分析師：輝達財報揭曉前必知要點

輝達 (Nvidia)(NVDA-US) 財報公布在即，市場密切關注其新晶片可能因設計問題而延遲的情況。雖然這可能影響其生產計畫，但公司短期業務依然強勁。華爾街預測輝達上季每股盈餘將比去年同期增長 137%，而營收將翻倍成長。儘管產品延遲，分析師仍對輝達保持樂觀，認為這提供了買入機會，並點出財報公布前關注要點。

美國古生物學家 Othniel Charles Marsh 在 1879 年首次使用雷龍 (Brontosaurus) 這詞來描述一類恐龍，這名稱源自希臘語，意指「發出雷聲的蜥蜴」，因他推測這種龐大的生物走過時，地面必然會發出雷鳴般聲響。雖然我們今日不必擔心遇見雷龍，但確實存在一類非常罕見的公司，規模之大足以讓投資人感覺地動山搖。《TheStreet Pro》專欄作者 Stephen Guilfoyle 指出，「只有極少數股票能夠僅憑其的存在，就對『整體市場』產生顯著影響。」

他在 8 月 26 日的文章中寫道，「這個財報季已經接近尾聲，現在只剩一間公司能單憑一己之力，讓美國金融市場感到震撼或振奮。你從一開始就知道我說的是誰——唯一的輝達及該公司執行長黃仁勳。」

輝達預計將在周三公布上季財報，投資人將關注其新推出的 Blackwell 處理器系列的交付情況。這些產品設計上比前一代 H100 Hopper 更快速、更便宜、更有效率，但由於設計缺失，可能延遲出貨。

華爾街預測，輝達每股盈餘將達到 64 美分，較去年同期增長 137%，營收將翻倍增加，達到 285.5 億美元。

新晶片延遲的影響

8 月 5 日有報導指出，輝達告知微軟 (Microsoft)(MSFT-US) 和一間未具名的雲服務提供商客戶，該設計問題可能導致交付日推遲約三個月後，輝達的股價隨之下跌。

Guilfoyle 表示，市場對輝達的表現存有一些擔憂，不僅是針對即將公布一季，還包括未來的表現。

他表示，投資人一直在關注已成為輝達最大客戶的企業的資本支出狀況，這幾乎已涵蓋了所謂的「七巨頭」，即包括亞馬遜 (Amazon)(AMZN-US)、特斯拉 (Tesla)(TSLA-US) 和 Google 母公司 (Alphabet)(GOOGL-US) 在內的大型科技公司。

Guilfoyle 問道，「這些公司是否因增加支出而獲得立即的財務效益？並沒有。至少與他們的支出規模不成比例。會不會出現減緩支出的壓力？有可能。」

他表示，「不過，如果發生這種情況，客戶基礎可能會擴大，因為那些購買較少晶片的公司可能會得到機會追趕上來。」他補充道，即使較新的晶片延遲了，「輝達稍微舊一些、但仍非常高科技的晶片，還是可以賣得很好。」

輝達曾一度超越微軟，成為全球市值最高的公司，今年五月，輝達第一季的財報大幅超出華爾街預期，淨利較去年同期增加超過七倍，達到 148.8 億美元。

營收則翻了三倍，從前一年的 71.9 億美元增至 260.4 億美元，黃仁勳宣告，「新一代工業革命已經展開。」

輝達股價周一下跌了 2.25%，至 126.46 美元。今年以來，該股已上漲 162%，較去年同期飆漲了 173%。

多位分析師與投資人分享了對輝達即將公布的財報的看法。

輝達短期業務依然「強勁」

根據 The Fly，Loop Capital 在輝達本周公佈財報前，維持買入評級和 175 美元的目標價。

儘管 Blackwell B200/GB200 推遲了，但這可能並不重要，因為台積電 (TSM-US) 的 Hopper 產量持續增加。該公司在研究報告中表示，Hopper 在秋季的增產可能超過 Blackwell 推遲導致的損失。

摩根士丹利 (Morgan Stanley) 認為，市場基本上已經消化了 Blackwell 可能延遲的擔憂，這也如預期般地創造了一個買入機會，因為市場已經看穿了這些擔憂。

該公司表示，輝達的短期業務依然強勁，並且該公司仍將如最初預測般，在今年內實現 Blackwell 的量產。

摩根士丹利認為，儘管 Blackwell 出現了一些短暫的延遲，他們預期輝達管理層將會強調，本季的產量仍在正常範圍內，並將在本財年結束前進行量產。

小摩也指出，這時間點的變動並不重要，因為供應和客戶需求已迅速轉向 H200 和 H20，而這些產品的需求依然「強勁」。

摩根士丹利對輝達的評級為加碼 (Overweight)，並表示輝達仍是其領域內的「首選」。

Evercore 表示，超大規模資本支出是對輝達系統需求的最佳指標之一，預計這些支出在第二季較前一季增加了 20%。該公司預期，第三季和第四季的季增長分別為 8% 和 10%。

該公司也指出，大規模資料中心和雲端服務的主要供應商等大型企業的評論，表明人工智慧 (AI) 已開始產生報酬。

此外，這些大型企業認為，在 AI 投資不足的風險，目前遠超過在 AI 投資周期的早期階段過度投資的風險。