黃仁勳解釋為何 NVIDIA 準備在明年及未來實現驚人的 70% 增長
目錄
你可能想知道的
1. NVIDIA 的硬體與生態系策略如何創造出黃仁勳所說的對 AI 需求的可見性？
2. 競爭對手、雲端供應商的自研晶片，或基礎設施效率的改變，是否會削弱 NVIDIA 的預測？
主要議題
在高盛 Communicopia + Technology 大會上，NVIDIA 的創辦人兼執行長黃仁勳提出了一個有力的論點，說明為何公司預期在 AI 時代能持續快速成長——其中包括對明年約 70% 年營收成長 的預測。他的論述建立在多個互相連結的要素上：當前 AI 硬體部署的規模與專門化、NVIDIA 在 AI 棧中的廣泛角色，以及公司對全球 AI 基礎設施建設的深入可見性。
黃仁勳首先重新塑造人們對 NVIDIA 產品的想像。公司不再販售給 PC 遊戲玩家的廉價獨立晶片；相反地，它提供複雜且大規模的系統。舉例來說，他以過去對於 399 美元 GPU 的歷史印象作對比，說明現代超大規模系統：這些配置每單位可能價值數百萬美元，包含數千個互連元件、專用互連技術，以及極大的用電需求。用黃仁勳的話來說，單一現代 GPU 部署可代表 數百萬美元 的硬體與基礎設施。
這種單位經濟的轉變很重要，因為它改變了需求如何轉化為營收。大型整合系統不是一次性的零售購買；它們是數百萬美元的訂單，當 AI 計畫擴張時會迅速放大。黃仁勳引用了一個具體的產品組合範例：一套結合數十顆 CPU 與 GPU 的電腦系統，其月增長率強勁。他指出一種包含 36 顆 Grace CPU 與 72 顆 Blackwell GPU 的設備配置，該類系統的銷售約以 27% 月增 的速度成長。如此在高單價系統上的成長率可迅速復合成非常可觀的營收增加。
除了單位經濟以外，黃仁勳強調 NVIDIA 在 AI 生態系中的嵌入式地位。他將 NVIDIA 描述為一個基礎平台，被大量 AI 計畫採用——從超大規模服務商與雲端供應商，到以 AI 為核心的新創公司與研究實驗室。這種廣泛的參與意味著 NVIDIA 向許多建構與訓練最具需求模型的組織供應晶片與系統，包括大型 AI 實驗室與公共雲營運商。透過供應這些使用者所需的運算資源，NVIDIA 得以全景式地觀察 AI 容量在哪裡、何時以及如何被部署。黃仁勳將這種可見性框定為一項策略優勢：「我們在追蹤全球每一個土地、電力、殼體的每一個千瓦」，他說的是資料中心殼體與流入 AI 計畫的電力配置。這種層次的資訊幫助 NVIDIA 以少數供應商能達到的細緻程度來預測需求。
黃仁勳論點的另一個支柱是 NVIDIA 的商業手法與資本合作關係。公司與客戶及合作夥伴建立融資與投資安排，這點曾受到外界關注，因為歷史上曾有資本循環掩蓋需求弱點的前例。黃仁勳直接以幽默與商業上的清晰回應了這項批評：雖然 NVIDIA 可能會對合作公司注入股權或資本，但這些投資通常是在有可見的商業合約與實際採購承諾之後才進行。他表示公司看到的是在支撐其市場曝險的 數百億美元 的真實、能產生收入的合約——將投資框定為具有催化效果而非純投機。
黃仁勳的樂觀看法也建立在依賴 NVIDIA 硬體的工作負載與模型多樣性上。他斷言「每一個模型」與「每一個實驗室」都可以使用 NVIDIA 的平台，強調公司對開放權重模型以及主要 AI 實驗室的專有系統的相容性。這種跨領域的相容性強化了公司成為許多構建 AI 能力組織的默認選擇，從而在多個領域中鞏固了經常性的需求。
不過，黃仁勳與公司並未忽視競爭環境。他承認包括 Amazon、Microsoft 與 Google 在內的超大規模業者正在開發自有晶片，還有專門的新創公司與公開上市的競爭者也在瞄準 AI 硬體。基本問題在於這些努力是否能夠足夠快速地擴展，以顯著削減 NVIDIA 的市占率。黃仁勳主張，要達到競爭均等，不僅需要設計晶片，還必須打造完整的封裝、互連、散熱、軟體與供應鏈協調，這些是大規模 AI 部署所要求的。這種複雜性成為快速取代的障礙，也解釋了為何即便其他人開發自家或替代的解決方案，NVIDIA 常仍居於核心地位。
當然，也有可能抑制 NVIDIA 成長的相反力量。隨著 AI 工作負載與基礎設施成熟，組織可能會為了成本效益與 Token 使用率進行優化，降低每個模型的邊際運算需求。雲端供應商可能把更多運算堆疊內部化，新架構也可能改變每瓦效能的表現。然而，基於大型模型訓練的當前軌跡、高單價系統銷售的乘數效應，以及 NVIDIA 對全球資料中心擴建計畫的洞察，黃仁勳預測在下一會計年度將持續出現非常強勁的增長。
簡言之，NVIDIA 對於可能達到 70% 營收成長 的論點建立在四項互相連結的主張上：現代 AI 系統單位經濟的劇變、NVIDIA 在 AI 模型開發中的普遍角色、公司對資料中心與電力部署的細緻可見性，以及能將需求訊號轉化為承諾購買的商業安排。這些要素合在一起構成了黃仁勳自信預測的核心，同時也承認效率、競爭與架構創新等長期動態會影響這個故事如何演變。
重點洞見表
| 面向 | 描述 |
|---|---|
| 單位經濟轉變 | 現代 AI 系統是數百萬美元的部署，而非消費等級的 GPU，放大了每筆銷售的營收。 |
| 銷售動能 | 某些產品組合報告約 27% 月增 的銷售成長，顯示快速擴張。 |
| 生態系覆蓋 | NVIDIA 向超大規模供應商、AI 實驗室與新創公司供貨，使其成為 AI 產業的基礎平台。 |
| 需求可見性 | 公司追蹤全球資料中心殼體、千瓦數與合作夥伴的建造計畫以預測需求。 |
| 投資策略 | 對合作夥伴的定向投資與真實客戶合約相連，將資本轉化為承諾購買。 |
| 風險 | 來自自研晶片的競爭、效率變化與演進中的架構可能會抑制長期成長。 |
之後……
展望未來，NVIDIA 的短期前景看起來強勁：公司深度綁定於推動 AI 發展的組織，且受惠於每次部署帶來的超額營收。然而，科技業的歷史警示領先地位會吸引競爭與創新。在中期內，請注意基礎設施效率的變動、雲端供應商的策略性晶片決策以及新的硬體架構。如果華為、超大規模業者、新創公司或開源方法在成本或效能上有實質改善，NVIDIA 的主導地位可能面臨壓力——但其當前規模、全面的生態系與對全球 AI 投資的可見性，為其在短期內持續成長提供了強大空間。
最終，黃仁勳的預測是一個可檢驗的論點：觀察季度訂單趨勢、報告的合約積壓以及揭露的合作關係，看是否預期的 70% 成長 實現，或市場與技術變化改變其軌跡。就目前而言，NVIDIA 在 AI 價值鏈中的地位使其樂觀的預估看來是合理的，而非純屬修辭。
