NVIDIA(纳斯达克代码:NVDA)宣布,截至2023年4月30日的第一季度收入为71.9亿美元,较去年同期下降13%,较上一季度增长19%。
季度GAAP摊薄每股收益为0.82美元,较去年同期增长28%,较上一季度增长44%。季度非GAAP摊薄每股收益为1.09美元,较去年同期下降20%,较上一季度增长24%。
NVIDIA创始人兼首席执行官黄仁勋表示:“计算机行业正在同时经历两个重要转变——加速计算和生成式 AI。
“随着企业竞相将生成式 AI 应用到每一种产品、服务和业务流程中,现存的万亿美元规模的全球数据中心基础设施,将从通用计算转型为加速计算。”
他表示:“NVIDIA 数据中心全系列产品 —— H100、Grace CPU、Grace Hopper超级芯片、NVLink、Quantum 400 InfiniBand和BlueField-3 DPU —— 均已投产。我们正在大幅增加供应,以满足对这些产品激增的需求。”
2024财年第一季度,NVIDIA以现金红利的方式向股东支付了9,900万美元。
此外,NVIDIA将于2023年6月30日向2023年6月8日在册的所有股东支付每股0.04美元的下一季度现金红利。
2024财年第一季度概要
GAAP |
|||||
(除每股收益以外,其余数据单位均为百万美元) |
2024财年第一季度 |
2023财年第四季度 |
2023财年第一季度 |
环比 |
同比 |
收入 |
,192 |
,051 |
,288 |
增长19% |
下降13% |
毛利率 |
64.6% |
63.3% |
65.5% |
增长1.3个百分点 |
下降0.9个百分点 |
运营费用 |
,508 |
,576 |
,563 |
下降3% |
下降30% |
营业收入 |
,140 |
,257 |
,868 |
增长70% |
增长15% |
净收益 |
,043 |
,414 |
,618 |
增长44% |
增长26% |
摊薄每股收益 |
{zhiding_content_info_22}.82 |
{zhiding_content_info_22}.57 |
{zhiding_content_info_22}.64 |
增长44% |
增长28% |
非GAAP |
|||||
(除每股收益以外,其余数据单位均为百万美元) |
2024财年第一季度 |
2023财年第四季度 |
2023财年第一季度 |
环比 |
同比 |
收入 |
,192 |
,051 |
,288 |
增长19% |
下降13% |
毛利率 |
66.8% |
66.1% |
67.1% |
增长0.7个百分点 |
下降0.3个百分点 |
运营费用 |
,750 |
,775 |
,608 |
下降1% |
增长9% |
营业收入 |
,052 |
,224 |
,955 |
增长37% |
下降23% |
净收益 |
,713 |
,174 |
,443 |
增长25% |
下降21% |
摊薄每股收益 |
.09 |
{zhiding_content_info_22}.88 |
.36 |
增长24% |
下降20% |
展望
NVIDIA对2024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
游戏业
专业视觉
汽车
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24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2024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。同时,该网络直播将被录制,2024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,扣除了收购终止成本、股票补偿费、收购案相关和其他费用、知识产权相关费用、法律调解费(其他)、非关联投资的亏损、债务折扣摊销相关的利息支出以及这些项目适用的相关税款。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
这项研究探讨了具身智能体(如机器人)如何通过记忆为用户提供个性化服务。宜远大学研究团队开发了MEMENTO评估框架,通过两阶段设计评估智能体利用记忆的能力。研究将个性化知识分为物体语义(如"我最喜欢的杯子")和用户模式(如"早餐习惯")两类。实验表明,即使是GPT-4o等前沿模型在需要综合多记忆的任务中也表现出30.5%的性能下降,特别是在理解用户模式方面存在明显挑战。
这项研究提出了一种创新的"生命长久安全对齐"框架,使大语言模型能够持续适应不断进化的越狱攻击策略。框架核心是元攻击者与防御者之间的对抗演化循环:元攻击者不断发现新的攻击策略,防御者则学习抵御这些攻击。实验表明,经过两轮迭代后,防御者成功将攻击成功率从73%降至7%,同时保持了模型的有用性。这种动态进化方法相比传统静态安全对齐更有效,为构建持续安全的大语言模型提供了新方向。
Enigmata是一项突破性研究,通过合成可验证的拼图训练大语言模型的逻辑推理能力。该研究创建了包含36种任务、7大类推理能力的完整训练系统,每项任务都配备了可控难度生成器和自动验证器。基于此训练的Qwen2.5-32B-Enigmata模型在拼图推理基准上超越了o3-mini-high和o1等顶尖模型。更令人惊喜的是,当应用于更大规模模型时,这些拼图数据不仅提升了模型解决拼图的能力,还意外增强了其数学和STEM推理能力,展示了纯逻辑训练带来的广泛泛化优势。
这项来自新加坡国立大学等机构的研究引入了REASONMAP,一个用于评估多模态大语言模型细粒度视觉理解能力的基准测试。研究团队使用来自13个国家30个城市的高分辨率交通地图,构建了1,008个问答对,设计了两级评估框架测量答案的正确性和质量。对15个流行模型的评估揭示了一个意外发现:开源领域的基础模型表现优于推理型模型,而闭源模型则相反。研究还表明,当视觉输入被遮盖时,模型性能普遍下降,证明真正的细粒度视觉推理任务仍需要有效整合多模态信息。