从纸面数据看,英伟达第四财季业绩令人印象深刻:营收681.3亿美元,超过662.1亿美元的市场预期(据LSEG数据),同比增长73%。该公司还预计第一财季营收将达到780亿美元,高于分析师预期的726亿美元。数据中心销售仍是支柱,贡献了总营收的91%,达623亿美元,超过预期的606.9亿美元(据StreetAccount)。
然而,市场可能希望看到超大规模云服务商支出将持续的证据。周四,股票市场对这家芯片制造商转为看跌,股价下跌5%,投资者对科技市场和AI未来持更冷静的看法。
"这种分歧很重要,"执行顾问公司SnapStrat首席商务和战略官迈克尔·基恩在LinkedIn帖子中表示。"市场正在重新定价风险。"
华尔街的怀疑态度可能不是质疑AI需求,而是质疑有多少需求已经计入英伟达的估值中。
基恩发布的报告显示了投资者担心的几种情况——从潜在的数据中心过度建设到超大规模云服务商资本支出放缓和Token成本通缩——这些都可能导致英伟达和其他AI基础设施供应商的销售下滑。"市场的克制反应反映了更结构性的评估,"基恩写道。"英伟达的营收来自超大规模云服务商的资本支出。"
华尔街的反应让人想起本月早些时候AMD财报后的下跌,尽管业绩超出预期,AMD股价仍下跌17%。
分析师表示,投资者正将预期推向新高。
"英伟达的股价反应更多是由他们是否超越了市场对超预期表现的期待驱动,而不是他们是否单纯超预期,"Futurum Group首席市场策略师谢伊·博洛尔告诉《数据中心知识》。"当你训练投资者每次都期待上涨时,这就是陷阱……由于业绩只是出色而非壮观,膝跳反应仍然是下跌,尽管长期方向保持不变。"
从训练转向推理
英伟达从驱动大规模语言模型训练的热门GPU销售中获得了历史性收益。但分析师表示,市场开始从大量训练转向推理——实际在生产中运行训练好的模型。推理并不总是需要同样高强度的计算,这对英伟达高利润率、需求旺盛的Blackwell芯片来说可能是坏消息。
该公司最近加强了推理方面的营销。本月早些时候的一篇博客文章宣传了Blackwell的推理效率和成本节约。
尽管如此,英伟达在推理计算方面面临着日益激烈的竞争——来自FuriosaAI的RNGD服务器系列、其他初创公司,以及其在GPU领域的主要竞争对手AMD,后者本周与Meta达成了一项价值1000亿美元的多年推理协议。
"虽然仍处于萌芽阶段,但有许多新的芯片厂商即将进入市场,这将对推理市场产生重大影响,英伟达在这个领域有敞口——如果按我们预期的那样在未来1-2年内从训练大幅转向推理,那么高端英伟达芯片就像是试图成为紧凑型汽车或SUV的拖拉机,供通勤者开车上班使用,"J. Gold Associates总裁兼首席分析师杰克·戈尔德告诉《数据中心知识》。
尽管市场变化和竞争加剧,英伟达仍将继续表现良好,Moor Insights & Strategy副总裁兼首席分析师马修·金博尔表示。"英伟达的财报、评论、问答或前景中没有任何内容值得其股价出现显著上涨以外的表现,"金博尔告诉《数据中心知识》。"虽然推理为AMD、Cerebras、高通等公司开辟了市场,但英伟达仍将保持主导地位……我看英伟达(和我提到的其他每家公司)都只有上涨空间。"
数据中心知识分析:从狂热到审视
英伟达的季度业绩并没有打破AI叙事;它暴露了预期变得多么高涨。当一家公司公布73%的营收增长、数据中心销售超预期、指引高于共识却仍然下跌时,信号从业绩表现转向了市场定位。
关键风险不是需求崩溃而是集中度:大约十分之九的营收与数据中心相关——其中大部分来自超大规模云服务商资本支出——英伟达处于科技史上最激进基础设施建设的中心。市场现在希望看到支出持续稳定的证据,而不仅仅是爆发性增长。
同时,从训练向推理的逐步转变带来了利润率和竞争问题。即使整体AI需求增长,需求组合的变化也可能影响定价权。
英伟达仍然占据主导地位,但为完美定价的主导地位几乎没有犹豫的余地。
Q&A
Q1:为什么英伟达业绩超预期股价还下跌?
A:虽然英伟达营收681.3亿美元超预期,同比增长73%,但投资者期望值过高。市场担心AI需求已被过度计入估值,且约90%营收依赖数据中心,主要来自超大规模云服务商资本支出,投资者希望看到支出持续性证据。
Q2:英伟达在AI推理市场面临什么挑战?
A:市场正从大量训练转向推理应用,推理不需要同样高强度计算,可能影响英伟达高利润Blackwell芯片需求。同时面临FuriosaAI、AMD等竞争对手挑战,AMD刚与Meta达成1000亿美元推理协议。
Q3:英伟达未来前景如何?
A:分析师认为英伟达仍将保持主导地位。尽管推理市场为AMD、Cerebras、高通等开辟机会,但英伟达在AI基础设施领域的优势明显,长期发展前景依然看好,只是市场对完美表现的预期过高。
好文章,需要你的鼓励
穆拉蒂时隔18个月首次接受重大媒体采访,介绍其创立的Thinking Machines Lab正在开发的"交互模型"。该模型能以200毫秒间隔处理音频、文本和视频流,捕捉人类交流中的中断、修正和停顿。她还谈及OpenAI"政变周"经历,强调行业决策权过于集中的担忧,并回应了公司近期研究人员离职问题,表示这是初创实验室的正常波动。
STATE16研究院这篇综述发现,物理AI系统存在"静默失效"风险——AI以高度自信执行基于错误世界信息的动作,却不触发任何报警,并提出在AI输出与物理执行之间建立独立授权层的框架。
本期《Quick Charge》播客涵盖多个热点话题:特斯拉疑似试图删除FSD欺诈相关证据以规避巨额赔付;卡特彼勒持续推进建筑领域电气化布局;住宅太阳能30%税收抵免即将到期。此外,嘉宾Tom Pacheco就高压系统与电池技术培训展开探讨,强调电动车技术人才培养的紧迫性。节目同时提醒有意安装太阳能的用户尽快行动,可通过EnergySage平台比较多家安装商报价。
UIUC与微软联合研发的OpenWebRL框架让4B小模型仅凭400条初始数据,通过在真实网站上边做边学的强化学习方式,在网页智能体基准上超越了用27万条数据训练的竞争对手。