Nvidia 公布的全年净收入为 609 亿美元，较 2022 年增长 126%。

Nvidia 在 2 月 21 日的最新财报中报告了对生成人工智能 (AI) 和加速计算的需求增加。
Nvidia 创始人兼首席执行官黄仁勋表示：“加速计算和生成人工智能已经达到了临界点，全球各地公司、行业和国家的需求都在激增。”
黄补充道，Nvidia RTX 已成为 1 亿游戏玩家和创作者使用的“用于生成 AI 的大型 PC 平台”。他进一步描述了 Nvidia 的数据中心平台及其在各个领域的增长，并指出垂直行业的使用目前已达到数十亿美元的水平。
Nvidia 盈利再创纪录
Nvidia 第四季度营收创下历史新高，达到 221 亿美元，较上年增长 265%。与此同时，全年收入为 609 亿美元，比 2022 年增长 126%。
该公司第四季度净利润为 122.8 亿美元，同比增长 769%，全年净利润为 297.6 亿美元，同比增长 581%。
本年度稀释后每股收益为 11.93 美元，上一年为 1.74 美元。
Nvidia 预测其收入将徘徊在 240 亿美元左右，可能存在正负 2% 的变化。该公司的预期毛利率（按 GAAP 计算）为 76.3%，按非 GAAP 计算为 77.0%，两者可能存在 50 个基点的偏差。
尽管当天表现不佳，但积极的财报导致 NVDA 股价盘后飙升 56.88 点，涨幅为 8.43%。截至发稿时，NVDA 的交易价格为每股 731 美元，尽管当天收盘价为 674.72 美元。
这些积极的业绩与公司股票的增长同时发生。NVDA 股价虽然今日下跌 19.80 点（2.85%），但盘后上涨 56.88 点（8.43%）
NVIDIA 数据中心事业部
该公司年收入的很大一部分来自数据中心业务，随着人工智能技术在全球范围内的传播，该业务在过去 12 个月中实现了创纪录的增长。
Nvidia 数据中心部门公布第四季度收入破纪录，达到 184 亿美元，环比增长 27%，同比增长 409%，年收入攀升至 475 亿美元。
这一增长是由多项战略举措和合作伙伴关系推动的，包括与谷歌、思科和亚马逊网络服务等的合作。
Nvidia 与 Google 合作增强 AI 平台，将这些优化扩展到 NVIDIA GPU 加速器和 Google Cloud 上的 TensorFlow。
在数据中心部门，Nvidia还宣布了一项新的战略合作伙伴关系，与塔图集团合作推出全球首个基于 AI 的云数据中心平台，旨在为全球客户提供高性能计算服务。
另外，Nvidia 还宣布了一项与微软的战略合作，将 Nvidia 的 AI 平台与微软 Azure 合并，扩展其在数据中心领域的影响力。
黄仁勋表示，Nvidia 将继续加大对数据中心业务的投资，以满足客户不断增长的需求。汽车芯片业务除了数据中心业务外，Nvidia 的汽车芯片业务也取得了长足的进展。
Nvidia 汽车业务公布的收入从去年的 30 亿美元增长到今年的 60 亿美元，增长速度超出公司自身的预期。汽车业务的增长主要得益于自动驾驶技术的普及，以及 Nvidia 与各大汽车厂商的合作关系。
黄仁勋补充道，Nvidia 将继续加大对汽车芯片业务的投资，并推动自动驾驶技术在全球范围内的普及。
总体而言，Nvidia 在全年取得了可观的业绩和收入增长，展现出强劲的增长势头。公司在 AI 技术、数据中心业务和汽车芯片业务方面都取得了令人瞩目的成绩，展示出其在高科技领域的领先地位和创新能力。#Nvidia #内容挖矿

Perfusion，Nvidia 针对 AI 图像生成高存储需求的解决方案

英伟达研究人员开发了一种新的人工智能图像生成技术，可以实现高度定制的文本到图像模型，而存储需求却很小。

根据arXiv 上发表的一篇论文，所提出的名为“ Perfusion ”的方法可以将新的视觉概念添加到现有模型中，每个概念仅使用 100KB 的参数。

资料来源：Nvidia 研究部

正如该论文的作者所描述的，Perfusion 的工作原理是“对文本到图像模型的内部表示进行小幅更新”。

更具体地说，它对模型中将文本描述与生成的视觉特征连接起来的部分进行了仔细计算的更改，对交叉注意力层应用较小的参数化编辑允许 Perfusion 修改文本输入转换为图像的方式。

因此，Perfusion 并没有完全从头开始重新训练文本到图像模型。相反，它稍微调整了将文字转化为图片的数学转换。这使得它可以自定义模型以产生新的视觉概念，而无需太多的计算能力或模型重新训练。

灌注法仅需要100kb。

与竞争技术相比，灌注以少两到五个数量级的参数实现了这些结果。

虽然其他方法每个概念可能需要数百兆字节到千兆字节的存储空间，但 Perfusion 仅需要 100KB，与小图像、文本或 WhatsApp 消息相当。

这种大幅减少可以使部署高度定制的人工智能艺术模型变得更加可行。

据合著者盖尔·切奇克 (Gal Chechik) 称，

“灌注不仅可以以模型大小的一小部分实现更准确的个性化，而且还可以使用更复杂的提示以及在推理时结合单独学习的概念。”

该方法可以使用分别学习的“泰迪熊”和“茶壶”的个性化概念来生成创造性的图像，例如“在茶壶中航行的泰迪熊”。

资料来源：Nvidia 研究部

高效个性化的可能性

Perfusion 具有独特的功能，每个概念仅使用 100KB 即可实现 AI 模型的个性化，从而开辟了无数潜在的应用：

这种方法为个人轻松地使用新对象、场景或样式定制文本到图像模型铺平了道路，从而消除了昂贵的重新训练的需要。Perfusion 每个概念 100KB 参数更新的效率允许在消费设备上实现使用该技术定制的模型，从而实现设备上图像创建。

这项技术最引人注目的方面之一是它为围绕人工智能模型的共享和协作提供了潜力。用户可以将他们的个性化概念作为小型附加文件共享，从而避免共享繁琐的模型检查点。

在分发方面，针对特定组织量身定制的模型可以更轻松地在边缘传播或部署。随着文本到图像生成的实践继续变得更加主流，在不牺牲功能的情况下实现如此显着的尺寸减小的能力将是至关重要的。

然而，值得注意的是，Perfusion 主要提供模型个性化而不是完整的生成能力本身。

限制和发布

虽然很有希望，但该技术确实有一些局限性。作者指出，训练期间的关键选择有时可能会过度概括一个概念。仍需要更多的研究来将多个个性化想法无缝地结合到单个图像中。

作者指出，Perfusion 的代码将在他们的项目页面上提供，表明有意在未来公开发布该方法，可能正在等待同行评审和官方研究出版物。然而，由于该作品目前仅在 arXiv 上发布，因此公开可用性的具体细节仍不清楚。在这个平台上，研究人员可以在正式同行评审和在期刊/会议上发表之前上传论文。

虽然 Perfusion 的代码尚未访问，但作者提出的计划意味着，这种高效、个性化的人工智能系统可能会在适当的时候落入开发人员、行业和创作者的手中。

随着 MidJourney、DALL-E 2 和 Stable Diffusion 等 AI 艺术平台的发展，允许更大用户控制的技术对于现实世界的部署可能至关重要。通过 Perfusion 等巧妙的效率改进，Nvidia 似乎决心在快速发展的环境中保持其优势。

#Nvidia  #图像生成

从价值数百万美元的超级芯片到高性能游戏 GPU，Nvidia 宣布了各种非常适合人工智能的新产品。

图片：NVIDIA

英伟达本周展示了其人工智能实力，推出了一系列下一代产品，开创了人工智能的新时代。从其所描述的突破性的以人工智能为中心的超级芯片到更直观的开发工具，英伟达显然打算继续成为推动人工智能革命的引擎。

今年 Nvidia 在 SIGGRAPH 2023（一场致力于计算机图形技术和研究的年度会议）上的演讲几乎完全是关于人工智能的。英伟达首席执行官黄仁勋表示，生成式人工智能代表了一个类似于几十年前互联网革命的拐点。他表示，世界正在迈向一个新时代，大多数人机交互将由人工智能驱动。

“每一个应用程序、每一个数据库，无论您在计算机中进行何种交互，您都可能首先使用大型语言模型，”黄说。

通过将软件和专用硬件相结合，英伟达将自己定位为实现人工智能全部潜力的缺失环节。

Grace Hopper Superchip 首次亮相用于人工智能训练

此次展会的明星是新款 Grace Hopper Superchip GH200，这是首款配备高带宽内存 3e (HBM3e) 的 GPU。HBM3e 的带宽高达 2TB/s，几乎是上一代 HBM2e 的三倍。

Nvidia将其 Grace Hopper 芯片定义为“专为大规模 AI 和高性能计算 (HPC) 应用而设计的加速 CPU”。该芯片是英伟达的Grace（高性能 CPU）和Hopper（高性能 GPU）架构相结合的结果，它的名字让人想起美国著名的女性计算机科学家。

黄说，GH200 可以为大型 AI 模型提供高达 Nvidia 旗舰 A100 GPU 六倍的训练性能。GH200 预计将于 2024 年第二季度上市。

黄说：“GH200 是一种新的训练和推理引擎。”他补充道，“未来的前沿模型将通过这种方式构建。” 他表示，这款新的超级芯片“甚至可能运行《孤岛危机》 ”——一款硬件要求极高的第一人称射击游戏。

Ada Lovelace GPU 架构登陆工作站

英伟达还为家庭用户带来了一些消息。该芯片制造商推出了基于 Ada Lovelace 架构的最新 RTX 工作站 GPU：RTX 5000、RTX 4500 和 RTX 4000。这些 GPU 拥有多达 7680 个 CUDA 核心，与上一代用于 AI 开发、3D 开发的主板相比，性能提升高达 5 倍。渲染、视频编辑和其他要求苛刻的专业工作流程。

旗舰RTX 6000 Ada仍然是需要最高性能的专业人士的首选。然而，新的产品线将 Ada Lovelace 架构扩展到了更广泛的用户范围。RTX 4000、4500 和 5000 将于 2022 年第三季度开始由主要 OEM 供应。

然而，这些新产品并不便宜。RTX 4000 的起价为 1,250 美元，RTX 5000 的起价约为 4,000 美元。

对于将人工智能计划提升到新水平的专业人士和企业，Nvidia 推出了全新数据中心规模 GPU Nvidia L40。L40 拥有多达 18,176 个 CUDA 核心和 48 GB vRAM，可提供比 A100 高出 9.2 倍的 AI 训练性能。

Nvidia 表示，全球服务器制造商计划在其系统中提供 L40，使企业能够以最佳效率和节省成本来训练巨大的 AI 模型。与 Nvidia 软件配合使用，L40 可以为采用人工智能的组织提供完整的解决方案。

云原生微服务提升视频通信水平

为了继续推动视频应用程序的发展，Nvidia 还发布了一套新的 GPU 加速软件开发套件和名为Maxine的视频编辑云原生服务。

Maxine 在人工智能的支持下，提供噪声消除、超分辨率升级和视频通话模拟眼神交流等功能，使远程用户几乎可以在任何地方进行自然对话。

Nvidia 表示，视觉叙事合作伙伴已经将 Maxine 集成到视频会议和视频编辑等工作流程中。

工具包简化了生成式人工智能开发

最后，Nvidia 宣布即将发布 AI Workbench，这是一个统一平台，可简化生成式 AI 模型的开发、测试和部署。

通过提供单一界面来管理跨机器的数据、模型和资源，AI Workbench 实现了从本地工作站到云基础设施的无缝协作和扩展。

英伟达表示，凭借其涵盖硬件、软件和服务的最新产品，它打算通过为解决人工智能的诸多复杂性而构建的全面技术堆栈来加速企业对人工智能的采用。

#Nvidia  #人工智能

从开发开创性的 3D 软件到应对硬件的地缘政治，Nvidia 的起起落落反映了同样不稳定的市场。

英伟达以其技术实力而闻名，现在已经走到了创新和既得利益的十字路口。随着这家计算机芯片制造商坚定地进军人工智能领域，发布了一款可以重新定义 3D 建模的新应用程序，它同时面临着威胁其硬件主导地位的地缘政治障碍。
Nvidia 与 3D 软件发行商 Masterpiece Studio 联手发布了 Masterpiece X，旨在通过使用 MidJourney 或 Stable Diffusion 创建二维图像一样简单，彻底改变 3D 建模领域。
“多年来，我们一直致力于创建直观的尖端 3D 工具，同时也是能够让越来越多的人开始创建 3D 的工具。” Masterpiece Studio 在官方声明中表示，“生成式 AI 实现了全新的可能性。”
该工作室表示，其解决方案使得无需本地硬件或软件即可创建 3D 模型，因为一切都在云端进行。“你所需要的只是一个键盘、一个浏览器、一点想象力和几句话，”他们写道。
作为一个快速实验，记者试用了 Masterpiece X。我们以数字方式塑造 AI 吉祥物 Gen 的努力......并不好。设想中的“儿童机器人”更像一只胖乎乎的鸽子，而优雅的老师头像则更像一个醉醺醺的流浪汉。

尽管远非完美，但这些结果暗示了该软件的巨大潜力和即将到来的令人兴奋的进步。从预先存在的模型开始更容易达到所需的结果，而不必从头开始创建设计。
人工智能行业对英伟达的依赖是显而易见的。该行业的很大一部分都依赖于英伟达在软件和硬件方面的尖端技术，这突显了该公司在该行业的巨大影响力。
这种主导地位对英伟达的财务业绩做出了重大贡献，该公司成为2023 年表现最好的 10 只股票之一。令人惊讶的是，英伟达股价年内飙升超过 200%，并于 2023 年 9 月创下历史新高。
Nvidia 股票，30 天日线图。图片：Tradingview
然而，地缘政治挑战也日益严峻。路透社最近的一篇报道强调了美国政府加强对中国人工智能芯片出口限制的努力。这些限制过去曾阻碍英伟达向中国消费者提供顶级人工智能芯片——这些芯片是各种人工智能应用的黄金标准。
在这种情况下，该公司强大的 H800 芯片可能会成为美国政府的靶心，尽管 Nvidia 专门设计了这些芯片来遵守当前的出口限制。它们的功能和复杂性不如当前的顶级H100系列。然而，监管机构似乎决心堵住任何可能的漏洞，不让中国在人工智能竞赛中获得任何优势。
中国没有被全球挑战吓倒，继续展示其技术韧性。搭载麒麟9000S芯片的华为Mate 60系列的发布，就体现了其决心。这款手机采用 14 纳米芯片，性能与 7 纳米同类产品相当，并且拥有 5G 功能。尽管美国出于国家安全考虑，采取措施限制中国获得与5G和硬件开发相关的某些技术，但中国企业仍设法创新并向前发展。
就像一位走钢丝的艺术家一样，英伟达正在不断升温的人工智能炒作和地缘政治引力之间徘徊。目前，英伟达摇摇晃晃地前进，一只脚踩在人工智能的承诺上，另一只脚陷入民族主义的危险中，而整个人工智能行业都在观望会发生什么。#Nvidia  #人工智能

英伟达在人工智能领域全力以赴。Eureka 帮助机器人比有抱负的外科医生更快地学习复杂的技能，其新的 SteerLM 希望让人工智能训练中的人类注释成为过去。
使用 AI创建的图像
英伟达研究人员在机器人灵活性方面取得了重大飞跃，这要归功于Eureka，这是一种人工智能代理，据称可以像人类一样熟练地教机器人复杂的技能，比如转笔技巧。
周四发表的一篇论文概述了这项新技术，它建立在OpenAI 的 GPT-4等大型语言模型的最新进展之上。Eureka 利用生成式人工智能自主编写复杂的奖励算法，使机器人能够通过试错强化学习进行学习。该论文概述说，事实证明，这种方法比人类编写的程序有效 50% 以上。
Nvidia 的官方博客文章称，“Eureka 还教会了四足灵巧的手、协作机器人手臂和其他机器人打开抽屉、使用剪刀、接球和近 30 种不同的任务。” 
Eureka 是 Nvidia 在使用语言模型引导人工智能方面的开创性工作的最新演示。最近，该公司开源了SteerLM，这是一种通过对人类反馈进行培训来使人工智能助手变得更加有帮助的方法。
与 Eureka 类似，SteerLM 也利用了语言模型的进步，但将其重点放在不同的挑战上——提高人工智能助手的一致性。SteerLM 通过让助理练习对话来训练他们，就像机器人通过实践来学习一样。该系统通过乐于助人、幽默和质量等属性对助理的反应提供反馈。
例如，它就像一个机器人从标记为好或坏的视频中学习跳舞，而不是让人类审查数千个随机舞蹈并选择哪些是好的或不好的（这是典型的人工智能聊天机器人的训练方式）。通过反复练习和获取反馈，助手学会根据用户的需求提供量身定制的响应。这有助于使人工智能更有利于现实世界的应用。
共同点是以创造性的新方式使用先进的神经网络，无论是教学机器人还是聊天机器人。Nvidia 正在突破硬件和软件方面的界限。
对于 Eureka 来说，关键是将Isaac Gym等模拟技术与语言模型的模式识别能力相结合。Eureka 有效地“学会学习”，在多次训练运行中优化自己的奖励算法。它甚至接受人类输入来完善其奖励。
到目前为止，这种自我改进的方法已被证明具有高度的通用性，可以训练各种类型的机器人——有腿的、轮式的、飞行的和灵巧的手。
Nvidia 的 Eureka 和 SteerLM 不仅打破了障碍，还向机器人和人工智能传授技巧和富有洞察力的交互艺术。通过每一次挥笔和诙谐的交谈，他们正在勾勒出一个未来，人工智能不仅会模仿，而且会与我们一起创新。#Nvidia  #人工智能