מנכ"ל אנבידיה ג'נסן הואנג: "הצלחנו להגביר את הייצור ההמוני של מחשבי-על מבוססי Blackwell, והגענו למיליארדי דולרים של מכירות ברבעון הראשון שלהם. בינה מלאכותית מתקדמת במהירות האור, כאשר Agentic AI ו-Physical AI מסמנות את הגל הבא של הבינה המלאכותית, בדרך לחולל מהפכה בתעשיות הגדולות ביותר".
- אנבידיה שוב מדווחת על הכנסות ורווחי שיא רבעוניים. ההכנסות הרבעוניות עמדו על נתון שיא של 39.3 מיליארד דולר, עלייה של 12% בהשוואה ל-Q3FY25 ו-78% משנה לשנה.
- הכנסות אנבידיה לשנת הכספים FY2025 כולה עמדו על נתון שיא של 130.5 מיליארד דולר, עלייה של 114% בהשוואה ל-FY2024.
- הכנסות תחום מרכזי הנתונים עמדו על נתון שיא של 35.6 מיליארד דולר ברבעון החולף, עלייה של 16% בהשוואה לרבעון הקודם ו-93% בהשוואה לרבעון המקביל בשנה שעברה.
- תחזית ההכנסות לרבעון הבא (Q1FY26) עומדת על 43 מיליארד דולר, פלוס מינוס 2%.
רווח חשבונאי (GAAP) למניה ברבעון היה 0.89 דולר, עלייה של 14% בהשוואה לרבעון Q3FY25, ועלייה של 82% בהשוואה לרבעון המקביל בשנה שעברה. הרווח החשבונאי (GAAP) לשנה כולה עמד על 2.94 דולר, עלייה של 146% משנה לשנה.
רווח מתואם (Non-GAAP) למניה היה 0.89 דולר, עלייה של 10% בהשוואה לרבעון החולף ו-71% לעומת הרבעון המקביל בשנה שעברה. הרווח המתואם (Non-GAAP) לשנה כולה היה 2.99 דולר למניה, עליה של 130% משנה לשנה.
מייסד ומנכ"ל אנבידיה, ג'נסן הואנג, אמר: "הביקוש ל-Blackwell מדהים, כאשר בינה מלאכותית חושבת (Reasoning AI) מוסיפה Scaling Law נוסף – הגברת יכולות העיבוד עבור אימון מודלים הופכת אותם לחכמים יותר, והגברת המחשוב עבור חשיבה ארוכה הופכת את התשובות של המודל לחכמות יותר. הצלחנו להגביר את הייצור ההמוני של מחשבי-על מבוססי Blackwell, והגענו למיליארדי דולרים של מכירות ברבעון הראשון שלהם. בינה מלאכותית מתקדמת במהירות האור, כאשר Agentic AI ו-Physical AI מסמנות את הגל הבא של הבינה המלאכותית, בדרך לחולל מהפכה בתעשיות הגדולות ביותר".
בשיחת המשקיעים לרבעון הרביעי לשנת הכספים 2025, ג'נסן הואנג, מנכ"ל NVIDIA, הסביר כי תחום הבינה המלאכותית מחולק לשלושה מימדים עיקריים: הלמידה הראשונית (pre‑training), הלמידה שלאחר האימון (post‑training scaling) והאינפרנציה (inference scaling). הואנג ציין כי תהליך הלמידה אינו מסתכם בשלב האימון הראשוני בלבד, אלא בשלב שלאחריו נעשה שימוש בטכניקות כגון למידת חיזוקים ליצירת נתונים סינתטיים, מה שמעלה את דרישות החישוב לעומת האימון המקורי. בנוסף, הוא הסביר כי בשלב האינפרנציה – כאשר המודלים מופעלים ומבצעים את חישוב התשובות – נדרשת כמות חישובית שיכולה להגיע עד פי 100 מזו הנדרשת עבור דוגמאות חד-פעמיות.
על מנת לעמוד בדרישות אלו, מערכת Blackwell נועדה לאפשר מעבר בין שלבי האימון, הלמידה שלאחר האימון והאינפרנציה בצורה עקבית, תוך התאמה מדויקת של המשאבים. לפי דבריו, המערכת מאפשרת לחברות להעריך בצורה מדויקת את כמות החישוב הנדרשת בכל שלב, דבר אשר חשוב לתכנון השקעות עתידיות בתחום הבינה המלאכותית.
