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 Q2 AMD净亏损1.81亿美元 PC市场份额流失致营收低于预期

Q2 AMD净亏损1.81亿美元 PC市场份额流失致营收低于预期

2015-07-20 09:48
分享至:
----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.-
2015-07-20 09:48 CNET科技资讯网

消费类PC市场疲软的需求继续使计算机硬件厂商付出沉重代价。

 Q2 AMD净亏损1.81亿美元 PC市场份额流失致营收低于预期

自本月早些时候发布盈利预警后,AMD股价累计缩水约20%。当地时间周四发布第二季度财报后,它可能陷入更大的困境。

AMD第二季度净亏损1.81亿美元,合每股23美分。不按美国通用会计准则计算,AMD每股收益为17美分,营收为9.42亿美元,同比下滑35%。

华尔街预计AMD第二季度亏损合每股16美分,营收为9.56亿美元;上年同期AMD每股收益为5美分,营收为14.4亿美元。

AMD首席执行官苏姿丰在一份准备好的发言中称,公司在日趋萎缩的PC市场上将继续面临困难,“EESC(企业、嵌入式和半定制)和渠道业务营收环比强劲增长,不足以弥补因低于预期的消费者需求,而导致的PC处理器业务近期挑战带来的对向OEM厂商销售的影响。我们将继续执行我们的长期战略,应对目前的市场环境。我们的重心是开发领先的计算和图形产品,推动在目标市场上份额的增长”。

以下是按部门划分的AMD业绩:

计算和图形:营收环比下降29%,同比下降54%。AMD称,该部门营收环比下滑的原因是向OEM厂商销售的笔记本处理器的减少,同比下滑的原因是客户端计算产品和图形产品销售的减少。

企业、嵌入式和半定制:在半定制片上系统销售增长的拉动下,该部门营收环比增长13%。AMD将该部门营收同比下滑8%的原因归咎于服务器销售减少和更低的一次性工程营收。

AMD预计今年第三季度营收将增长6%,上下浮动3个百分点。

在盘后交易中,AMD股价一度下跌约5%。

分享至
0赞

好文章,需要你的鼓励

推荐文章
  • 南方科技大学等机构联手破解AI推理训练难题:让大模型"一次思考"就学会解题

    南方科技大学等机构联手破解AI推理训练难题:让大模型"一次思考"就学会解题

    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。

  • 香港科技大学数学系研究者:扩散模型原来是一个"魔法恒等式"拆成了两半

    香港科技大学数学系研究者:扩散模型原来是一个"魔法恒等式"拆成了两半

    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。

  • 中国人民大学研究团队打造的"AI科学家":让机器自主完成几十小时的科研工程,它是怎么做到的?

    中国人民大学研究团队打造的"AI科学家":让机器自主完成几十小时的科研工程,它是怎么做到的?

    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。

  • 字节跳动发布GRN:像人类画家一样"边画边改"的AI图像生成新范式

    字节跳动发布GRN:像人类画家一样"边画边改"的AI图像生成新范式

    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。

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