NVIDIA 業績電話會速記全文

由AI翻譯

以下爲業績電話會速記全文（由AI翻譯）

科萊特·克雷斯（輝達執行副總裁兼財務長）：第四季度再次創下紀錄。營收達393億美元，環比增長12%，同比增長78%，超出我們375億美元的預期。2025財年全年營收爲1,305億美元，同比增長114%。首先看數據中心業務。2025財年數據中心收入爲1,152億美元，較上年翻倍。

第四季度數據中心收入356億美元，環比增長16%，同比增長93%。隨着Blackwell架構開始上量，Hopper 200持續增長。Blackwell第四季度銷售額超出預期，我們交付了110億美元以滿足強勁需求，這是公司歷史上最快的產品推廣速度，規模和速度均前所未有。

Blackwell已全面投產多種配置，我們正快速增加供應並擴大客戶採用。第四季度數據中心計算收入環比增長18%，同比翻倍。客戶正競相擴展基礎設施以訓練下一代尖端模型並解鎖更高水平的AI能力。基於Blackwell的集群通常將起步於10萬塊GPU甚至更多，此類規模的多個基礎設施已開始發貨。

訓練後優化與模型定製推動了對英偉達基礎設施和軟體的需求，開發者和企業利用微調、強化學習、蒸餾等技術爲特定領域用例定製模型。僅Hugging Face平台就託管了超過9萬個基於LAMA基礎模型的衍生模型。訓練後優化與模型定製的規模巨大，其算力需求可能比預訓練高多個數量級。我們的推理需求正在加速增長，由測試時擴展和新推理模型（如OpenAI的O3、DeepSeek R1和GROC3）驅動。長時推理AI每任務所需的算力可能比單次推理高出100倍。

Blackwell專爲推理AI設計。與Hopper 100相比，Blackwell可將推理AI模型的Token吞吐量提升25倍，成本降低20倍，具有革命性意義。其Transformer引擎專爲LLM和混合專家模型優化，NVLink域提供比PCIe Gen5高14倍的吞吐量，確保應對大規模推理的響應時間、吞吐量和成本效率。

各行業公司正利用英偉達全棧推理平台提升性能並降低成本。例如，某公司通過NVIDIA TensorRT將推理吞吐量提升3倍，成本降低66%。Perplexity每月處理4.35億次查詢，藉助NVIDIA Triton推理服務器和TensorRT LLM將推理成本減少3倍。微軟必應通過NVIDIA TensorRT和加速庫，在數十億圖像視覺搜索中實現5倍加速和顯著TCO節省。Blackwell在推理領域需求強勁。

許多早期GB200部署專門用於推理，這是新架構首次主攻該場景。Blackwell覆蓋從預訓練、訓練後優化到推理的全流程，支持雲、本地和企業的AI需求。CUDA可編程架構加速了所有AI模型及4,400多個應用，確保大規模基礎設施投資在快速演進的市場中免於過時。我們的性能和創新速度無可匹敵，過去兩年內推理成本已降低200倍。

我們提供最低TCO和最高ROI。英偉達與龐大生態系統（包括590萬開發者）的全棧優化持續改善客戶經濟性。第四季度，大型雲服務提供商（CSP）貢獻了約半數數據中心收入，其銷售額同比增長近2倍。大型CSP是首批部署Blackwell的客戶，Azure、GCP、AWS和OCI已在全球雲區域部署GB200系統，以滿足激增的AI需求。

區域雲服務商使用英偉達GPU的收入佔比上升，反映全球AI工廠持續建設及對AI推理模型和智能體的需求快速增長。我們推出了基於NVLink交換機和Quantum 2 InfiniBand的10萬塊GV200集群實例。消費互聯網收入同比增長3倍，由生成式AI和深度學習用例擴展驅動，包括推薦系統、視覺語言理解、合成數據生成、搜索和智能體AI。

輝達CFO科萊特·克雷斯：例如，XAI採用GB200訓練和推理其下一代GROG AI模型。Meta的尖端Andromeda廣告引擎運行於英偉達Grace Hopper超級芯片，爲Instagram、Facebook（NASDAQ: META）等應用提供海量廣告服務。Andromeda利用Grace Hopper的高速互連和大內存，將推理吞吐量提升3倍，增強廣告個性化，顯著提高貨幣化與ROI。企業收入同比增長近2倍，模型微調、RAG（檢索增強生成）和智能體AI工作流需求加速增長。我們推出NVIDIA Llama Numeron模型家族（NIMS），幫助開發者跨客服、欺詐檢測、供應鏈和庫存管理等場景創建和部署AI智能體。

領先的AI智能體平台（如SAP和ServiceNow（NYSE: NOW）率先採用新模型。醫療健康領域領軍企業IQVIA、Illumina（NASDAQ: ILMN）、Mayo Clinic及ARC研究所正利用英偉達AI加速藥物發現、基因組研究，並通過生成式和智能體AI開拓先進醫療服務。隨着AI向物理世界擴展，英偉達基礎設施和軟體平台正被用於機器人及物理AI開發。自動駕駛是早期且規模最大的機器人應用之一，幾乎所有AV公司均基於英偉達技術在數據中心或車輛中開發。英偉達汽車業務收入預計本財年增至約50億美元。

在CES展上，現代汽車集團（OTC: HYMTF）宣佈採用英偉達技術加速自動駕駛和機器人開發及智能工廠計劃。視覺Transformer、自監督學習、多模態傳感器融合和高保真仿真推動自動駕駛突破，未來算力需求將增長10倍。在TEDx上，我們發佈了NVIDIA Cosmo世界基礎模型平台。正如語言基礎模型革新語言AI，Cosmo將通過物理AI革新機器人領域。優步（NYSE: UBER）等機器人及汽車公司率先採用該平台。

從地域看，美國數據中心收入環比增長最爲強勁，由BlackRock（NYSE: BLK）初期部署推動。全球多國正構建AI生態系統，算力基礎設施需求激增。法國2000億歐元AI投資和歐盟2000億歐元「Invest AI」計劃預示未來全球AI基礎設施建設的規模。目前，中國數據中心收入佔比仍低於出口管制前水平。若法規不變，我們預計中國出貨量將維持當前比例。中國數據中心市場競爭激烈，我們將繼續遵守出口管制並服務客戶。

網絡收入環比下降3%。與GPU計算系統配套的網絡設備佔比超75%。我們正從配備InfiniBand的小型NVLink 8向配備SpectrumX的大型NVLink 72過渡。SpectrumX和NVLink交換機收入增長，成爲重要新增長點。預計網絡業務將在Q1恢復增長。AI需要新型網絡：英偉達提供NVLink交換機系統支持縱向擴展計算，Quantum InfiniBand支持HPC超算，SpectrumX支持以太網環境。

SpectrumX優化了AI計算的以太網性能，取得巨大成功。微軟Azure、OCI、CoreWeave等公司正基於SpectrumX建設大型AI工廠。首批Stargate數據中心將採用SpectrumX。昨日，思科（NASDAQ: CSCO）宣佈將SpectrumX集成至其網絡產品組合，幫助企業構建AI基礎設施。憑藉龐大的企業覆蓋和全球觸達，思科將把英偉達以太網技術帶入各行業。

接下來是遊戲和AI PC業務。第四季度遊戲收入25億美元，環比下降22%，同比下降11%。全年收入114億美元，同比增長9%。假日季需求保持強勁，但Q4出貨受供應限制影響。預計Q1供應增加後環比增長強勁。新款GeForce RTX 50系列桌面和筆記本GPU已上市。基於Blackwell架構、第五代Tensor核心和第四代RT核心，最高支持3,400 AI TOP，爲玩家、創作者和開發者提供2倍性能飛躍及AI驅動渲染技術（如神經着色器、數字人技術、幾何與光照）。

全新DLSS 4通過AI幀生成將幀率提升至多8倍，並首次在實時應用中應用Transformer模型，參數翻倍、算力提升4倍，實現空前視覺保真度。我們還發佈了搭載NVIDIA Max Q技術的GeForce Blackwell筆記本GPU，電池續航延長40%。這些筆記本將於3月起由全球頂級製造商推出。專業可視化業務方面，收入5.11億美元（環比+5%，同比+10%），全年收入19億美元（同比+21%）。汽車和醫療健康是需求主要驅動力，英偉達技術與生成式AI正在重塑設計、工程和仿真工作負載。

科萊特·克雷斯：例如，ANSYS（NASDAQ: ANSS）、Cadence和西門子（ETR: SIEGn）等領先軟體平台正利用NVIDIA RTX工作站。汽車業務收入創紀錄達5.7億美元（環比+27%，同比+103%），全年收入17億美元（同比+55%）。增長由自動駕駛汽車（包括乘用車和Robotaxi）持續推廣驅動。在CES上，全球最大汽車製造商豐田（NYSE: TM）宣佈其下一代車型將基於NVIDIA Orin芯片運行安全認證的NVIDIA DRIVE OS。

我們宣佈Aurora和大陸集團將規模化部署基於NVIDIA DRIVE 4的無人駕駛卡車。最後，英偉達端到端自動駕駛平台NVIDIA DRIVE Hyperion已通過TÜV SÜD和TÜV Rheinland的行業安全評估，成爲首個獲得全面第三方認證的AV平台。

轉向其他財務數據。GAAP毛利率73%，非GAAP毛利率73.5%，環比下降符合預期（因Blackwell架構初期交付）。正如上季度所述，Blackwell是可定製的AI基礎設施，包含多種英偉達自研芯片、網絡選項及風冷/液冷數據中心配置。Q4 Blackwell推廣超預期，系統可用性提升，爲客戶提供多種配置。隨着Blackwell推廣，預計毛利率將維持低70%區間。初期重點爲加速Blackwell系統生產以滿足客戶快速建設基礎設施的需求。

全面推廣後，我們有多重機會優化成本，毛利率將在本財年末回升至中70%區間。GAAP運營費用環比增長9%，非GAAP運營費用增長11%，反映新產品研發和基礎設施成本增加。Q4通過股票回購和現金分紅向股東返還81億美元。展望第一季度，預計總營收430億美元（±2%）。

受強勁需求推動，預計Blackwell在Q1大幅上量，數據中心和遊戲業務均將環比增長。數據中心內部計算和網絡業務預計同步增長。GAAP和非GAAP毛利率預計分別爲70%和71%（±50個點子）。GAAP和非GAAP運營費用預計約52億美元和36億美元。預計2026財年全年運營費用增長至中30%區間。GAAP和非GAAP其他收入預計爲4億美元（不包括非流通股和公開股權證券損益）。GAAP和非GAAP稅率預計爲17%（±1%），不含離散項目。更多財務細節見CFO評論及IR官網信息（含新型財務信息AI智能體）。

最後提醒即將舉行的投資者活動：3月3日參加TD Cowen醫療健康大會（波士頓），3月5日參加摩根士丹利TMT大會（舊金山）。歡迎參加3月17日聖何塞舉辦的年度GTC大會，黃仁勳將於3月18日發表主題演講，3月19日舉行分析師問答環節。2026財年第一季度業績電話會議定於2025年5月28日。現在開放問答環節。

主持人：我們現在開始接聽提問，請提問者開始發言。

第一個問題來自 Cantor Fitzgerald 的 C.J. Muse

C.J. Muse（Cantor Fitzgerald 分析師）：下午好。感謝您接聽我的問題。，鑑於強化學習在計算領域展現出巨大潛力，同時訓練和推理之間的界限日益模糊，這對未來專門用於推理的集群意味着什麼？您認爲這將對英偉達及其客戶產生怎樣的整體影響？謝謝。

黃仁勳：謝謝你，C.J. 如今有多種計算規模定律。一是預訓練規模定律，由於我們涉及多模態，且用於推理的數據如今也被用於預訓練，該定律將持續發揮作用。二是後訓練規模定律，它藉助人類反饋強化學習、人工智能反饋強化學習和可驗證獎勵強化學習。後訓練所需的計算量實際上比預訓練更高，這是合理的，因爲在強化學習過程中，會生成大量合成數據或合成標記。人工智能模型本質上就是通過生成標記來訓練其他模型，這就是後訓練。第三部分，也就是你提到的，是測試階段計算、推理、深度思考和推理擴展。

這些概念本質上是相似的，都涉及思維鏈和搜索。目前生成的標記數量以及所需的推理計算量，已經是早期大語言模型單次示例和單次能力的 100 倍，而這僅僅是個開始。下一代模型的計算量可能會達到數千倍，甚至有望出現基於深度思考、模擬和搜索的模型，其計算量相比現在可能會達到數十萬倍乃至數百萬倍，這就是我們的未來。問題在於，如何設計這樣的架構？有些模型是自回歸的，有些是基於擴散的。有時，你希望數據中心採用分佈式推理，有時則是集中式推理。因此，很難確定數據中心的最佳配置，這也是英偉達架構廣受歡迎的原因。我們能夠運行各種模型。

我們擅長訓練，目前絕大多數計算實際上用於推理。Blackwell（可能是英偉達的一款產品或架構）將這一切提升到了新的高度。我們在設計 Blackwell 時考慮到了推理模型，在訓練方面，它的性能提升了數倍。真正令人驚歎的是，在深度思考、測試階段擴展和推理人工智能模型方面，它的速度提升了數十倍，吞吐量提高了 25 倍。因此，Blackwell 在各個方面都表現卓越。當數據中心能讓你根據當前是在進行更多預訓練、後訓練還是擴展推理，來配置和使用數據中心時，我們的架構具有通用性，在各種情況下都易於使用。事實上，我們看到統一架構的集中度比以往任何時候都高得多。

下一個問題來自摩根大通的喬・摩爾（Joe Moore）。

喬・摩爾（摩根大通分析師）：早上好。謝謝。我想請您談談在國際消費電子展（CES）上提到的 GB200。您提到了機架級系統的複雜性以及面臨的挑戰，並且在之前的發言中，我們也了解到產品的大量供應情況。目前 GB200 的推廣進展如何？在系統層面，除了芯片層面，是否還存在其他瓶頸需要考慮？另外，您對 NVL 72 平台仍保持熱情嗎？

黃仁勳：我現在比在 CES 時更有熱情。原因是自 CES 以來，我們的出貨量大幅增加。我們有大約 350 家工廠，生產 Grace Blackwell 機架中的 150 萬個組件。是的，這極其複雜，但我們成功且出色地擴大了 Grace Blackwell 的生產規模，上個季度帶來了約 110 億美元的收入。由於需求非常高，客戶急切地希望獲得 Blackwell 系統，我們還需要繼續擴大生產規模。

您可能在網上看到了不少關於 Grace Blackwell 系統上線的慶祝消息。當然，我們爲自己的工程、設計和軟體團隊配備了大量的 Grace Blackwell 系統。CoreWeave 公司已公開宣佈其 Grace Blackwell 系統成功上線，微軟和 OpenAI 也是如此。現在，越來越多的系統開始上線。所以，我認爲這個問題的答案是，我們所做的事情並不容易，但我們進展得很順利，所有合作伙伴也都進展良好。

下一個問題來自美銀證券的維韋克・阿亞（Vivek Arya）。

維韋克・阿亞（美銀證券分析師）：感謝您接聽我的問題。我想確認一下，第一季度是毛利率的谷底嗎？另外，黃仁勳先生，我的問題是，您基於哪些因素，對強勁的需求能夠持續到明年充滿信心？DeepSeek 公司及其推出的創新成果，是否在任何方面改變了您的看法？

科萊特・克雷斯（輝達執行副總裁兼財務長）：我先回答關於毛利率的問題。在 Blackwell 的推廣過程中，我們的毛利率將維持在 70% 出頭。目前，我們專注於加快生產速度，確保儘快爲客戶供貨。當 Blackwell 全面實現量產，我們就能優化成本，提高毛利率。預計今年晚些時候，毛利率有望達到 70% 中期水平。

如您所知，黃仁勳先生談到了系統的複雜性，這些系統在某些情況下是可定製的，有多種網絡選項，並且有液冷和水冷等不同配置。我們知道，未來有機會進一步提高毛利率。但目前，我們的重點是完成生產並儘快交付給客戶。

黃仁勳：維韋克，我們了解一些情況。我們對數據中心的資本投資規模有比較清晰的認識。我們知道，未來絕大多數軟體將基於機器學習開發。因此，加速計算、生成式人工智能和推理人工智能將成爲數據中心理想的架構選擇。當然，我們也掌握了主要合作伙伴的預測和計劃。

此外，有許多創新且令人興奮的初創公司仍在不斷湧現，它們爲人工智能的下一次突破帶來了新機遇，無論是智能體人工智能、推理人工智能，還是物理人工智能領域。初創公司的數量依然可觀，而且每家都需要大量的計算基礎設施。所以，無論是短期信號，如訂單和預測等；中期信號，如與往年相比的基礎設施水平和資本支出規模；還是長期信號，即從根本上軟體已經從在 CPU 上運行的手工編碼，轉變爲在 GPU 和加速計算系統上運行的基於機器學習和人工智能的軟體。

我們很清楚，這就是軟體的未來。換個角度看，我們目前主要涉足了消費者領域、人工智能搜索以及部分消費者生成式人工智能，還有廣告和推薦系統等軟體應用的早期領域。下一波浪潮即將到來，包括用於企業的智能體人工智能、用於機器人的物理人工智能，以及不同地區爲構建自身生態系統而發展的主權人工智能。這些領域都剛剛起步，我們能夠看到它們的發展潛力。顯然，我們處於這一發展的核心位置，能看到各個領域都在積極發展，這些變革必將發生。所以，從短期、中期到長期來看，前景都很樂觀。

下一個問題來自摩根大通的哈蘭・蘇爾（Harlan Sur）。

哈蘭・蘇爾（摩根大通分析師）：下午好。感謝您接聽我的問題。英偉達下一代 Blackwall Ultra 預計於今年下半年推出，符合團隊的年度產品發佈節奏。黃仁勳先生，鑑於當前一代 Blackwell 解決方案仍在擴大生產規模，您能談談 Blackwall Ultra 的需求動態嗎？您的客戶和供應鏈將如何應對這兩款產品同時擴大生產的情況？團隊是否仍按計劃在今年下半年推出 Blackwall Ultra？

黃仁勳：是的，Blackwell Ultra 將於下半年推出。如您所知，第一代 Blackwell 的推出曾遇到一些波折，可能讓我們推遲了幾個月，但我們當然已經完全恢復。團隊以驚人的速度恢復，所有供應鏈合作伙伴和衆多人員都給予了極大幫助。現在，我們已成功擴大 Blackwell 的生產規模。但這並不影響後續產品的推進，新產品按年度節奏推出，Blackwell Ultra 將配備新的網絡、內存和處理器，一切都在順利推進。

我們一直與所有合作伙伴和客戶溝通規劃，他們掌握了所有必要信息，我們將與各方合作，確保順利過渡。這次從 Blackwell 到 Blackwell Ultra 的過渡，系統架構完全相同。從 Hopper 到 Blackwell 的轉變要困難得多，因爲我們從基於 NVLink 8 的系統升級到了基於 NVLink 72 的系統，機箱、系統架構、硬件和電源供應等都需要改變，這是一次極具挑戰性的過渡。但下一次過渡會很順利，Blackwall Ultra 將無縫銜接。我們也已經向所有合作伙伴透露了後續產品的信息，並與其緊密合作，後續產品名爲 Verarubin。

所有合作伙伴都在加快了解這一過渡並做好準備。再次強調，我們將實現巨大的飛躍。歡迎參加英偉達技術大會（GTC），屆時我會詳細介紹 Blackwell Ultra、Verarubin，以及下一款令人興奮的新產品。請務必參加 GTC。

下一個問題來自瑞銀集團的蒂莫西・阿庫裏（Timothy Arcuri）。

蒂莫西・阿庫裏（瑞銀集團分析師）：非常感謝。黃仁勳先生，我們經常聽到關於定製專用集成電路（ASIC）的消息。您能談談定製 ASIC 和商用 GPU 之間的平衡關係嗎？我們聽說一些異構超級集群會同時使用 GPU 和 ASIC，客戶有計劃構建這樣的基礎設施嗎？還是這兩種基礎設施仍會保持明顯差異？謝謝。

黃仁勳：在某些方面，我們的產品與 ASIC 有很大不同，但在一些領域也有交集。我們的產品在多個方面具有獨特性。其一，英偉達的架構具有通用性。無論你針對自回歸模型、擴散模型、視覺模型、多模態模型還是文本模型進行優化，我們的產品都能出色應對。這是因爲我們的架構靈活，軟體堆棧豐富，生態系統完善，是大多數創新算法的首選目標。

所以，從本質上講，我們的產品通用性強，而非功能單一。其二，我們的產品實現了端到端的優化，涵蓋數據處理、訓練數據整理、數據訓練，當然還有用於後訓練的強化學習，一直到測試階段擴展的推理。因此，我們的產品通用、端到端，且應用廣泛。我們的產品不僅用於雲計算，還可用於本地部署，甚至機器人領域。對於任何新成立的公司而言，我們的架構更容易獲取，是理想的初始選擇。

其三，我們產品的性能提升速度極快。要知道，數據中心的規模和功率通常是固定的。如果我們產品的每瓦特性能提升 2 倍、4 倍甚至 8 倍（這並不罕見），這將直接轉化爲收入的增長。例如，一個 100 兆瓦的數據中心，如果其性能或吞吐量提高 4 倍或 8 倍，那麼該數據中心的收入也會相應提高 8 倍。與過去的數據中心不同，人工智能工廠可以通過生成的標記直接實現盈利。因此，我們架構的標記吞吐量極快，對於所有爲了盈利和快速獲得投資回報而構建這些設施的公司來說，具有極高的價值。所以，我認爲第三個原因是性能。最後，軟體堆棧的構建難度極大。

構建 ASIC 與我們的工作並無本質區別，都需要開發新的架構。如今，我們架構之上的生態系統比兩年前複雜了 10 倍，這一點顯而易見，因爲基於該架構開發的軟體數量呈指數級增長，且人工智能發展迅速。要在多個芯片上構建完整的生態系統非常困難。

綜上所述，這就是幾個主要原因。最後我想說，芯片設計完成並不意味着就能投入使用，這種情況屢見不鮮。許多芯片被製造出來，但到了實際應用階段，需要做出商業決策。這個決策涉及將新的引擎或處理器應用於規模、功率和時間都有限的人工智能工廠。我們的技術不僅更先進、性能更優，軟體能力也更強。非常重要的是，我們的部署速度極快。大家都清楚，這並非易事。所以，我們表現出色、能夠勝出，是有諸多原因的。

下一個問題來自 Melius Research 的本・賴茨。

本・賴茨（Melius Research 分析師）：好的。嗨，我是本・賴茨。非常感謝能提問。黃仁勳先生，這是一個與地域相關的問題。您之前很好地解釋了需求強勁的一些潛在因素。不過，美國地區的營收環比增長了大約 50 億美元。我想大家擔心的是，如果對其他地區實施監管措施，美國市場能否彌補這一缺口。我想知道，在接下來的這一年裏，如果美國市場的這種增長趨勢持續下去，這是否足以支撐公司的發展？如果這種業務向美國市場轉移的情況是您預期增長率的基礎，那麼在這種情況下，您如何保持如此快速的增長呢？從您給出的業績指引來看，中國市場的營收可能會環比增長。所以想請您分析一下這種市場動態，或許科萊特也可以發表一下看法？非常感謝。

黃仁勳：中國市場的營收佔比與第四季度以及之前幾個季度大致相同，大約是出口管制前的一半，但佔比基本保持穩定。說到地域市場，關鍵在於人工智能本質上是一種軟體，是現代軟體。它是令人驚歎的現代軟體，但終究還是軟體，而且人工智能已經成爲主流技術。人工智能在各地的配送服務、購物服務中都有應用。比方說，你購買的牛奶被送到家，這一過程中就用到了人工智能。幾乎所有的消費服務都以人工智能爲核心。每個學生都會使用人工智能來輔助學習。醫療服務領域會用到人工智能，金融服務也離不開它。沒有哪家金融科技公司會不使用人工智能，所有金融科技公司都會採用。氣候科技公司也在利用人工智能，如今礦產勘探也開始藉助人工智能技術。在高等教育領域，每所大學都在使用人工智能。所以，可以說人工智能已經融入到各個應用領域，成爲主流技術。我們當然希望這項技術能夠持續、安全地發展，併爲社會帶來積極影響。我堅信，我們正處於這一新技術轉型的初期階段。

我所說的初期是指，回顧過去幾十年，我們構建了大量的數據中心和計算機，它們是爲手工編碼、通用計算以及 CPU 計算等需求而設計的。展望未來，可以說幾乎所有軟體都將融入人工智能。所有軟體和服務最終都將基於機器學習，數據飛輪效應將成爲提升軟體和服務質量的關鍵因素，未來的計算機也將是加速計算的計算機，將基於人工智能技術。我們才剛剛踏上這一旅程兩年，而現代化計算機的建設歷經了幾十年。所以我很確定，我們正處於這個新時代的開端。最後，沒有任何一項技術能像人工智能這樣，對全球 GDP 產生如此廣泛的影響，也沒有任何一款軟體工具能做到這一點。如今，人工智能成爲了一款能夠影響全球 GDP 更大份額的軟體工具，這在歷史上是前所未有的。因此，我們在考慮增長問題，以及評估業務規模大小時，都應該從這個角度出發。當你從這個視角審視時，就會發現我們才剛剛起步。

下一個問題來自 Evercore ISI 的馬克・盧帕西斯。

馬克・馬塔帕薩斯（ Evercore ISI）：我有一個需要確認的問題和一個新問題。科萊特，我想確認一下，您是否提到1月份數據中心業務中的企業部門同比增長了2倍？如果是這樣，這是否意味着其增長速度比超大規模數據中心客戶更快？黃仁勳先生，我的問題是，超大規模數據中心客戶是你們產品的最大買家，他們購買設備既用於內部工作負載，也用於外部工作負載（即企業使用的雲服務）。那麼，您能否介紹一下超大規模數據中心客戶在這兩種工作負載上的支出分配情況？隨着新的人工智能工作負載和應用不斷湧現，您認爲企業在這種消費結構中的佔比會增加嗎？這又將如何影響你們對生態系統的開發和服務？謝謝。

科萊特・克雷斯（輝達執行副總裁兼財務長）：感謝您關於企業業務的問題。是的，企業部門業務增長了 2 倍，與我們在大型雲計算服務提供商（CSPs）業務中的增長情況類似。請記住，這兩個領域都很重要。與 CSPs 合作，既可能涉及大語言模型的開發，也可能用於他們自身的推理工作。但也要注意，企業客戶既會通過 CSPs 使用我們的產品，也會自行構建相關設施。這兩個領域都發展得非常好。

黃仁勳：CSPs 的業務約佔我們總業務的一半。如你所說，CSPs 的設備用於內部和外部消費。我們當然會與他們密切合作，優化其內部工作負載，因爲他們擁有大量英偉達設備，可以充分利用這些資源。我們的產品一方面可用於人工智能，另一方面可用於視頻處理、數據處理（如 Spark 相關應用），具有很強的通用性。因此，我們基礎設施的使用壽命更長，總體擁有成本（TCO）也更低。那麼，關於未來非 CSPs 企業業務的增長情況，也就是你提到的這部分，我認爲從長期來看，其規模會大得多。原因在於，如果觀察當今的計算機行業，未被充分服務的領域主要集中在工業領域。

舉個例子，當我們提到企業時，以汽車公司爲例，因爲汽車公司既涉及軟體業務，也涉及硬件業務。對於汽車公司來說，其員工相關的業務可歸爲企業業務範疇。智能體人工智能、軟體規劃系統和工具，在 GTC 大會上我們會分享一些令人興奮的成果，這些智能體系統可提高員工的工作效率，輔助他們進行設計、營銷、規劃和運營。這就是智能體人工智能的應用。另一方面，汽車製造也需要人工智能。汽車需要人工智能系統來訓練，以管理龐大的車隊。如今，全球道路上有 10 億輛汽車，未來某一天，這 10 億輛汽車都可能變成自動駕駛汽車。它們將收集數據，並通過人工智能工廠進行優化。現在汽車公司有汽車工廠，未來它們將擁有汽車工廠和人工智能工廠。而汽車內部本身也是一個機器人系統。

由此可見，這裏涉及到三種計算機。一種是輔助人員工作的計算機，一種是爲機械設備構建人工智能的計算機（這裏的機械設備可以是拖拉機、割草機、如今正在研發的人形機器人、建築物、倉庫等）。這些物理系統需要一種新型人工智能，我們稱之爲物理人工智能。它們不僅要理解文字和語言的含義，還需要理解世界的物理規律，比如摩擦力、慣性、物體恒存性和因果關係等，這些對我們來說是常識，但人工智能卻需要學習這些物理效應。所以，我們把這種人工智能稱爲物理人工智能。利用智能體人工智能來徹底改變企業內部的工作方式，這才剛剛起步。現在是智能體人工智能時代的開端，很多人都在討論這個話題，我們也取得了一些很不錯的進展。在智能體人工智能之後，還有物理人工智能，再之後是機器人系統。所以，這三種計算機都是全新的領域。我感覺從長遠來看，這部分業務規模會遠超其他業務，這也在情理之中。畢竟全球 GDP 主要由重工業、工業企業以及爲這些企業提供服務的公司貢獻。

下一個問題來自富國銀行的亞倫・拉克。

亞倫・拉克：（富國銀行分析師）。黃仁勳先生，如今距離 2023 年 Hopper 架構帶來的變革以及生成式人工智能的興起即將滿兩年，展望未來的發展路線圖，從替換週期的角度來看，您如何看待已部署的基礎設施？比如，GB300 或者 Ruben 週期是否會帶來一些設備更新的機會？我很好奇您對這個問題的看法。

黃仁勳：感謝你的提問。首先，現在還有人在使用 Volta、Pascal 和 Ampere 架構的產品。原因在於，CUDA 的可編程性很強，有很多用途，目前其中一個主要應用場景是數據處理和數據整理。比如說，你發現人工智能模型在某方面表現不佳，就把這個情況輸入視覺語言模型。假設是汽車相關的問題，將這個情況輸入視覺語言模型後，模型會分析並反饋 「這是發生的情況，我在這方面表現不太好」。然後，你把這個反饋當作提示信息，輸入到另一個人工智能模型中，讓它在你的整個數據鏈中查找類似情況。接着，利用人工智能進行域隨機化處理，生成大量其他示例。基於這些示例，你就可以訓練模型。所以，你可以用 Ampere 架構的產品進行數據處理、數據整理以及基於機器學習的搜索工作。然後創建訓練數據集，再將其輸入到 Hopper 系統中進行訓練。這些架構都與 CUDA 兼容，因此可以相互配合使用。如果你已經有了現有基礎設施，那麼可以把負載較低的任務交給過去安裝的設備來處理。我們所有的 CPU 都得到了充分利用。

我們還有時間回答最後一個問題。這個問題來自花旗銀行的阿蒂夫・馬利克。

阿蒂夫・馬利克（花旗銀行分析師）：你好。感謝您接聽我的問題。科萊特，我有一個關於毛利率的後續問題。我知道影響因素很多，比如 BlackBull 的良品率、ELink 72 和以太網的配置比例等。之前您在回答 4 月份是否是毛利率谷底這個問題時有所保留。但要在財年結束時達到您預期的75%左右毛利率水平，下半年每個季度毛利率需要提高200個點子。而且目前我們還不太清楚關稅對整個半導體行業會產生怎樣的影響。那麼，是什麼讓您對下半年毛利率的提升有信心呢？

科萊特・克雷斯（輝達執行副總裁兼財務長）：感謝你的問題。在Blackwell系統中，毛利率受到材料等諸多因素的影響，情況比較複雜。但從長期來看，我們有很多機會通過優化各個環節來提高毛利率。要知道，Blackwell 有多種不同的配置，這也有助於我們提升毛利率。所以，在爲客戶完成部分大規模生產爬坡工作後，我們就可以開展很多優化工作。如果可以的話，我們可能會盡早開始。如果短期內有提升毛利率的機會，我們也會抓住。目前，關稅方面還存在一些不確定性。在我們進一步了解美國政府的計劃，包括實施時間、涉及範圍和稅率等之前，關稅的影響還是未知的。所以現在我們還在等待。當然，我們始終會遵守出口管制和關稅相關規定。

會議接線員：女士們、先生們，問答環節到此結束。很抱歉。

科萊特・克雷斯（輝達執行副總裁兼財務長）：謝謝。我們請黃仁勳先生再講幾句。

黃仁勳：我感謝大家。感謝你，科萊特。

對 Blackwel的需求非常強勁。人工智能正在從感知和生成式人工智能向推理式人工智能發展。隨着推理式人工智能的發展，我們發現了另一個規模定律，即推理時間或測試時間規模定律。計算量越大，模型思考得越深入，給出的答案也就越智能。像 OpenAI、Broad3、DeepSeek R1 等模型都是應用推理時間規模定律的推理模型。推理模型的計算量可能是其他模型的 100 倍。未來的推理模型計算量會更大。DeepSeek R1 引發了全球關注。這是一項出色的創新成果，更重要的是，它開源了一個世界級的推理人工智能模型。幾乎每位人工智能開發者都在應用 R1 模型，或者類似 R1 的思維鏈和強化學習技術，來提升自己模型的性能。

正如我之前提到的，現在有三種規模定律推動着人工智能計算的需求增長。傳統的人工智能規模定律依然存在，基礎模型通過多模態技術不斷強化，預訓練也在持續發展。但這已經不夠了。我們還有另外兩個影響規模的因素。一是後訓練規模，強化學習、微調、模型蒸餾等後訓練環節所需的計算量比單獨的預訓練要高出幾個數量級。二是推理時間規模和推理，一次查詢可能需要 100 倍的計算量。我們推出 Blackwell 就是爲了滿足這些需求，它是一個單一平台，可以輕鬆在預訓練、後訓練和測試時間規模之間切換。

Blackwell 的 FP4 變壓器引擎、NVLink 72 擴展架構和新的軟體技術，使其處理推理人工智能模型的速度比 Hopper 快 25 倍。所有配置的 Blackwell 都已全面投產。每個 Grace Blackwell NVLink72 機架都是一項工程奇蹟，由近 10 萬名工廠工人在 350 個製造地點生產出 150 萬個組件。

人工智能正在飛速發展。我們正處於推理式人工智能和推理時間規模發展的初期，但這僅僅是人工智能時代的開端。多模態人工智能、企業人工智能、主權人工智能和物理人工智能即將到來。2025 年我們將實現強勁增長。

展望未來，數據中心會將大部分資本支出用於加速計算和人工智能領域。數據中心將越來越多地轉變爲人工智能工廠，每家公司都會擁有自己的數據中心，無論是租賃的還是自建的。感謝大家今天參加會議。幾周後歡迎大家參加 GTC 大會，我們將在會上討論 Blackwell Ultra、Rubin 以及其他新的計算、網絡、推理人工智能、物理人工智能產品等更多內容。謝謝。