NVIDIA 在人工智能 (AI) 数据中心领域继续保持主导地位,其最新季度业绩显示收入增长 16%,较去年同期增长 93%。
公司数据中心业务季度收入达到 356 亿美元,全年收入达到 1,150 亿美元,较去年增长 142%。
NVIDIA CEO 兼创始人黄仁勋在准备好的讲话中表示:"Blackwell 的需求非常强劲,因为推理 AI 增加了另一个扩展定律 - 增加训练计算量可以让模型更智能,增加长期思考的计算量可以让答案更智能。"
"我们已成功实现了 Blackwell AI 超级计算机的大规模生产,在第一季度就实现了数十亿美元的销售额。AI 正在以光速发展,主动 AI 和物理 AI 为下一波 AI 革命奠定了基础,这将彻底改变最大的行业。"
在财报电话会议上,金融分析师就 DeepSeek (该模型需要较低算力的 GPU) 以及微软等云服务提供商 (CSP) 正在设计自己的 AI 优化芯片等问题向 NVIDIA 提出质疑。
根据 Seeking Alpha 发布的电话会议记录,CSP 约占 NVIDIA 业务的一半。但企业客户的需求也在增长。黄仁勋表示:"我们看到企业业务未来会增长",他认为这代表了长期销售 NVIDIA GPU 的更大机会。
黄仁勋利用财报电话会议讨论了为什么他认为新的 AI 模型会推动需求增长,即使 AI 模型在计算效率方面变得更高。他说:"模型思考得越多,答案就越智能。OpenAI、Grok-3 和 DeepSeek-R1 等模型都是应用推理时间扩展的推理模型。推理模型可能消耗 100 倍的计算量。未来的推理模型可能消耗更多计算量。"
当被问及 CSP 开发专用集成电路 (ASIC) 而不使用 GPU 的风险时,黄仁勋通过讨论技术栈的复杂性作出回应,暗示如果使用定制芯片而不是标准 GPU,这将是一个挑战。他说:"软件栈非常困难。制造 ASIC 与我们的工作没有区别 - 我们构建新架构。"
据黄仁勋称,建立在 NVIDIA 架构之上的技术生态系统比两年前复杂 10 倍。他说:"这很明显,因为世界在架构之上构建的软件数量正在呈指数级增长,AI 发展非常快。因此,在多个芯片之上整合整个生态系统是很困难的。"
在讨论 NVIDIA 的业绩时,Forrester 高级分析师 Alvin Nguyen 表示:"尽管这一成就令人震惊,但 NVIDIA 再次创下记录似乎已成为常态。创纪录的收益表明对 NVIDIA AI 产品的需求持续存在。强调推理模型驱动更多而不是更少的计算,这是对 DeepSeek 影响其需求担忧的一个很好的口头反驳。"
然而,在 Nguyen 看来,黄仁勋对替代 NVIDIA GPU 的定制芯片问题的回应是"轻描淡写的"。
他说:"对于亚马逊、微软和谷歌的定制芯片威胁其业务的问题,他们的回应是轻描淡写的,忽视了这些公司需要 NVIDIA 之外的选择,以及需要专门针对其 AI 训练和推理需求定制的半导体。"
好文章,需要你的鼓励
亚马逊在生成式AI爆发初期便敏锐意识到了人工智能培训的重要性,2023年宣布启动“AI就绪(AI Ready)”计划,通过系统化的人才培养架构,不仅着眼解决当下企业AI应用的人才缺口,更为全球数字经济发展构建了AI人才储备体系。
OpenAI 宣布将于今年晚些时候发布自 GPT-2 后首个开源语言模型,由研究副总裁 Aidan Clark 领导,预计初夏推出。该模型针对高端消费硬件,可灵活启用推理功能,并采用宽松许可证和严格安全评估,此举旨在应对 DeepSeek、Meta 等开源对手的竞争。
Ocient成功融资4210万美元,加速研发基于NVMe SSD与计算近接存储架构的绿色、低成本大数据与 AI 分析解决方案。
联想推出了21款全新存储产品(含液冷HCI系统),帮助企业快速构建AI基础设施,推动IT现代化、提高数据管理效率、降低能耗,并满足多种企业级AI与数据更新需求。