英偉達(dá)股價截圖
北京時間5月8日消息,英偉達(dá)今天公布了截至4月26日的2016財(cái)年第一財(cái)季財(cái)務(wù)報(bào)告。財(cái)報(bào)顯示,英偉達(dá)第一財(cái)季營收11.5億美元,較上年同期的11億美元增長4%,較上一季度的12.5億美元下降8%;基于美國通用會計(jì)準(zhǔn)則(GAAP,以下簡稱“GAAP”),凈利潤為1.34億美元,較上年同期的1.37億美元下降2%,較一季度的1.93億美元下降31%。
英偉達(dá)第一財(cái)季主要財(cái)務(wù)數(shù)據(jù)
營收:英偉達(dá)第一財(cái)季營收11.5億美元,較上年同期的11億美元增長4%,較上一季度的12.5億美元下降8%。
凈利潤:基于GAAP,凈利潤為1.34億美元,較上年同期的1.37億美元下降2%,較一季度的1.93億美元下滑31%;第一財(cái)季每股攤薄收益為0.24美元,上年同期持平,上一季度為0.35美元。
基于非美國通用會計(jì)準(zhǔn)則(non-GAAP,以下簡稱“non-GAAP”),凈利潤為1.87億美元,上年同期為1.66億美元,上一季度為2.41億美元;第一財(cái)季每股攤薄收益為0.33美元,上年同期為0.29美元,上一季度為0.43美元。
毛利率:基于GAAP,第一財(cái)季毛利率為56.7%,上年同期為54.8%,上一季度為55.9%;基于non-GAAP,第一財(cái)季毛利率為56.9%,上年同期為55.1%,上一季度為56.2%。
營業(yè)支出:基于GAAP,營業(yè)支出為4.77億美元,上年同期為4.53億美元,上一季度為4.68億美元;基于non-GAAP,營業(yè)支出為4.25億美元,上年同期為4.11億美元,上一季度為4.20億美元。
資本回報(bào)
第一財(cái)季,英偉達(dá)派發(fā)了價值4600萬美元的股息,回購了240萬股股票,因此共向股東返還9900萬美元。
英偉達(dá)宣布將季度股息上調(diào)15%至每股0.0975美元。英偉達(dá)將在2015年6月12日向2015年5月21日持股股東派發(fā)下一財(cái)季每股0.0975美元的股息。
英偉達(dá)董事會還宣布將提高2016財(cái)年股東返還計(jì)劃,由之前預(yù)期的6億美元擴(kuò)大至8億美元。返還計(jì)劃將通過派息和股票回購進(jìn)行。
此外,該公司董事會還擴(kuò)展了此前授權(quán)的一項(xiàng)至2018年12月的股票回購計(jì)劃,額外新增授權(quán)16.2億美元,使總的股票回購計(jì)劃規(guī)模增至20億美元。
業(yè)績展望
英偉達(dá)預(yù)計(jì)2016財(cái)年第二財(cái)季:
營收為10.1億美元、上下浮動2%。
基于GAAP,毛利率為55.7%,基于non-GAAP,毛利率為56.0%,上下浮動50個基點(diǎn)。
基于GAAP,營業(yè)支出約為4.74億美元;基于non-GAAP,營業(yè)支出約為4.25億美元。
股價變動
周四納斯達(dá)克股市收盤,英偉達(dá)股價漲0.39美元,報(bào)收于22.49美元,漲幅為1.76%。盤后交易中,英偉達(dá)股價出現(xiàn)下跌,截至美東時間5月7日17:23(北京時間5月8日5:23),英偉達(dá)股價跌0.39美元,暫報(bào)22.10美元,跌幅為0.1.73%。過去52周以來,英偉達(dá)股價浮動范圍:16.77-23.61美元。
好文章,需要你的鼓勵
新加坡國立大學(xué)研究團(tuán)隊(duì)開發(fā)了SPIRAL框架,通過讓AI與自己對弈零和游戲來提升推理能力。實(shí)驗(yàn)顯示,僅訓(xùn)練AI玩簡單撲克游戲就能讓其數(shù)學(xué)推理能力提升8.6%,通用推理提升8.4%,且無需任何數(shù)學(xué)題目作為訓(xùn)練材料。研究發(fā)現(xiàn)游戲中的三種推理模式能成功轉(zhuǎn)移到數(shù)學(xué)解題中,為AI訓(xùn)練提供了新思路。
同濟(jì)大學(xué)團(tuán)隊(duì)開發(fā)的GIGA-ToF技術(shù)通過融合多幀圖像的"圖結(jié)構(gòu)"信息,創(chuàng)新性地解決了3D相機(jī)噪聲問題。該技術(shù)利用圖像間的不變幾何關(guān)系,結(jié)合深度學(xué)習(xí)和數(shù)學(xué)優(yōu)化方法,在合成數(shù)據(jù)集上實(shí)現(xiàn)37.9%的精度提升,并在真實(shí)設(shè)備上展現(xiàn)出色泛化能力,為機(jī)器人、AR和自動駕駛等領(lǐng)域提供更可靠的3D視覺解決方案。
伊利諾伊大學(xué)研究團(tuán)隊(duì)通過對比實(shí)驗(yàn)發(fā)現(xiàn),經(jīng)過強(qiáng)化學(xué)習(xí)訓(xùn)練的視覺語言模型雖然表現(xiàn)出"頓悟時刻"現(xiàn)象,但這些自我糾錯行為并不能實(shí)際提升推理準(zhǔn)確率。研究揭示了AI模型存在"生成-驗(yàn)證差距",即生成答案的能力強(qiáng)于驗(yàn)證答案質(zhì)量的能力,且模型在自我驗(yàn)證時無法有效利用視覺信息,為AI多模態(tài)推理發(fā)展提供了重要啟示。
MIT等頂尖機(jī)構(gòu)聯(lián)合提出SparseLoRA技術(shù),通過動態(tài)稀疏性實(shí)現(xiàn)大語言模型訓(xùn)練加速1.6倍,計(jì)算成本降低2.2倍。該方法使用SVD稀疏性估計(jì)器智能選擇重要計(jì)算部分,在保持模型性能的同時顯著提升訓(xùn)練效率,已在多個任務(wù)上驗(yàn)證有效性。