至顶网软件频道消息:Nvidia将继续推动芯片产业的发展,由于其面向人工智能应用的芯片业务蓬勃发展,Nvidia在第三财季的表现轻松超出了预期。
Nvidia公布财报称,该季度利润为8.38亿美元(或者每股1.33美元),同比增长55%,收入增长32%达到26.4亿美元。
Moor Insight & Strategy总裁、首席分析师Patrick Moorhead表示:“每个产品线都有所增长,但是最令人印象深刻的是数据中心业务的增长,而这主要是受到了机器学习训练、游戏的推动,以及PC游戏市场扩张和GeForce的推动。”
Nvidia的数据中心业务翻了近一番,达到5.01亿美元。Nvidia的GPU已经被Google、Facebook和微软等大型数据中心拥有者采用,用于机器学习,从而在图像和语音识别以及自动驾驶汽车方面取得进展。
该业务在经过几年高双位数增长之后遭遇了停滞,也这导致投资者信心不足,尽管Nvidia表示这是由于切换到新芯片架构所导致的暂时性问题。结果似乎表明Nvidia是对的。
Nvidia创始人、首席执行官黄仁勋表示:“我们在所有增长驱动因素方面都取得了不错的成绩。全球各地的行业正在加速他们对AI的采用。”
此前分析师预期Nvidia调整后的利润为每股94美分,相比去年同期的83美分增长了13%,收入为23.7亿美元,增长18%。
Nvidia还发布了对第四季度的最新预测。Nvidia预计下个季度收入将达到26.5亿美元,毛利率约为60%,但是并没有提供精确的利润数字。分析师预测称,Nvidia下个季度的利润为每股97美分,减少2%,收入为24.3亿美元,增长12%。
投资者们的反应比较平淡,盘后交易价格下跌不到1%,随后上涨2%。Nvidia的股票价格表现完美,上周二创下新高,收盘价格是去年同期的3倍。所以温和上涨也可以算做是积极的表现。
Nvidia也受益于另一个处理密集型的技术:加密电子货币挖掘,尤其是以太坊货币。黄仁勋表示:第二季度这部分业务占到了1.5亿美元,高于预期,且称这个市场“已经逐渐稳定下来”。
但是分析师一直对这部分提振持怀疑态度,事实上第三季度加密相关的销售额下滑到7000万美元。黄仁勋表示,这是因为挖矿者们已经转移到用图形计算机来做挖矿任务。“将会有新货币的出现,现有货币的价格也会增长。一段时间内我们将看到加密将成为我们业务很小一部分。”
这将成为芯片行业的关键时刻,特别是对Nvidia来说。首先,英特尔公司最近宣布与长期竞争对手AMD达成惊人的合作伙伴关系,为高端个人笔记本电脑制造芯片,将英特尔的CPU与AMD的GPU相结合。Moorhead表示:“多年前,英特尔计划推出独立显卡,即使成功集成显卡,其效果也不尽如人意。看起来,英特尔将再次承诺为游戏甚至是机器学习打造一款有竞争力的独立显卡。”
事实上,英特尔上周聘请了刚刚从AMD离职的首席GPU架构师Raja Koduri,在英特尔担任相同的职位。“我们将致力于让AI成为我们产品组合的一个重要组成部分。”英特尔CEO Brian Krzanich在纽约时报的Dealbook大会上这样表示。
更广泛地说,整个芯片行业似乎正在另一个整合期。博通宣布以1050亿美元收购移动芯片巨头高通公司,这将成为历史上规模最大的一次科技收购。同一天,华尔街日报报道称,Marvell Technology Group正在与Cavium进行并购谈判,可能会创造一个规模达140亿美元的新实体。
占到Nvidia总收入超过一半的游戏收入增长25%达到15.6亿美元,部分原因是受到了Nintendo Switch游戏系统快速采用的推动。其他业务的增长则没有这么多,可视化收入增长15%,汽车业务增长15%。面向OEM制造商的销售,以及知识产权收入仅增长了3%。
好文章,需要你的鼓励
科技泡沫并非世界末日,从经济角度看,泡沫是押注过大导致供过于求。AI泡沫问题复杂在于AI软件开发节奏与数据中心建设周期的时间错配。甲骨文关联数据中心获180亿美元信贷,Meta承诺三年内投入6000亿美元基础设施。麦肯锡调查显示企业虽广泛使用AI但规模有限,多数仍持观望态度。微软CEO表示更担心数据中心空间不足而非芯片短缺,电力需求成为新瓶颈。
香港中文大学研究团队开发的Search-R3系统成功解决了大语言模型推理与搜索分离的问题,通过两阶段训练让AI在深度思考过程中直接生成搜索向量。该系统在多个领域测试中显著超越现有方法,特别是启用推理后性能提升明显,为AI系统设计提供了推理与搜索统一的新范式,展现了从专门化向通用化发展的重要方向。
Goodfire.ai研究人员首次发现AI语言模型中记忆和推理功能通过完全独立的神经通路运作。研究显示,移除记忆通路后,模型丧失97%的训练数据复述能力,但逻辑推理能力几乎完全保留。令人意外的是,算术运算与记忆共享神经通路而非推理通路,这可能解释了AI模型在数学方面的困难。该技术未来有望用于移除版权内容或敏感信息而不损害模型核心功能。
这项由ETH苏黎世等机构发表的突破性研究首次系统性揭示了优化器选择对AI模型量化性能的重大影响。研究团队发现传统的异常值理论完全失效,并开发了革命性的ABC分解框架来准确预测量化后性能。实验证明Shampoo优化器在量化场景下表现最优,该发现为AI模型的实际部署提供了重要指导,有望让AI技术在资源受限设备上发挥更大作用。