北京时间2月27日，英伟达公布了该公司的2025财年第四财季及全年财报：第四财季营收为393.31亿美元，同比增长78%，环比增长12%；净利润为220.91亿美元，同比增长80%，环比增长14%；不计入某些一次性项目（不按照美国通用会计准则），英伟达第四财季调整后净利润为220.66亿美元，同比增长72%，环比增长10%（注：英伟达财年与自然年不同步，2025年1月底至2026年1月底为2026财年）。

　　英伟达2025财年第四财季营收和调整后每股收益均超出华尔街分析师此前预期，整个2025财年的业绩同样超出预期；对2026财年第一财季营收作出的展望也超出预期，从而推动其盘后股价上涨逾2%。

　　详见：

　　财报发布后，英伟达创始人、总裁兼首席执行官黄仁勋和执行副总裁兼首席财务官科莱特·克雷斯等高管出席随后召开的财报电话会议，解读财报要点并回答分析师提问。 

　　以下是分析是问答环节主要内容： 

　　Cantor Fitzgerald分析师C.J. Muse：我们看到计算强化学习领域的前景非常广阔，也明显能看到训练和推理之间的界限日益模糊。这对未来专门用于推理的集群有何潜在影响？管理层如何看待其对客户的整体影响，尤其是在视频领域？

　　黄仁勋：目前有多种扩展模式，首先，预训练扩展模式会持续发展，其涉及多模态领域，并且推理技术已经被用于新的预训练中，这是推理领域的新突破。第二种是利用强化学习进行的训练后扩展，比如通过人类反馈、人工智能反馈进行强化学习，还可以设定强化学习的具体奖励机制。

实际上，训练后扩展阶段所使用的计算量比预训练阶段还要高，这是合理的。因为在使用强化学习时，可以生成大量合成数据或合成标记，人工智能模型从本质上说就是通过生成标记来训练其他模型。第三部分是你提到的测试时计算，或者说是推理扩展，围绕基本相同的理念进行不同的扩展。

目前，推理所需的计算量已经是大语言模型最初单次示例和单次学习能力所需计算量的100倍，而这仅仅是个开始，我们预计下一代模型可能会基于模拟和搜索技术，计算量需求将是现在的数千倍，甚至有望达到数十万倍、数百万倍。有些模型是自回归模型，有些是基于扩散模型，各不相同。有时我们希望看到数据中心具备强大的综合推理能力，有时又需要其具备紧凑的特性，因此很难确定数据中心的最佳配置。

　　这也就是为什么英伟达的架构如此受市场欢迎，因为我们能运行各种模型。如今，我们大部分计算资源其实都用于推理，而Blackwell架构更是将这一切提升到了新高度。我们在设计Blackwell时就考虑到了推理模型的需求，虽然训练能带来更高的性能提升，但真正惊人的是在长时间推理测试时的扩展能力，人工智能推理模型的性能提升可达10到25倍。

所以，Blackwell在各方面都表现卓越。如果数据中心能让你根据当前的任务需求——无论是进行更多预训练、训练后扩展，还是扩展推理能力——来配置和使用，那么这种架构就是灵活且易于使用的。实际上，我们看到统一架构的集中度比以往任何时候都要高得多。

　　（持续更新中。。。）