微信扫一扫,关注公众号

  • 科技行者

  • 算力行者

见证连接与计算的「力量」

首页 游戏、移动业务强劲 Nvidia第二财季业绩达预期

游戏、移动业务强劲 Nvidia第二财季业绩达预期

2014-08-09 00:08
分享至:
----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.-
2014-08-09 00:08 CNET科技资讯网

图形芯片制造商Nvidia周四发布了其2014财年第二财季业绩报告。报告显示,该季度Nvidia营收达到11亿美元,同比去年9.77亿美元增长13%;净利润为1.28亿美元,同比去年的9600万美元增长33%。今年第二财季每股摊薄利润为0.22美元,去年同期为0.16美元,同比增长38%。

游戏、移动业务强劲 Nvidia第二财季业绩达预期

图:The new Shield Tablet

华尔街分析师预期Nvidia该季度营收为11亿美元,每股赢利为0.22美元。Nvidia将业绩超出分析预期,归结于游戏和移动业务得到改善。

按Non-GAAP计,该季度Nvidia净利润为1.73亿美元,去年同期为1.33亿美元,同比增长30%;每股摊薄受益为0.30美元,去年同期为0.23美元,同比增长30%。

周四美股盘后市场,Nvidia股价上扬4.5%,至18.25美元。

游戏、移动业务强劲 Nvidia第二财季业绩达预期

Nvidia CEO 黄仁勋(Jen-Hsun Huang)表示, “客观上来讲,Nvidia整个游戏市场仍在增长。”他补充说,中国和东南亚两个领域有更多增长潜力,“我感觉我们仍有很大增长空间。”

Nvidia称,Nvidia业绩大涨,同时还受益于Tegra移动芯片业务增长了3倍;Tegra芯片被广泛应用于汽车信息娱乐系统,以及小米在7月份发布的MiPad平板。在中国市场上,小米已超过三星公司成为最大的智能手机供应商。黄仁勋对此表示,“二者都是驱动Tegra移动芯片增长的真正因素,车载芯片的确是单大生意,和小米的芯片业务也做的不错。”

第二财季,在Nvidia营收中,来自包括GeoForce在内的图形处理器芯片业务收入增长约2%,至8.78亿美元;来自Tegra处理器芯片业务营收至1.59亿美元,较去年同期的5900万美元增长2倍,其中汽车用Tegra处理器芯片业务较上年同期增长74%。

Nvidia预计公司第三财季的营收为12亿美元、上下浮动2个百分点。而分析师预计Nvidia公司该季度营收为11.6亿美元。

分享至
5赞

好文章,需要你的鼓励

推荐文章
  • 奖励设计:让AI学会智能使用工具的关键
    2025-04-23 17:39

    奖励设计:让AI学会智能使用工具的关键

    想象一下,你有一个非常聪明的朋友,他知道很多知识,但每当需要使用计算器、搜索引擎或查询最新天气时,却变得像个笨手笨脚的孩子。这正是当前大语言模型(简称LLMs,如ChatGPT这类AI系统)面临的尴尬处境。

  • ToolRL:奖励设计是工具学习所需的全部
    2025-04-23 17:34

    ToolRL:奖励设计是工具学习所需的全部

    想象一下,你拥有一个聪明的助手,它知道很多知识,但在面对需要使用计算器、搜索引擎或查询最新信息时却显得笨手笨脚。这正是当前大语言模型(LLMs)面临的困境。虽然这些模型已经通过监督微调(SFT)学会了使用工具的基本能力,但它们常常在面对复杂或不熟悉的场景时表现不佳。

  • X-Teaming:使用自适应多智能体进行多轮越狱攻击和防御
    2025-04-23 14:08

    X-Teaming:使用自适应多智能体进行多轮越狱攻击和防御

    想象你正在和一个智能助手聊天。如果你直接要求它提供有害信息,它很可能会礼貌拒绝。但如果你通过一系列看似无害的对话,逐步引导它走向你的真实目标呢?这就是当前AI安全领域面临的一个严峻挑战——多轮对话中的安全漏洞。

  • "思考操纵":用外部思考让大型推理模型更高效
    2025-04-22 16:43

    "思考操纵":用外部思考让大型推理模型更高效

    想象你在使用一个非常聪明的AI助手完成一项复杂任务,比如解决一道数学难题。你可能注意到这个助手会花很长时间"思考",一步一步写下大量推理过程,最后才给出答案。虽然这种详细的思考过程确实帮助AI做出了更准确的判断,但同时也带来了一个明显的问题:它太"啰嗦"了,消耗了大量的计算资源和时间。

----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.-