Micron首席执行官在财报电话会议上向分析师们表示,Micron最近一个季度的收入同比增长了58%。
根据财报显示,Micron在2018财年第二财季的收入为73.5亿美元,比去年同期的46.5亿美元增长58%,比上一季度的68亿美元增长8%。
该季度Micron的净收入为33亿美元,高于去年第二季度的8.94亿美元,这是NetApp最近一个季度收入的2倍多。该季度Micron的营业收入为36亿美元,高于去年的10亿美元。目前该市场无法生产足够的DRAM和NAND来满足需求,而且价格也很高。
美光预计下一季度的收入在72亿美元至76亿美元之间。
Micron公司总裁兼首席执行官Sanjay Mehrotra表示:“我们面向云、移动和汽车客户的销售有所增加,并且SSD(销售额同比增长18%)和图形内存产品创下了新高,”他说。
那么这次财报电话会仅仅提到了收入和利润的快速增长?
美光还确认了64层3D NAND的强劲销售情况。汽车市场需要更多的智能性,这就需要内存和NAND的支持。手机需要更多的内存和NAND来支撑高分辨率的视频和摄像头。目前Micron的1x纳米DRAM技术已经通过了全球三家超大规模客户的认证,其他客户也在陆续认证中。
Micron预计2018年DRAM产量将增长20%左右,NAND同比增长率将高于45%。
DRAM正受到超大规模数据中心和云数据中心需求的推动。Mehrotra表示,人工智能在这方面的应用前景非常广阔:“我们在云计算和数据中心内运用人工智能才刚刚起步。”
这会给DRAM和NAND需求带来影响。在DRAM方面:“我们预计,到2017年大约有145GB的DRAM,到2021年将达到约350GB。在NAND方面,到2017年每台服务器平均有1.5TB的NAND,到2021年将达到6TB。”
仅仅4年时间,每台服务器的平均NAND容量就增加了4倍,DRAM增加了2倍多。
Micron的存储业务部财报结果较弱,收入(12.5亿美元)相较第一季度的13.8亿美元下降了9%,SSD的增长抵消了部件收入的减少。不过,该部门同比增长了17%。
QLC NAND
提到QLC NAND,Mehrotra表示:“QLC无疑是未来几年Micron一个令人兴奋的机会,而QLC正处于开发阶段,在2018年不会普及,估计这个机会要到2019年开始发力。”
他谈到读取密集型的使用案例——很自然地,QLC NAND写入耐用性预计会低于今天的TLC闪存。
XPOINT
总的来说,好消息一直不断,直到我们开始使用3D XPoint,在这方面Micron一直拖累合作伙伴英特尔。它可以制造芯片,但是不能生产和销售XPoint设备。Micron说,这个情况可能会有所改变。
Micron公司首席财务官Dave Zisner宣称:“3D XPoint解决方案的产品开发正在进行中......我们的第一款3D XPoint产品预计将在2019年推出。”
DRAM节点光刻收缩
Micron正在日本广岛的工厂建设更多洁净室,以便在2019年生产1y纳米DRAM。
看来亚1纳米DRAM光刻不太可能了。可能某种3D DRAM技术将成为增加芯片密度的一种方式。
Rosenblatt Securities分析师Hans Mosesmann问道:“在使用了DRAM一年之后,你自己和整个业界还愿意转换或者半转换多少节点?”
Mehrotra回答说:“我们已经谈到了在DRAM中的1z技术节点,并将继续这么做下去。然后我们当然会寻求进一步扩展的机会,逐渐地,我们也在研究未来其他的先进技术。”
Mosesmann回复:“好的,但是现在1z之后就没有其他了?” Mehrotra快速地回答说:“你知道,1z之后在字母表里就没有字母了......”
好文章,需要你的鼓励
企业AI搜索公司Glean宣布年度经常性收入(ARR)达3亿美元,较15个月前的1亿美元增长三倍。尽管谷歌、微软、OpenAI等科技巨头纷纷入局企业AI搜索市场,Glean凭借"上下文图谱"技术深度理解企业业务需求,并帮助客户显著降低AI计算成本。该公司提供按用量计费和混合定价两种模式,客户涵盖Databricks、Reddit、Pinterest及三星等企业。Glean上轮融资后估值达72亿美元。
香港中文大学与MiniMax提出ClaimDiff-RL框架,将图像描述的AI训练从整体打分升级为逐条核查,有效解决了传统方式导致AI"少说保平安"的问题,同时在多项基准测试上超越Gemini-3-Pro-Preview。
杰夫·贝索斯旗下的蓝色起源公司在佛罗里达卡纳维拉尔角进行静态点火测试时,新格伦重型火箭发生爆炸。这是美国历史上最大规模的火箭爆炸之一,也是蓝色起源公司遭遇的最严重失败。所有人员安全,但该事故可能导致新格伦火箭项目长期暂停。此前该火箭已成功完成三次发射,并实现了助推器回收和重复使用。
ParaVT是一个由南洋理工等多校联合提出的并行视频工具调用框架,通过让AI同时分析多段视频并引入PARA-GRPO算法解决训练中的格式崩溃与工具跳过问题,在六项长视频理解测试中平均提升约7.9%。