英偉達高管解讀Q4財報：預計下一代模型需求至少是現在數千倍

來源：新浪科技

北京時間2月27日，英偉達公佈了該公司的2025財年第四財季及全年財報：第四財季營收爲393.31億美元，同比增長78%，環比增長12%；淨利潤爲220.91億美元，同比增長80%，環比增長14%；不計入某些一次性項目（不按照美國通用會計準則），英偉達第四財季調整後淨利潤爲220.66億美元，同比增長72%，環比增長10%（注：英偉達財年與自然年不同步，2024年1月底至2025年1月底爲2025財年）。

英偉達2025財年第四財季營收和調整後每股收益均超出華爾街分析師此前預期，整個2025財年的業績同樣超出預期；對2026財年第一財季營收作出的展望也超出預期，從而推動其盤後股價上漲逾2%。

財報發佈後，英偉達創始人、總裁兼首席執行官黃仁勳和執行副總裁兼首席財務官科萊特·克雷斯等高管出席隨後召開的財報電話會議，解讀財報要點並回答分析師提問。

以下是分析是問答環節主要內容：

Cantor Fitzgerald分析師C.J. Muse：我們看到計算強化學習領域的前景非常廣闊，也明顯能看到訓練和推理之間的界限日益模糊。這對未來專門用於推理的集羣有何潛在影響？管理層如何看待其對客戶的整體影響，尤其是在視頻領域？

黃仁勳：目前有多種擴展模式，首先，預訓練擴展模式會持續發展，其涉及多模態領域，並且推理技術已經被用於新的預訓練中，這是推理領域的新突破。第二種是利用強化學習進行的訓練後擴展，比如通過人類反饋、人工智能反饋進行強化學習，還可以設定強化學習的具體獎勵機制。

實際上，訓練後擴展階段所使用的計算量比預訓練階段還要高，這是合理的。因爲在使用強化學習時，可以生成大量合成數據或合成標記，人工智能模型從本質上說就是通過生成標記來訓練其他模型。第三部分是你提到的測試時計算，或者說是推理擴展，圍繞基本相同的理念進行不同的擴展。

目前，推理所需的計算量已經是大語言模型最初單次示例和單次學習能力所需計算量的100倍，而這僅僅是個開始，我們預計下一代模型可能會基於模擬和搜索技術，計算量需求將是現在的數千倍，甚至有望達到數十萬倍、數百萬倍。有些模型是自迴歸模型，有些是基於擴散模型，各不相同。有時我們希望看到數據中心具備強大的綜合推理能力，有時又需要其具備緊湊的特性，因此很難確定數據中心的最佳配置。

這也就是爲什麼英偉達的架構如此受市場歡迎，因爲我們能運行各種模型。如今，我們大部分計算資源其實都用於推理，而Blackwell架構更是將這一切提升到了新高度。我們在設計Blackwell時就考慮到了推理模型的需求，雖然訓練能帶來更高的性能提升，但真正驚人的是在長時間推理測試時的擴展能力，人工智能推理模型的性能提升可達10到25倍。

所以，Blackwell在各方面都表現卓越。如果數據中心能讓你根據當前的任務需求——無論是進行更多預訓練、訓練後擴展，還是擴展推理能力——來配置和使用，那麼這種架構就是靈活且易於使用的。實際上，我們看到統一架構的集中度比以往任何時候都要高得多。

（持續更新中。。。）