Nvidia Poised for Record Sales as AI Demand Kicks In

WSJОпубликовано 2023-05-25Обновлено 2023-05-25

Введение

The graphics-chip giant gives a strong outlook, driven by growing appetite for generative AI technology

Chip giant Nvidia is starting to capitalize on the craze for language-generating artificial intelligence, projecting a more than 64% jump in sales as the company rushes to get more processors in customer hands to satisfy booming interest in the technology.

A new generation of advanced Nvidia chips for AI calculations in data centers is in production, Nvidia CEO Jensen Huang said, and “we are significantly increasing our supply to meet surging demand for them.”

The company forecast a record $11 billion in sales for the current quarter, far above the $7.2 billion Wall Street was expecting and what would be the highest quarterly total ever for the company.

“This demand has extended our data center visibility out a few quarters and we have procured substantially higher supply for the second-half of the year,” Chief Financial Officer Colette Kress said on an earnings call.

Nvidia’s shares, which have more than doubled in value this year, surged more than 28% in after-market trading to reach an all-time high. The rise puts Nvidia, the U.S.’s largest chip-supplier by market value, close to becoming the world’s first $1 trillion chip company.

Demand for computing power that drives language-generating tools such as OpenAI’s ChatGPT is opening a huge new revenue opportunity for the company and others. It has spurred an arms race between tech giants to offer advanced AI features to their customers. Microsoft, which has invested in OpenAI, has been adding the technology to its Bing search engine and business software products. Google has introduced its own advanced AI tools. Facebook parent Meta Platforms also has been working on the technology. Nvidia’s chips are essential in creating these kinds of tools, analysts say, and building just one such AI system can require thousands of Nvidia’s computing engines.

Huang said the company was well-prepared to benefit from the AI opportunity because it was starting to produce a new wave of advanced equipment for data centers when the explosion of interest began last year. “I call it the iPhone moment,” he said, referring to the shift toward smartphones that Apple capitalized on by releasing its advanced handset about 16 years ago. “All the technology came together and helped everybody realize what an amazing product that can be and what capabilities it can have.”

Nvidia doesn’t manufacture its own chips, but farms out production to contract chip-makers including the world’s largest, Taiwan Semiconductor Manufacturing Co. TSMC’s shares, which trade in New York and Taiwan, rose by 7% after-hours in the wake of Nvidia’s results.

Nvidia may be the leading provider of AI chips, but Huang said the battle to supply chips to satisfy demand is fierce. “We have competition from every direction,” he said, from established semiconductor companies to startups.

Nvidia on Wednesday said revenue fell 13% to $7.2 billion in its last fiscal quarter, topping forecasts from analysts surveyed by FactSet. Net profit rose 26% to $2 billion. The sales retreat was driven by a sharp decline in the graphics chips business for videogamers, who pulled back after the pandemic eased and are only beginning to resume buying.

Huang said operators of big data centers are retooling their computing infrastructure to better address the opportunities offered by AI, creating surging demand for its chips.

“A trillion dollars of installed global data center infrastructure will transition from general purpose to accelerated computing as companies race to apply generative AI into every product, service and business process,” he said.

Nvidia’s data center revenue rose to $4.28 billion in its latest quarter, a record, which Kress said reflected strong demand from consumer internet companies and cloud-computing companies.

Nvidia has said it is working on generative AI with Amazon.com, Microsoft and Alphabet’s Google unit, and is partnering with cloud-computing companies to help make generative AI available to smaller businesses. The company on Tuesday said it was adding its AI software to Microsoft’s Azure cloud-computing service, allowing corporate customers to tap in to its chips and software to speed up large generative AI systems.

Nvidia has its roots in graphics-processing chips for videogamers, but has diversified its customer base rapidly in recent years. Engineers found the chips to be well-suited to AI tasks and cryptocurrency mining, which led to an explosion of new sources of demand.

The company has tried to capitalize on that shift by making specialized chips for those markets. Its AI chips have helped its data center division surpass its gaming division in revenues over the past few quarters, a major break from the past. The company has recently begun to roll out a new generation of AI chips for data centers that promise a substantial performance upgrade, and many customers have had to wait for them amid red-hot demand.

The company’s gaming division fell by 38% to $2.2 billion in the latest quarter, which Kress attributed to the macroeconomic slowdown and Nvidia limiting shipments so customers run through existing inventories of chips.

Amid the growth in AI-related sales, new U.S. regulations seeking to hamstring China’s AI industry limited the sale of Nvidia chips there. Nvidia has developed versions of its chips that don’t exceed performance thresholds, but the company said last year that the curbs could cost it up to $400 million in quarterly sales.

Похожее

Дженсен Хуан: Prompt устарел, Loop — это новая парадигма

Промпты устаревают, на смену приходит «Loop-инжиниринг»: новый подход к работе с ИИ, при котором система самостоятельно выполняет задачи, проверяет результаты и повторяет цикл до достижения цели. Ключевые идеи: - **Loop** — это циклическая система, где ИИ действует автономно, а человек лишь задаёт правила и критерии проверки. - **Примеры внедрения**: Claude Code использует `/goal` для целевых задач и отдельную модель Haiku для проверки кода; OpenAI Codex задействует несколько агентов параллельно. - **Практические шаги**: 1. Проверка применимости (повторяемость задачи, автоматическая проверка, бюджет, инструменты). 2. Создание минимального рабочего цикла с триггером, навыком, файлом состояния и контролем качества. 3. Разделение агентов на «исполнителей» и «проверяющих». 4. Избегание типичных ошибок (отсутствие ограничений, игнорирование состояния, сложные задачи). - **Эволюция подходов**: от Prompt Engineering (2023–2024) к Context Engineering, затем Harness Engineering и, наконец, Loop Engineering — постепенное повышение уровня абстракции и автономности. - **Академические корни**: концепция восходит к框架ам вроде ReAct (2022), где ИИ циклически сочетает рассуждения и действия. - **Предостережения**: эксперты отмечают высокие затраты на токены и риск утраты понимания системы при полной автоматизации. Loop становится новой парадигмой, смещая фокус с написания промптов на проектирование самоуправляемых систем, но требует взвешенного внедрения и контроля.

marsbit15 мин. назад

Дженсен Хуан: Prompt устарел, Loop — это новая парадигма

marsbit15 мин. назад

GPT проектирует GPT

Компания OpenAI представила свой первый чип под названием Jalapeño, что указывает на стратегический сдвиг от чистой разработки моделей к контролю над всем процессом генерации искусственного интеллекта. Ключевая цель чипа — снижение затрат на инференс (вывод), который представляет собой постоянную финансовую нагрузку в виде «налога на вычисления», уплачиваемого поставщикам оборудования, таким как NVIDIA. В статье подчёркивается, что разрыв в возможностях моделей между лидерами сокращается, а основное конкурентное преимущество смещается в сторону базовой инфраструктуры: вычислительных мощностей, стоимости токена, пропускной способности систем и доступа к энергии. Jalapeño, созданный совместно с Broadcom за рекордные девять месяцев, является специализированной ASIC для инференса. Это стало возможным благодаря глубокому пониманию OpenAI реальных рабочих нагрузок своих моделей (ChatGPT, Codex), что позволило оптимизировать архитектуру чипа под конкретные задачи. Более того, в процессе проектирования использовались собственные модели ИИ, создавая цикл обратной связи: ИИ помогает создавать оборудование для следующего поколения ИИ. Автор проводит параллель с Apple, отмечая, что OpenAI стремится построить закрытую экосистему, где модель, интерфейс, инструменты разработки, API, чипы и центры обработки данных оптимизированы друг для друга. В то время как NVIDIA продаёт «инструменты» (GPU) всем, OpenAI строит собственный «завод» по производству конечного продукта — интеллекта (токенов). В долгосрочной перспективе это означает, что в эпоху ИИ самыми ценными активами становятся не только передовые модели, но и физическая инфраструктура для их работы — «земля», на которой они производятся. Запуск Jalapeño сигнализирует о амбициях OpenAI контролировать не только интеллект, но и весь процесс его производства.

marsbit41 мин. назад

GPT проектирует GPT

marsbit41 мин. назад

Временный исполнительный директор Фонда Ethereum высказывается: Какова наша миссия?

Исполняющий обязанности совместного исполнительного директора Ethereum Foundation (EF) Аэруго излагает обновлённую миссию фонда. Основная цель EF — обеспечить, чтобы Ethereum оставался по-настоящему разрешительной, защищающей суверенитет инфраструктурой: устойчивой к цензуре, с открытым исходным кодом, приватной и безопасной. EF сосредоточится не на популярности или краткосрочной выгоде, а на устранении системных уязвимостей. Ключевые направления работы: 1. **Борьба с вредоносным MEV (максимальной извлекаемой стоимостью)**: Это центральная задача, а не второстепенная проблема. EF будет работать над снижением порога входа для построения и проверки блоков, укреплением гарантий включения транзакций и продвижением открытых, конкурентных каналов передачи транзакций. 2. **Конфиденциальность**: Без строгих настроек приватности по умолчанию публичный реестр становится инструментом слежки. Глубокий уровень конфиденциальности — необходимое условие для Ethereum как инфраструктуры. 3. **Стейкинг как риск для инфраструктуры**: EF будет поддерживать решения, обеспечивающие разрешительный, приватный и децентрализованный стейкинг, предотвращая концентрацию контроля. 4. **Использование Ethereum внутри EF**: Фонд переводит зарплаты и основные финансовые операции на ETH и совместимые стейблкоины, чтобы на собственном опыте понимать проблемы пользователей. 5. **Активные возможности**: Среди них — подготовка к постквантовой криптографии, создание полностью самодостаточного и проверяемого стека, развитие Ethereum как приватных цифровых денег и обеспечение безопасного масштабирования (L2) без ущерба для суверенитета пользователя. Аэруго также касается организационных изменений: некоторые сотрудники и команды покидают EF, так как их работа больше не соответствует обновлённой миссии. Решения о финансировании внешних проектов (включая спин-оффы) будут приниматься строго исходя из их соответствия ключевым целям фонда — защите и расширению принципов децентрализации, открытости и приватности Ethereum.

marsbit1 ч. назад

Временный исполнительный директор Фонда Ethereum высказывается: Какова наша миссия?

marsbit1 ч. назад

Временный исполнительный директор фонда Ethereum говорит: «Какова наша миссия?»

Временный исполнительный директор Ethereum Foundation (EF) Aerugo разъясняет миссию организации: обеспечить, чтобы Ethereum оставался и становился по-настоящему не требующим разрешений, защищающим суверенитет инфраструктурным уровнем, устойчивым к цензуре, с открытым исходным кодом, частным и безопасным. В статье подчеркивается, что EF не существует для собственной значимости, краткосрочной спекуляции или поддержки каждого приложения. Его главная цель — устранять уязвимости, где Ethereum может стать экстрактивным, контролируемым картелями или подверженным государственному надзору. Это включает работу на уровне протокола, доступа, пользователей и институциональном уровне. Приоритетами являются: 1. **Борьба с вредоносным MEV:** Защита нейтральности выполнения, снижение барьеров для построения блоков, обеспечение конкурентных каналов транзакций. 2. **Конфиденциальность:** Безоговорочная приватность как основа, поверх которой строятся функциональности по выбору. 3. **Стейкинг:** Поддержка децентрализованного, приватного и безразрешительного стейкинга как инфраструктурного риска протокола. 4. **Использование экосистемы:** EF переводит собственную оплату и финансы на ETH и нативные стейблкоины Ethereum для согласованности и «давления продуктом». Кроме защиты, EF должен использовать возможности: стать первой квантово-устойчивой глобальной инфраструктурой, обеспечить полностью верифицируемый стек, стать цифровой наличностью с приватностью, интегрировать персональные кошельки с ИИ-агентами и предложить конкурентоспособную инфраструктуру для институционального внедрения. Отдельно рассматриваются вопросы кадровых изменений и работы с проектами, вышедшими из EF (спин-оффами). Подчеркивается уважительный подход к уходящим сотрудникам и необходимость тщательной оценки финансирования внешних проектов на соответствие миссии EF. Решения о финансировании должны быть основаны на важности работы для укрепления суверенитета Ethereum, а не на личных связях или избегании сложных решений.

链捕手1 ч. назад

Временный исполнительный директор фонда Ethereum говорит: «Какова наша миссия?»

链捕手1 ч. назад

Читая последний год докторантуры, сменил направление и получил оффер от OpenAI: мой путь на собеседовании полон «неожиданностей»

Докторант Брауновского университета Йонг Чжэн-Синь, в последний год обучения сменивший направление исследований с многозадачных языковых моделей на безопасность ИИ, получил предложение о работе в OpenAI в качестве Astra Fellow. В своём блоге он делится шестью неожиданными выводами из процесса поиска работы научным сотрудником в этой сфере. Ключевые сюрпризы включали: решающую роль лишь одной-двух ключевых научных работ для получения собеседования, неожиданное разнообразие форматов интервью (включая системный дизайн и работу с ИИ-агентами), распространенность оплачиваемых испытательных заданий вместо традиционных собеседований, критическую важность выбора времени для поиска работы, редкую возможность получить оффер после стажировки в исследовательских ролях, а также тот факт, что многие собеседования вообще не касались его узкой специализации — безопасности ИИ. Его опыт показывает, что в быстро меняющейся области ИИ возможно успешно сменить фокус исследований даже на поздних этапах карьеры, и что гибкость, умение быстро осваивать новые темы и готовность к нестандартным испытаниям часто важнее, чем общее количество публикаций.

marsbit1 ч. назад

Читая последний год докторантуры, сменил направление и получил оффер от OpenAI: мой путь на собеседовании полон «неожиданностей»

marsbit1 ч. назад

Торговля

Спот
Фьючерсы
活动图片