安全领域敲响了警钟。