NVIDIA 最好的日子已經過去還是市場錯了？
Nvidia 在人工智慧領域的角色不僅是保持主導地位，還在於塑造定義下一個運算時代的基礎設施。將其最好的時光視為已過去，忽略了正在發生的事情的規模。人工智慧革命並沒有放緩——它正在演變成更大的事物，而 Nvidia 仍然處於這場革命的中心。事實證明，Blackwell 是一個關鍵的轉折點，不僅在 GPU 架構方面，而且在 AI 本身的發展方式方面。第一波人工智慧是圍繞著 LLM 建立的，它需要大量運算能力進行訓練和推理。僅此一項就推動了 Nvidia 過去兩年的成長。但真正的轉變正在發生，人工智慧正進入推理和決策階段——這項進步需要指數級的運算能力。 Nvidia 的第一季電話會議明確表示：在 Blackwell 上，推理 AI 模型不僅速度顯著加快，而且其擴展速度是以前架構的 25 倍。這不僅是為了提高效率，也是為了釋放先前受到運算限制的全新功能。黃仁勳本人也直言——推理將需要傳統AI模型100倍的運算能力。這種轉變已經開始，而 Nvidia 的硬體是唯一能夠大規模支援這種轉變的硬體。布萊克威爾的採用曲線凸顯了這個勢頭。該產品的成長速度是 Nvidia 歷史上最快的，而且向 Blackwell Ultra 的過渡預計會更加平穩，從而消除先前硬體轉變中出現的低效率現象。這很重要，因為 Nvidia 不僅僅銷售晶片，它還銷售 AI 所依賴的基本運算層。人工智慧代理現在被認為是人工智慧的下一個主要衍生品，正從概念走向現實。這些系統所需要的不僅僅是基本的推理——它們需要處理資訊、做出即時決策以及以超越靜態、預訓練模型的方式進行互動的能力。這種計算需求並不是線性的──而是呈指數級的成長。 Nvidia 不僅緊跟 AI 的發展，還在推動 AI 的發展。除了人工智慧推理之外，Nvidia 還將自己定位為更大的目標：將人工智慧擴展到物理世界。機器人和人工智慧驅動的自動化代表著一個潛在的市場，其規模遠遠超過數位人工智慧。目前對運算的需求主要與軟體驅動的人工智慧應用有關——語言模型、影像生成和數位生態系統內的自動化。但實體經濟不是軟體，而是實體商品、物流、製造和供應鏈。人工智慧機器人不僅需要訓練層面的高效能運算，還需要在現實環境中持續的推理和決策能力。黃仁勳將這種轉變描述為“物理 AI”，並指出機器人代表著一種全新的計算範式，而這甚至還沒有被納入 Nvidia 的近期預測中。Nvidia 成長的瓶頸不是需求，而是供應。多年來，該公司一直在供應受限的情況下運營，一開始是由於晶圓產能達到 $TSM，現在又由於 CoWoS（晶圓上基板晶片）封裝。這種先進的封裝流程使 Nvidia 能夠將多個 GPU 整合到單一 AI 系統中，從而構成其價值數百萬美元的 AI 叢集的骨幹。台積電已經宣布，到 2026 年，CoWoS 產能將以 65% 的複合年增長率擴大，此舉可能會為 Nvidia 擴大產量的能力帶來更多上升空間。如果供應仍然是唯一的限制因素，那麼 Nvidia 超出獲利預期的能力就非常高。普遍預測未來兩年每股收益將成長 35%，但如果 CoWoS 擴張速度快於預期，獲利成長可能會大幅提高。市場尚未完全反映這種可能性，因此英偉達的業績將連續幾季超出預期。同時，Nvidia 的轉型不僅限於硬體。該公司圍繞 CUDA 構建的 AI 軟體堆疊正在成為其自身的創收機器。 Nvidia 已經推出了 AI 軟體訂閱服務，每個 GPU 收費約 5000 美元，以最大限度地提高其晶片的效率和性能。管理層預計到 2030 年軟體收入的複合年增長率將達到 110%，預計到 2030 年底 AI 軟體訂購量將達到 300 億美元。雖然這不會取代硬體成為主要收入來源，但它從根本上改變了商業模式。正如$AAPL 從純粹的硬體公司轉變為依靠服務和軟體蓬勃發展的公司一樣，Nvidia 也在不斷增加高利潤、經常性的收入來源，以平滑其歷史週期性。從以硬體為中心的企業向更廣泛的 AI 基礎設施公司的轉型已經在進行中——NVIDIA 已在新數位經濟中站穩了腳跟。人工智慧革命仍處於早期階段，而 Nvidia 仍然是實現這一目標的關鍵力量。從傳統人工智慧到基於推理的人工智慧的轉變已經需要更高數量級的運算能力。人工智慧在機器人和自動化領域的擴展將推動更大的需求。隨著 Nvidia 解決其供應限制問題、以創紀錄的速度提高 Blackwell 的產量並向高利潤軟體領域擴張，認為其最好的日子已經過去的說法經不起推敲。但數字卻講述了一個不同的故事——2025 年每股收益增長 47%，2026 年增長 26%，計算的結構性轉變將在未來幾年推動對 Nvidia 技術的需求。市場可能還沒有完全反映出這種轉變的規模有多大——但 Nvidia 的執行力仍然讓這一事實無可否認。\\ 最好的日子已經過去還是市場錯了？ Nvidia 在人工智慧領域的角色不僅是保持主導地位，還在於塑造定義下一個運算時代的基礎設施。將其最好的時光視為已過去，忽略了正在發生的事情的規模。人工智慧革命並沒有放緩——它正在演變成更大的事物，而 Nvidia 仍然處於這場革命的中心。 事實證明，Blackwell 是一個關鍵的轉折點，不僅在 GPU 架構方面，而且在 AI 本身的發展方式方面。第一波人工智慧是圍繞著 LLM 建立的，它需要大量運算能力進行訓練和推理。僅此一項就推動了 Nvidia 過去兩年的成長。但真正的轉變正在發生，人工智慧正進入推理和決策階段——這項進步需要指數級的運算能力。 Nvidia 的第一季電話會議明確表示：在 Blackwell 上，推理 AI 模型不僅速度顯著加快，而且其擴展速度是以前架構的 25 倍。這不僅是為了提高效率，也是為了釋放先前受到運算限制的全新功能。黃仁勳本人也直言——推理將需要傳統AI模型100倍的運算能力。這種轉變已經開始，而 Nvidia 的硬體是唯一能夠大規模支援這種轉變的硬體。 布萊克威爾的採用曲線凸顯了這個勢頭。該產品的成長速度是 Nvidia 歷史上最快的，而且向 Blackwell Ultra 的過渡預計會更加平穩，從而消除先前硬體轉變中出現的低效率現象。這很重要，因為 Nvidia 不僅僅銷售晶片，它還銷售 AI 所依賴的基本運算層。人工智慧代理現在被認為是人工智慧的下一個主要衍生品，正從概念走向現實。這些系統所需要的不僅僅是基本的推理——它們需要處理資訊、做出即時決策以及以超越靜態、預訓練模型的方式進行互動的能力。這種計算需求並不是線性的──而是呈指數級的成長。 Nvidia 不僅緊跟 AI 的發展，還在推動 AI 的發展。 除了人工智慧推理之外，Nvidia 還將自己定位為更大的目標：將人工智慧擴展到物理世界。機器人和人工智慧驅動的自動化代表著一個潛在的市場，其規模遠遠超過數位人工智慧。目前對運算的需求主要與軟體驅動的人工智慧應用有關——語言模型、影像生成和數位生態系統內的自動化。但實體經濟不是軟體，而是實體商品、物流、製造和供應鏈。人工智慧機器人不僅需要訓練層面的高效能運算，還需要在現實環境中持續的推理和決策能力。黃仁勳將這種轉變描述為“物理 AI”，並指出機器人代表著一種全新的計算範式，而這甚至還沒有被納入 Nvidia 的近期預測中。 Nvidia 成長的瓶頸不是需求，而是供應。多年來，該公司一直在供應受限的情況下運營，一開始是由於晶圓產能達到 $TSM，現在又由於 CoWoS（晶圓上基板晶片）封裝。這種先進的封裝流程使 Nvidia 能夠將多個 GPU 整合到單一 AI 系統中，從而構成其價值數百萬美元的 AI 叢集的骨幹。台積電已經宣布，到 2026 年，CoWoS 產能將以 65% 的複合年增長率擴大，此舉可能會為 Nvidia 擴大產量的能力帶來更多上升空間。如果供應仍然是唯一的限制因素，那麼 Nvidia 超出獲利預期的能力就非常高。普遍預測未來兩年每股收益將成長 35%，但如果 CoWoS 擴張速度快於預期，獲利成長可能會大幅提高。市場尚未完全反映這種可能性，因此英偉達的業績將連續幾季超出預期。 同時，Nvidia 的轉型不僅限於硬體。該公司圍繞 CUDA 構建的 AI 軟體堆疊正在成為其自身的創收機器。 Nvidia 已經推出了 AI 軟體訂閱服務，每個 GPU 收費約 5000 美元，以最大限度地提高其晶片的效率和性能。管理層預計到 2030 年軟體收入的複合年增長率將達到 110%，預計到 2030 年底 AI 軟體訂購量將達到 300 億美元。雖然這不會取代硬體成為主要收入來源，但它從根本上改變了商業模式。正如$AAPL 從純粹的硬體公司轉變為依靠服務和軟體蓬勃發展的公司一樣，Nvidia 也在不斷增加高利潤、經常性的收入來源，以平滑其歷史週期性。從以硬體為中心的企業向更廣泛的 AI 基礎設施公司的轉型已經在進行中——NVIDIA 已在新數位經濟中站穩了腳跟。 人工智慧革命仍處於早期階段，而 Nvidia 仍然是實現這一目標的關鍵力量。從傳統人工智慧到基於推理的人工智慧的轉變已經需要更高數量級的運算能力。人工智慧在機器人和自動化領域的擴展將推動更大的需求。隨著 Nvidia 解決其供應限制問題、以創紀錄的速度提高 Blackwell 的產量並向高利潤軟體領域擴張，認為其最好的日子已經過去的說法經不起推敲。但數字卻講述了一個不同的故事——2025 年每股收益增長 47%，2026 年增長 26%，計算的結構性轉變將在未來幾年推動對 Nvidia 技術的需求。市場可能還沒有完全反映出這種轉變的規模有多大——但 Nvidia 的執行力仍然讓這一事實無可否認。
#NVDA
From @StockSavvyShay