NVIDIA今日宣布,截至 2025 年 4 月 27 日的第一季度收入为 441 亿美元,较上一季度增长 12%,较去年同期增长 69%。
2025 年 4 月 9 日,NVIDIA 收到美国政府通知,面向中国市场的 H20 产品出口需申请许可证。由于此项规定导致 H20 需求减少,NVIDIA 在 2026 财年第一季度因 H20 的库存积压和采购承诺而产生了 45 亿美元的费用。在新的出口许可要求实施前,2026 财年第一季度 H20 产品销售额为 46 亿美元。NVIDIA 当季另有 25 亿美元的 H20 订单无法交付。
第一季度 GAAP 和非 GAAP 毛利率分别为 60.5% 和 61.0%。若不含 45 亿美元费用的影响,第一季度非 GAAP 毛利率应为71.3%。
第一季度 GAAP 和非 GAAP 摊薄每股收益分别为 0.76 美元和 0.81 美元。若不含 45 亿美元费用和相关税费的影响,第一季度非 GAAP 摊薄每股收益应为 0.96 美元。
NVIDIA 创始人兼首席执行官黄仁勋表示:“我们的突破性 AI 超级计算机 Blackwell NVL72 是专为 AI 逻辑推理任务设计的‘思考机器’,目前正通过全球领先的系统制造商和云服务提供商进入全面量产阶段。全球对 NVIDIA AI 基础设施的需求空前强劲。AI 推理的 token 生成量在短短一年内激增十倍,随着 AI 智能体成为主流,业界对 AI 算力的需求也将加速增长。世界各国和地区正在将 AI 列为与电力、互联网同等重要的关键基础设施,NVIDIA 正处于这场深远变革的中心位置。”
NVIDIA 将于 2025 年 7 月 3 日向截至 2025 年 6 月11 日登记在册的所有股东支付每股 0.01 美元的下一季度现金红利。
2026 财年第一季度概要
* 2024 年 6 月 7 日 NVIDIA 已完成 1 拆 10 的拆股计划。其呈交的所有每股金额均已根据拆股计划进行追溯调整。
展望
NVIDIA 对 2026 财年第二季度的展望:
亮点
自上次发布财报以来,NVIDIA 在以下领域取得进展:
数据中心
游戏和 AI PC
专业视觉
汽车和机器人
首席财务官的评论
NVIDIA 执行副总裁兼首席财务官 Colette Kress 对本季度财务业绩发表了评论,敬请访问 https://investor.nvidia.com 网站查看评论内容。
电话会议和网络广播信息
NVIDIA 于太平洋时间 5 月 28 日下午 2 点(东部时间下午 5 点)与分析师和投资者召开电话会议,讨论公司 2026 财年第一季度的财务报告以及当前财务前景。本次电话会议于 NVIDIA 投资者关系网站上进行网络直播(音频形式),网址为 https://investor.nvidia.com。该网络广播将被录制,在 2026 财年第二季度财务报告电话会议前,可随时重播。
非 GAAP 衡量指标
为补充按 GAAP 计算的 NVIDIA 简明合并财务报表,NVIDIA 在财务报告的特定组成部分中使用了非 GAAP 衡量指标。这些非 GAAP 衡量指标包括非 GAAP 毛利润、非 GAAP 毛利率、非 GAAP 运营费用、非 GAAP 营业收入、非 GAAP 其他收入(费用)净额、非 GAAP 净收入、非 GAAP 摊薄每股净收入或收益以及自由现金流。为使 NVIDIA 的投资者能够更好地对比当前业绩与以往业绩,公司给出了从 GAAP 到非 GAAP 财务衡量指标的调节表。这些调节表调整了相关的 GAAP 财务衡量指标,扣除了股票补偿费、收购案相关和其他费用、其他、非流通证券和公开持有的股票证券的收益和亏损净额、债务折扣摊销相关的利息支出、H20 库存积压和采购承诺以及这些项目适用的相关税款。在 GAAP 财务衡量指标调整中纳入 H20 产品库存积压及采购承诺费用,是基于 2025 年 4 月 9 日美国政府通知 NVIDIA,H20 产品出口中国需要许可这一事实。H20 产品主要面向中国市场设计。自由现金流的计算方法:运营活动提供的 GAAP 净现金减去物业、设备和无形资产的购买款与物业、设备和无形资产的本金的总和。NVIDIA 相信这些非 GAAP 财务衡量指标会增进用户对公司以往财务业绩的全面理解。公司提交非 GAAP 财务衡量指标的目的不是将其割裂开来或替代公司按公认会计准则计算的财务业绩。而且 NVIDIA 的非 GAAP 财务衡量指标可能与其他公司所使用的非 GAAP 财务衡量指标有所不同。
好文章,需要你的鼓励
这项由清华大学与NVIDIA合作的研究提出了"负例感知微调"(NFT)算法,挑战了"自我提升仅适用于强化学习"的传统观念。通过构建隐式负面策略处理错误答案,NFT在数学推理任务上匹配甚至超越了顶尖强化学习算法的表现。研究不仅证明了监督学习与强化学习在特定条件下的等价性,还展示了如何利用负面反馈显著提升大语言模型的数学能力,为AI训练方法论开辟了新视角。
这项研究提出了一种名为混合推理策略优化(HRPO)的新方法,通过强化学习使大型语言模型能够结合离散标记和连续隐藏表示进行推理。HRPO设计了创新的门控机制,初始时以标记嵌入为主,逐渐增加隐藏状态的比例,并通过强化学习优化这一混合策略。实验表明,HRPO在知识和推理任务上显著优于现有方法,甚至使小型模型达到大型模型的性能,同时展现出跨语言推理等有趣特性。
这项研究介绍了REARANK,一种基于大语言模型的创新列表式推理重排序助手。通过强化学习技术,该模型在排序前先进行明确推理,显著提升了排序性能和可解释性。仅使用179个标注样本训练的REARANK-7B在多个信息检索基准测试中表现卓越,甚至在推理密集型任务上超越了GPT-4。研究证明了结合推理能力与高效排序策略的重要性,为构建更智能的信息检索系统提供了新思路。
"当我看到梵高的每一笔中都有他的痛苦时,才明白我们看的不是作品,而是作者的人生。AI正以惊人的速度接近人类水平通用智能,让Google从'伦敦那帮疯子在搞AGI'转变为全公司共识。DeepMind让AI'合理地幻觉'来创造突破,就像Astra技术让用户第一次惊呼'AI能做到比想象更多'——这不仅是技术革命,更是重新定义创造力的开始。"