计算机图形芯片制造商Nvidia近日发布第四季度财报,收入、收益和净收入均高于预期水平,使得Nvidia股价在盘后交易中上涨超过8%。
该季度Nvidia的表现超出了华尔街的目标,不过这三大类都出现了同比大幅下滑。该季度Nvidia在不计入股票补偿等特定成本之后的收益为每股88美分,高于分析师普遍预期的81美分。
第四季度Nvidia的收入较上年同期下降21%,至60.5亿美元,但略高于60亿美元的预期水平,净收入下滑53%,至14亿美元。
尽管近几个月半导体行业遭受重创,英特尔和超微半导体等芯片制造商都在苦苦挣扎,但投资者对Nvidia渡过难关的能力更有信心。经济放缓导致Nvidia的个人电脑和其他设备销售陷入停滞,但数据中心业情况不同,其中包括了用于人工智能工作负载的图形处理芯片。
事实上,随着最近ChatGPT等软件引发人们围绕人工智能的热议,Nvidia似乎也从中受益了。Nvidia的GPU是训练和运行机器学习软件的理想选择,这一点也反映在Nvidia的数据中心收入上,这部分收入较上年同期增长11%至36.2亿美元。Nvidia表示,增长主要是因为美国云服务提供商购买了更多产品所推动的。
Moor Insights & Strategy分析师Patrick Moorhead认为,Nvidia的强劲表现主要是因为在人工智能训练方面Nvidia的GPU确实是唯一的选择。他说:“如果你在Nvidia的硬件上进行训练的话,很可能也会在上面运行推理,即使在这个领域有其他更多的选择。”
Nvidia公司首席执行官黄仁勋在与分析师的电话会议中表示,人工智能是推动云客户在Nvidia芯片上投入更多支出的动力之一。他说:“人工智能正处于一个转折点,为在所有行业广泛普及做好了准备。从初创公司到大型企业,我们看到人们对生成式AI的多样化和功能性越来越感兴趣,这引发了全球企业制定和部署AI战略的紧迫感。”
分析师Rob Enderle表示,黄仁勋对于AI和自动驾驶汽车的早期愿景显然让Nvidia从中受益,这一愿景此后也扩展到其他多个不同领域。他解释说,在生成式AI等技术正在掀起颠覆性浪潮之际,Nvidia正在驾驭这股浪潮,而不是被其淹没。
Enderle表示:“显然这要归功于黄仁勋提前几十年预测到了这些需求,然后成功对公司进行定位,让公司以从中受益。我们仍处于这些浪潮的早期阶段,这表明,随着这些技术更积极地进入市场,Nvidia将获得更大的收益。”
数据中心和AI收入的增长帮助Nvidia抵消了游戏业务的急剧下滑,这块业务专注于个人电脑和游戏机的显卡。游戏业务在新冠疫情期间受益于销售额的增长,但随着经济不景气而出现放缓。根据财报显示,该季度游戏收入较去年同期下滑46%,至18.3亿美元,这主要归咎于面向合作伙伴的芯片销售量减少了,因为这些合作伙伴手头上有过多的库存。此外,该季度面向游戏机平台的GPU出货量也有所减少。
Moorhead表示:“游戏业务需要更多的时间来完成从旧卡到新卡的库存再平衡,还需要更多的AAA级游戏来推动第三季度和第四季度销售期的需求。”
其他规模较小的业务则表现喜忧参半。一方面,汽车收入同比飙升135%,收入2.94亿美元。专业可视化业务则收入下滑了65%,仅为2.26亿美元。
展望第一季度,Nvidia预计收入约为65亿美元,高于华尔街预期的63.3亿美元。
Nvidia的股价在今年已经上涨了45%。
好文章,需要你的鼓励
数字孪生技术正在改变网络安全防御模式,从被动响应转向主动预测。这种实时学习演进的虚拟副本让安全团队能够在威胁发生前预见攻击。组织可以在数字孪生环境中预演明日的攻击,将防御从事后反应转变为事前排演。通过动态更新的IT生态系统副本,团队可在真实条件下压力测试防御体系,模拟零日漏洞攻击并制定应对策略,从根本上重塑网络安全实践方式。
NVIDIA联合多所大学开发的Omni-RGPT实现了AI视觉理解的重要突破,首次让AI能同时精准理解图像和视频中用户指定的任何区域。通过独创的Token Mark机制,该系统解决了传统方法在视频中容易"跟丢"目标的问题,在视觉问答、区域描述等多项任务上达到最先进水平,为教育、安防、内容创作等领域的AI应用奠定了基础。
Linux内核开发面临动荡时期,Rust语言引入引发摩擦,多名核心开发者相继离职。文章介绍了三个有趣的替代方案:Managarm是基于微内核的操作系统,支持运行Linux软件;Asterinas采用Rust语言开发,使用新型framekernel架构实现内核隔离;Xous同样基于Rust和微内核设计,已有实际硬件产品Precursor发布。这些项目证明了除Linux之外,还有许多令人兴奋的操作系统研发工作正在进行。
这项由中国人民大学等机构合作完成的研究提出了Virgo系统,发现仅用5000个纯文本推理案例训练就能让AI在视觉推理任务上达到顶级商业系统水平。研究证实推理能力具有跨模态通用性,为更经济高效地开发多模态AI系统指明了新方向,同时也揭示了AI感知反思能力不足的局限性。