
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
GeoVerse融合几何潜在扩散模型与Wan2.2视频生成先验,并引入全局空间记忆机制,实现了跨视角一致、生成质量高且推理速度快的新视角合成,在多个数据集上大幅超越现有方法GLD。
本文解读TT-VidT,一种通过分离外观锚点与动作令牌、结合Diff Compression训练目标的视频自监督方法。在24种架构目标组合的受控实验中,仅TT3D与Diff Compression搭配才能进入强动作敏感区,且计算量比同类方法降低近一半。
Q&A Q1:Imprint Reader是什么? A:Imprint Reader是上海人工智能实验室团队开发的模型,通过SMaRT训练方法学会读取另一个模型冻结的权重更新,把参数层面的变化翻译成自然语言描述,判断这次更新到底注入了什么知识或诱导了什么行为习惯。 Q2:MetaEdit能做什么? A:MetaEdit能把Reader对目标行为的梯度信号迁移到原始模型上,不需要任何目标任务的训练数据,只用一句行为描述就能定向调整模型参数,已经在安全性拒绝率调节、数学推理风格转变和工具调用能力提升上验证过效果。 Q3:Imprint Reader读权重更新的准确率高吗? A:目前还不高,知识类目标的Pass@100只有2%,行为类目标是16%,说明自由生成描述的可靠性有限,但相比原始模型完全答不出来的0%基线,已经证明了权重更新的自然语言读取是可行的。
统一多模态模型能看也能画,理论上该会自我修正。本论文提出UMM-Reflection,用整条轨迹的强化学习联合训练诊断和修图能力,GenEval提升12分,且迁移到多个未训练基准,揭示RL提升的是选择可靠性而非新能力。