腾讯科技讯 英伟达于2018年5月10日发布了2019财年第一财季财报。财报显示,该公司第一财季营收为32.07亿美元,较去年同期增长66%;净利润为12.44亿美元,较去年同期增长145%。
财报发布后,英伟达召开了分析师电话会议,公司首席执行官黄仁勋(Jen-Hsun Huang)、首席财务官克列特-克莱斯(Colette Kress)等高管出席了电话会议,介绍了公司第一财季的经营和财务状况,并现场回答了分析师提问。
以下是电话会议问答部分摘要:
Sanford C. Bernstein分析师斯泰西-亚伦-拉斯贡(Stacy Aaron Rasgon):首先,我有一个关于游戏业务的季节性因素的问题。游戏业务的业绩通常在第一季度明显下降,但是这次显示比较平缓,因为你们一直在努力填充渠道。现在这项工作完成了。我想知道的是,供应需求的动态如何?另外,加密芯片业务进入第二季度后有何变化?
黄仁勋:正如你可能已经知道的,《堡垒之夜》和《绝地求生》在全球都很火爆。这两款游戏取得了令人无法想象的成功。这两款游戏是《饥饿游戏》和《幸存者》的结合体,它们激发了全世界玩家们的想象力。我们看到了增长趋势,全世界对GPU的需求都在增长。
当然,正如你所知的,这里有稀缺性带来的价值。加密货币矿商在这个季度购买了大量GPU,这推动了价格的上涨。我想,很多玩家都没能买到新款GeForce显卡。我们已经开始看到价格在回落。我们每天都关注世界各地的现货价格。现在的价格已经开始趋于正常化了,但仍然比合理价位高一些。很明显,这是因为需求仍然很强劲。
但我感觉,这里仍然有相当数量的需求被压抑着。《堡垒之夜》的受欢迎程度还在上升,《绝地求生》的表现也很好。我们已经看到很多非常棒的游戏被推出来,我感觉整个游戏市场非常健康。我们的工作就是确保我们竭尽所能,供应市场。希望这样做能让价格正常化,从而让玩家们能够以合理的价格买到他们心仪的显卡。我认为这是很公平的,我的意思是,如果用最简单的答案来回答你的问题,那就是《堡垒之夜》和《绝地求生》。需求真的非常大,他们做得不错。
美银美林分析师维威克-阿尔雅(Vivek Arya):我有两个关于数据中心的问题。
第一个,从增长的角度来说,你们现在的数据中心业务规模为30亿美元,或者年化收入是这么多,但是你们曾经说过,这可能会是一个500亿美元的市场。那么,这个市场要想发展到那么大的规模,需要发生什么样的事情才能看到下一个拐点?市场上有什么东西需要改变吗?是产品中的什么东西需要改变?你们打算如何发展并解决这个价值500亿美元的市场?因为你们目前在这个巨大的市场中的份额还很小。所以,要想触发下一个拐点,需要改变什么?
第二个问题,从竞争的角度来说,当你审视这个巨大的市场时,我们应该如何看待来自你们云客户的竞争?比如谷歌宣布了一个TPU 3.0,或者其他公司会关注其他的竞争性技术?
黄仁勋:首先,在其核心部分,我们都知道CPU的扩展速度确实减慢了。如果你想一想安装在云中和世界各地的数据中心里的价值几千亿美元的计算机设备,随着这些机器学习和高性能计算方法的应用,世界需要一个解决方案。CPU扩展速度已经减慢了。
所以我们在15年前率先提出了一种名为GPU计算的解决方案。这些年来,我们一直决定在该领域继续前进,因为我们知道这一天总会到来,我们真的相信它终究会到来。我的意思是,你不能否认科学,所以我们发现我们现在处在一个很好的位置上。
正如克莱特刚才已经提到的,我们现在在这个平台上拥有将近100万开发者。它的速度非常快,将CPU的计算速度加快了10倍、20倍、50倍、100倍、200倍,有时这取决于算法。它无处不在。软件生态系统非常丰富。正如克莱特所说,全球已经有将近100万开发者,比去年同期增长了70%。所以我认为,核心事实是世界需要一种不断前进的计算解决方案。
关于我们解决TAM问题的能力,主要有三个组成部分。其实还有很多,但是重要的组成部分只有三个。其中一个当然是深度学习训练,另一个是推断和TRT 4,它的目的是提高我们的能力,让我们能够处理与各种不同类型的算法即运行在数据中心里的机器学习算法有关的问题。
第三个重要的组成部分是高性能计算,这是分子动力学领域的技术,适用于医学成像、地球科学和能源科学等学科。在全世界超级计算机中运行的算法的类型不断增多。我们逐渐将越来越多的产品设计工作放在虚拟环境中完成。我们想要模拟我们的产品,并且模拟它在计算机模拟环境中的各项功能,而不是从一开始就去制造它。
我们已经有了GRID和Quadro Virtual Workstation,现在又有了NVIDIA RTX,我们将数据中心变成了一个强大的图形超级计算机。这些是我们看到的各种应用和数据中心组成部分。我认为,我们在培训方面存在着一些限制,因为全世界深度学习的专家屈指可数。
这些情况正在迅速发生变化。整体框架是让它变得更容易。这里有很多关于知识分享的更开源和开放的文件。因此,全世界的人工智能工程师数量正在迅速增长。第二个是推理。我已经讲过了,这确实受到我们优化编译器以及如何针对这些神经网络模型来运行我们的处理器的限制。如果我们可以做到这一点,我们就能为客户们节省大量的资金。
我们加快应用,将这些神经网络模型的速度提高50倍、100倍、200倍。因此,他们购买的GPU越多,他们能够节省的资金就越多。我认为,未来的超级计算机内部肯定会安装加速器,这一点是肯定的。由于我们长期致力于用CUDA和我们的GPU来实现所有代码的加速以及培训整个生态系统,我认为我们将在超级计算机领域做得非常好。这些是不同的垂直领域。
就竞争来说,一切都从核心开始。核心是CPU扩展速度减慢了。因此,世界需要另一种前进的方式。由于我们专注于此,我们发现我们现在所处的位置很好。谷歌宣布了TPU 3.0,它仍然落后于我们的Tensor Core GPU。我们的Volta是我们新发明的GPU研制方法的第一代产品。它被称作Tensor Core GPU。我们遥遥领先于竞争对手,除此之外,它是可以编程的,它不是一项功能,它是可编程的。
它不仅更快,而且更灵活。由于它的灵活性,开发人员们可以在各种应用程序中使用它,无论是医学成像、天气模拟、深度学习还是计算机图形,它都是适用的。因此,我们的GPU在每一个云和每一个数据中心都可以使用,在地球上的每一个地方都能使用。
所以我认为,一方面,将TPU和我们的Tensor Core GPU中的其中一项功能相比太简单化了。但是即便你这样做,我们也更快一些。我们支持更多的框架,我们支持所有的神经网络。
因此,如果你看看GitHub,那里有6万多份不同的神经网络研究论文,它们都是在英伟达GPU上运行。这只是第二种替代方案的一小部分,我是想让你对我们的GPU的影响范围和能力有一定的认识。
(未完待续)