
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%。
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。
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。
好文章,需要你的鼓励
本文介绍了由南方科技大学等机构于2026年4月发表的研究(arXiv:2604.08865),提出了名为SPPO的大模型推理训练新方法。该方法将推理任务重新建模为"序列级情境赌博机",用一个轻量级价值模型预测题目难度,以单次采样替代GRPO的多次采样,解决了标准PPO的"尾部效应"问题。实验显示,SPPO在数学基准测试上超越GRPO,训练速度提升约5.9倍,配合小尺寸价值模型还能显著降低显存占用。
这项由香港科技大学数学系完成的研究(arXiv:2604.10465,2026年ICLR博客论文赛道)提出了一种从朗之万动力学视角理解扩散模型的统一框架。研究指出,扩散模型的前向加噪和逆向去噪过程,本质上是朗之万动力学这一"分布恒等操作"被拆成了两半。在这个视角下,VP、VE-Karras和Flow Matching等不同参数化的模型可被精确互译,SDE与ODE版本可被统一解释,扩散模型相对VAE的理论优势得以阐明,Flow Matching与得分匹配的等价性也得到了严格论证。
中国人民大学高岭人工智能学院等机构联合开发了AiScientist系统,旨在让AI自主完成机器学习研究的完整工程流程,包括读论文、搭环境、写代码、跑实验和迭代调试,全程无需人工干预。系统核心设计是"薄控制、厚状态":由轻量指挥官协调专业代理团队,通过"文件即通道"机制将所有中间成果持久化存储,使每轮工作都能建立在前一轮积累的基础上。在PaperBench和MLE-Bench Lite两个基准上,系统表现显著优于现有最强对比系统,论文发布于2026年4月。
这项由字节跳动发布的研究(arXiv:2604.13030)提出了生成式精化网络(GRN),一套模仿人类画家"边画边改"直觉的视觉生成新框架。其核心包括两项创新:层级二进制量化(HBQ)通过多轮二分逼近实现近乎无损的离散图像编码,以及全局精化机制允许模型在每一步对整张图像的所有位置重新预测并随时纠错,从根本上解决了自回归模型的误差积累问题。配合基于熵值的自适应步数调度,GRN在ImageNet图像重建(rFID 0.56)和生成(gFID 1.81)上均创下新纪录,并在文本生成图像和视频任务上以20亿参数达到同等规模方法的领先水平。