鉅亨網新聞中心
輝達 (NVDA-US) 周三 (20 日) 公布財報並舉行電話會議，重點指向 AI 基礎設施正處於「人類史上最大規模基礎設施擴張」進程，需求正從訓練加速移向推理，而輝達憑借 Blackwell 系統級優勢和快速迭代的技術路線圖，在加速擴張的市場中鞏固其地位。
以下是與分析師問答全文：
第一問：細分市場劃分邏輯（摩根士丹利 Joseph Moore）
Joseph Moore（摩根士丹利）： 感謝提問機會。我想請教，本次細分市場調整的背後邏輯是什麼？兩個細分市場在競爭格局上有何差異？另外，您提到的那個令人意外的 CPU 數據，如何在兩個細分市場中理解？謝謝。
Toshiya Hari： 感謝 Joseph。首先需要更正一點，Colette 剛才說的季度股息應是從每股 0.01 美元提升至每股 0.25 美元，請大股東們留意這多出來的 0.05 美元。
關於細分市場的調整，我們希望幫助大家更好地理解我們的業務。AI 是多元的，計算本身也是多元的，體現在多個維度：
第一，AI 本身是多元的。 根據行業不同，AI 的形態各異——製造和工業機器人領域是三維圖形，生命科學領域是蛋白質結構，生命科學或材料科學領域是小分子化學，物理科學（無論是能源領域還是高校科研實驗室）則是物理仿真，不一而足。
第二，應用場景是多元的。 應用場景涵蓋企業、能源、製造等各行各業。
第三，運行環境是多元的。 可以在超大規模雲上運行，可以在 AI 原生雲上運行——而這類 AI 原生雲正在全球各地不斷湧現；可以在企業本地部署，可以在工廠、車間等工業場景中運行，也可以在超算中心和邊緣端運行。邊緣端涵蓋大家熟知的自動駕駛汽車和機器人，但同樣還包括晶片廠、封裝廠、各類製造工廠內部不斷擴大的計算網絡。未來，每一個基站、每一個無線網絡都將成為 AI 驅動的無線網絡。
第四，治理方式是多元的。 部分工作負載可以運行於公有雲，但也有一些因工業法規合規要求、機密計算需求或國家安全原因而無法上雲，需要專門構建獨立的資料中心。
輝達獨特之處在於，我們是唯一一家構建全部技術組件的公司，以極致協同設計的方式、完整端到端、全棧的方式進行研發，同時保持平台開放性，使其能夠集成進各類不同環境。而某些環境，例如企業客戶，需要所有技術組件協同工作，不用自己動手構建，能夠直接購買並運營完整解決方案。
因此，我們將業務拆分為三大板塊：
超大規模雲：這是第一大板塊。在這個板塊中，我們幫助超大規模雲廠商加速其資料處理和機器學習工作負載，支持其內部 AI 處理，同時將大量輝達生態系統業務引入其公有雲平台。
AI 原生雲、企業本地部署、工業本地部署及主權 AI：這是第二大板塊，增速極快，因為每個行業、每個國家、每家企業都需要 AI，且都希望以不同的方式構建。我們提供完整解決方案，使這一切成為可能，也大大降低了實施難度。
機器人邊緣計算：這是第三大板塊。過去的計算以個人計算為核心，未來將以個人 AI 為核心。個人 AI 的一個典型例子就是自動駕駛汽車——本質上是一個作為個人 AI 存在的機器人系統。未來還會出現各種形態的機器人系統，包括基站無線網絡，它本質上也將成為一種機器人系統。
這三大板塊各自擁有不同的軟件棧、不同的操作系統和運營方式，我們的市場進入策略在每個板塊中也大相徑庭。超大規模雲的市場進入最為簡單，因為全球只有五六家超大規模廠商。其餘的板塊涉及全球約 25 萬家企業，市場進入極為複雜，需要對 AI 有高度多元化的深刻理解。輝達擁有全球規模最大的加速庫套件，從計算光刻到流體力學、粒子物理、分子動力學，涵蓋範圍極廣，這些庫對於我們深入服務第二和第三類垂直行業至關重要。
總而言之，這次調整是因為我們的業務已演進和壯大到如此規模，進行合理細分有助於大家更清晰地瞭解我們的業務運作邏輯。
第二問：增長哲學與超大規模資本支出展望（Melius Research Ben Reitzes）
Ben Reitzes（Melius Research）： 非常感謝。黃仁勳，我想請教您關於增長哲學的問題。本季度資料中心業務（不含中國）增長約 120%，你們的指引約為 100%。許多分析師（包括我）預測今年超大規模廠商資本支出將增長 90% 至 100%。您也提到資料中心市場到本十年末有望達到 3 至 4 萬億美元的規模。請問，您認為公司增速能否持續超過超大規模廠商資本支出增速？而超大規模廠商資本支出是否會在今年之後繼續保持高速增長？
黃仁勳： 感謝 Ben。首先，我們理應增長得比超大規模資本支出更快，原因正是我剛才介紹分類邏輯時所闡述的。
我們的資料中心業務由兩大部分構成（實際更為複雜，但我簡化為兩大部分以便於理解）：
第一部分是超大規模業務。 這正是你們所關注的超大規模資本支出。今年超大規模資本支出約為 1 萬億美元，我有充分理由相信這一數字將持續增長。這就是未來計算的運作方式，沒有算力就沒有營收。這一邏輯非常清晰——算力就是營收，算力就是利潤。SaaS 模式此前的算力消耗有限，但 AI 需要海量算力，同時也能創造難以想象的價值。這也正是為什麼我們看到 Anthropic 和 OpenAI 這樣的 AI 前沿公司以驚人的速度增長——它們在一個月內實現的增長，有些 SaaS 公司可能需要十年。第一大類的超大規模資本支出目前約 1 萬億美元，並正在向 3 至 4 萬億美元邁進。
第二部分是 AI 原生雲及其他。 包括各類區域性 AI 原生雲，遍布全球各地；有初創公司在為這些平台提供支持；還有約 25 萬家企業——其中許多將自建或希望自建 AI 工廠；以及大量工業企業——對它們而言，別無選擇，必須將計算部署在情境所在地、行動所在地，根本無法依賴雲端。想象一下，一家晶片製造廠連接到雲服務提供商，這根本行不通。此外還有主權 AI 雲。這第二類資料中心，半定制化晶片根本無法勝任，因為這類資料中心希望購買和運營完整系統，不想自行設計和構建。這第二類不是五六七家公司，而是數百、數千家公司，未來將擴展到數十萬家企業，每家規模相對較小。
這第二類將以驚人的速度持續增長。當我談到物理 AI，談到在過去 30 年中基本未受 IT 衝擊的近百萬億美元的實體經濟產業，它們即將迎來 AI 的深刻影響，這正是第二大類所代表的市場。在這一類別中，我們的市場份額極高，我們幾乎是唯一能夠服務這一市場的公司。我們的平台構建方式如同垂直整合，一切協同運作，但同時又能拆解開來，供客戶按需組合、以自己偏好的方式集成。這第二類的情況遠未被充分理解，因為其中涵蓋的公司數量龐大，而每一處安裝規模相比單個超大規模廠商又相對較小。
因此，綜合來看，我們在超大規模廠商中的份額正在增長——Anthropic 作為我們的新合作夥伴，未來幾年我們將大力幫助其擴大算力。而第二類中，很少有公司能夠真正服務這一市場，我們的平台解決方案是關鍵所在。
第三問：Vera Rubin 與推理市場份額（Cantor Fitzgerald CJ Muse）
CJ Muse（Cantor Fitzgerald）： 下午好，感謝提問機會。Vera Rubin 即將到來，你們對前沿模型的迭代趨勢和多元化 AI 工作負載的優化方向有著清晰的洞察。投資者對你們在推理市場的份額高度關注，請問 Vera Rubin 和極致協同工程將如何影響你們在進入 26 年底和 27 年時的推理市場份額？
黃仁勳： 我們在推理市場的份額正在快速增長，原因在於今年前沿模型公司的數量大幅增加，湧現出 Cursor、Perplexity 等新興公司，以及 TML、Reflection 等新模型企業。我們今年還將 Anthropic 納入合作夥伴體系，他們的擴張速度極快——我們已與其合作，在 Azure、AWS、CoreWeave 等平台上為其鎖定算力，此外還有其他正在推進中的合作夥伴正在陸續上線。今年和明年我們為 Anthropic 帶來的算力規模將相當可觀。在此之前，我們對 Anthropic 的算力覆蓋幾乎為零，因此我們在推理市場的份額提升速度極快。
Vera Rubin 甚至會比 Grace Blackwell 更為成功。現在我幾乎想不到有哪家前沿模型公司不會從一開始就遷移到 Vera Rubin——這一點在 Blackwell 推出時並非如此。Vera Rubin 的起點極為強勁，必將超越 Grace Blackwell 的成就。
回到 Ben 之前的問題，以上關於推理份額增長的討論，實際上聚焦的是超大規模雲這第一類。而在第二類 AI 資料中心中，我們幾乎是獨家供應商，其中推理業務幾乎 100% 由輝達承接。當然，物理 AI 領域目前也基本上只有輝達一家在服務，我們深耕物理 AI 已久。因此，綜合來看，我們在推理市場的份額正在快速增長。
第四問：LPX 與平台戰略（UBS Timothy Arcuri）
Timothy Arcuri（UBS）： 非常感謝。黃仁勳，我想請教一下 LPX 的市場進展。您此前提到 Groq 在某些市場約佔 20% 份額，我想瞭解 LPX 的牽引力情況，以及它如何融入您更廣泛的平台戰略？
黃仁勳： LPX 專為低延遲、高 token 速率場景設計，但其吞吐量相對較低，支持的模型規模有限，處理長上下文的能力也較弱——例如軟件編程、智能體工作負載等需要大量上下文的場景，LPX 的能力有所受限。
正如我此前所解釋的，LPX 的適用場景並不廣泛，它的定位是：面向擁有多元化 token 服務組合的提供商，其中某些服務屬於高溢價服務、客戶數量有限但單用戶 token 速率極高的應用。這一判斷與我之前的分析完全一致。
因此，我預期 LPX 以及其他基於 SRAM、專注於解碼、高 token 速率生成的加速器，在相當長的時間內仍將是一類細分市場產品。相比之下，Grace Blackwell 和 Vera Rubin 支持 AI 的全生命週期——從資料處理、預訓練準備、預訓練，到強化學習後訓練，再到推理，Grace Blackwell 是完成所有這些任務的最佳平台。而對於已經擁有高 token 速率服務的提供商，在特定場景下可以搭配 LPX，進一步提升該服務的交付質量。
至於 LPX 佔多少市場份額——20% 也好，10% 也好，取決於 AI 的發展階段。我認為目前遠低於 20%，未來隨著高溢價 token 服務的發展，這一比例或許有機會達到 20%。我們也期待與服務提供商合作，共同推進這一能力。
第五問：CPU 與 GPU 的關係及 Vera CPU 規模（美國銀行 Vivek Arya）
Vivek Arya（美國銀行）： 感謝提問機會。黃仁勳，近期關於智能體應用中 CPU 的討論熱度很高，甚至有說法認為 CPU 的數量將超過 GPU 的數量。我想請你從兩個角度分析：第一，這是增量性的新工作負載，還是對 GPU 原有工作負載的替代？第二，您提到的 200 億美元規模，是僅針對獨立 Vera CPU，還是已包含在 Vera Rubin 整機中的 CPU 部分？請幫助我們理解 CPU 與 GPU 的關係——是競爭還是互補，以及這 200 億美元應如何理解？
黃仁勳： 這 200 億美元指的是獨立 Vera CPU。我來介紹一下 Vera 的四種使用方式：
第一種：Vera Rubin 整機。我們將售出數百萬套 Rubin，每兩套 Rubin 搭配一顆 Vera，有相應的價格體系。
第二種：Vera 獨立 CPU。
第三種：Vera 搭配 CX9 網卡及相應軟件棧，用於存儲場景。
第四種：Vera 搭配 CX9，配合安全與計算隔離、機密計算軟件棧。
以上四種場景都基於 Vera 構建。我預計在 Vera Rubin 的整個生命週期內，供給將始終處於供不應求的狀態。
關於 CPU 在代理 AI 中的角色——代理本質上是一個「執行框架」（harness）。這個框架可以是 OpenClaw，可以是 Hermes；Anthropic 的 Claude Code 本質上是 Claude Opus 模型外的一層框架，OpenAI 的 Codex 本質上是 GPT-5.5 模型外的一層框架。框架負責處理 I/O、編排、內存管理，以及工具調用——例如連接瀏覽器、C 編譯器、Python 編譯器等。框架在 CPU 上運行，工具調用也在 CPU 上運行。例如，AI 執行搜索或使用瀏覽器時，這些都在 CPU 上完成。
人類世界有 10 億用戶，未來世界將會有數十億個 AI 代理，雖然不是今天，但我們會逐步走到那裡。每個代理都會使用工具，這些工具類似於我們今天使用的 PC。未來，智能體將擁有自己的「AI PC」。假設現在全球有幾十萬個智能體，未來有幾十億個，每個智能體都有自己的「PC」來使用。
每個智能體還會衍生出子智能體，每次衍生就需要調用推理——而所有的「思考」都發生在 GPU 上，所有的編排則在 CPU 上進行。子智能體在「思考」時使用 GPU，在調用模擬器時則可能使用 CPU 或 GPU。這也是為什麼我們與 Cadence、Synopsys、Siemens、Adobe 等公司深度合作——我們正在加速全球所有的設計工具和資料處理、資料庫引擎，讓它們運行在 CUDA 上。原因很簡單，智能體比人類的容忍度更低，需要更快的響應速度，而工具加速到 GPU 上能顯著提升效率。
Vera 正是為智能體時代而設計的 CPU。過去的 CPU 設計邏輯是多核心、便於按核心出租；人們按核心付費，這是傳統雲計算的經濟學。未來 AI 時代的經濟學是每美元 token 數或每 token 成本，核心目標是盡可能快地生成和處理 token——這正是 Vera 的強項所在。
我們正在構建的是完整的 AI 基礎設施：出色的存儲（這是我們構建 STX 的原因）、出色的網絡（這是我們打造 Spectrum X 的原因）、出色的 GPU 與推理能力（NVLink 72）、出色的安全與機密計算（Vera Rubin 是全球首個支持端到端機密計算的平台）、出色的 CPU。我們一應俱全。
第六問：1 兆美元展望之上的增長空間（高盛 Jim Schneider）
Jim Schneider（高盛）： 下午好，感謝提問。在 GTC 上，您提到了 Blackwell 和 Rubin 平台 1 萬億美元的可見營收，但我相信這一數字不包括 LPX、Rubin CPX 和 Vera CPU 機架。請問 Vera CPU 是否將成為 1 萬億美元之上最大的超預期來源？還是說您在考慮其他產品組合，包括 CPU，以進一步提升在總市場中的市占？
黃仁勳： 關於 1 兆美元之上的增量空間，我認為主要有三個來源：
第一，前沿 AI 模型市場份額的持續提升。我預期份額將進一步增長，這是最大的增量來源之一。
第二，獨立 Vera CPU——這未包含在此前的 1 兆美元預測中。代理系統的總市場規模相當可觀，我們的客戶對 Vera 的熱情非常高，我們將售出大量 Vera CPU，這是第二大增量來源。
第三，LPX——如前所述，由於其 SRAM 架構帶來的低延遲、高交互性優勢，以及相對有限的吞吐量和上下文處理能力，LPX 將服務於一部分細分市場。通過 Vera、Vera Rubin 和 LPX 的組合，我們將能夠覆蓋 AI 從預訓練、後訓練到推理、智能體系統的全生命週期和完整需求譜系。
第七問：Vera Rubin 爬坡斜率（TD Cowen Joshua Buchalter）
Joshua Buchalter（TD Cowen）： 非常感謝，也恭喜業績出色。Colette，您在準備好的發言中提到 GB300 是公司歷史上爬坡速度最快的產品。應如何對比看待 Vera Rubin 的爬坡速度？Vera Rubin 雖然在晶片層面是全新架構，但機架形態相似——是否意味著爬坡斜率與 GB300 相當，還是因為新晶片的緣故會更為平緩？
Colette Kress： 我們此前已說明將在下半年推出 Vera Rubin，第三季度將是初始出貨階段，進入第四季度後爬坡將持續加速，明年第一季預計也將是強勁的一季。目前難以判斷哪個產品的爬坡會更快，但需求已經明確，我們已有採購訂單，幾乎所有主要客戶都已就緒。這些系統極為複雜，需要時間完成整機組裝並推向市場。總體而言，制約因素主要是所有系統配件的量產進度，而非需求本身。
Toshiya Hari： 感謝各位參與問答。以下是幾項會議安排提示：黃仁勳將於 6 月 1 日在台灣 Computex 發表主題演講；我們還將參加 5 月 28 日的 TD Cowen TMT 會議，以及 6 月 4 日的美國銀行全球科技會議。2027 會計年度第二季財報電話會議定於 8 月 26 日舉行。
黃仁勳總結
這是個非凡的一季，需求已呈拋物線式增長。原因很簡單：代理 AI 已經到來。AI 現在能夠完成真正有價值的生產性工作，token 已經實現盈利，模型開發商正在競相擴大產量。在 AI 時代，算力容量就是營收和利潤，輝達正是這個時代的核心平台。
在全球所有平台中，輝達算力所支撐的需求多樣性是最豐富的。讓我重點講五件事：
第一，輝達是唯一能夠運行所有前沿 AI 模型的平台。隨著 Anthropic 加入我們現有的合作夥伴——包括 OpenAI、xAI、Meta-MSL、Gemini 等——我們在前沿 AI 模型市場的市占正在增長。
第二，我們覆蓋每一家超大規模雲廠商，支持其核心資料處理和機器學習工作負載、內部 AI 服務，以及其公有雲中面向輝達用戶的需求。
第三，我們的全棧完整 AI 工廠解決方案和龐大的全球生態系統，使我們能夠獨特地服務新興 AI 資料中心細分市場——包括新型 AI 原生雲、主權 AI 雲，以及企業和工業本地部署基礎設施，這正是我之前所講的第二類市場。
第四，NVIDIA CUDA 的觸達延伸至邊緣端：機器人、自動駕駛汽車、嵌入式醫療儀器、AI-RAN 電信基站。下一波浪潮是物理 AI——數十億個自主機器人系統將在物理世界中運行，這正是我之前所講的第三類市場。
第五，我們迎來了一個重大的全新增長引擎——Vera：全球首款專為代理 AI 設計的 CPU。Vera 為輝達開闢了全新的 2000 億美元市場，是我們此前從未涉足的領域，每家主要的超大規模廠商和系統廠商都在與我們合作部署。
世界正在重建計算基礎設施，以支撐代理 AI 和物理 AI 機器人的發展，輝達處於這些轉變的核心。我們用了三十年構建輝達計算平台——統一架構、龐大生態系統、跨晶片、系統、網絡和軟件的極致協同設計。我們提前為這一時刻做好了準備，當智能體 AI 到來之時，輝達已經準備就緒。而這時刻已經到來。
上一篇
下一篇
