【財經一點通】數據之外大解析！輝達財報黃仁勳對談8要點 一文看懂AI未來

Nvidia的財報數字只能告訴你過去發生了什麼，但分析師的提問，卻代表了市場的疑問，能揭示未來的風險在哪裡。

拋開冷冰冰的財報表，我們一起來看看黃仁勳和Colette Kress是如何回答的。

1. 關於雲端巨頭「燒錢」買晶片的可持續性

Vivek Arya (Bank of America)：「雲端巨頭（如微軟、Google、Meta）今年的資本支出（CapEx）已經高達 7,000 億美元。投資人擔心他們還有錢繼續買嗎？如果他們沒錢了，NVIDIA 還能成長嗎？」

黃仁勳的觀點是，過去，企業買電腦是為了「辦公」或「儲存資料」，這是一種成本。但在 AI 時代，買 GPU 就像是買「印鈔機」。

想像這些雲端公司是開工廠的。以前他們買機器是為了維持工廠運作。現在，他們買 NVIDIA 的 GPU 是為了建造「AI 工廠」。這些工廠生產的產品叫做 Token（AI 生成的每一個字、每一張圖都由 Token 組成）。

全世界都在付費購買這些 Token（例如你付費訂閱 ChatGPT，企業付費使用 API）。只要 Token 能賣錢，雲端公司就會繼續買機器來生產更多 Token。

現在的 AI 不再只是陪你聊天的機器人，而是能幫你寫程式、做研究的「代理人 (Agent)」。這種 AI 非常有用，需求量極大，因此雲端公司必須不斷擴充產能（買更多 GPU）來滿足需求，否則他們就賺不到這筆錢。

在黃仁勳看來，只要 AI 能幫企業賺錢，雲端巨頭就不會停止購買 NVIDIA 的晶片，因為這是在投資賺錢工具，而不是單純的花費。

2. 軟體 (CUDA) 在「推論」時代的重要性

Atif Malik (Citi)：「大家都知道 NVIDIA 的 CUDA 軟體在「訓練」AI 模型時無可取代。但現在市場轉向「推論」（Inference，即實際使用 AI），這似乎比較簡單？NVIDIA 的軟體護城河還在嗎？」

黃仁勳的答案是，以前的推論很簡單，一顆晶片就能搞定。但現在的模型（如 GPT-5.3）太巨大了，需要幾十顆甚至幾百顆 GPU 聯合運作才能回答一個問題。

想像你在指揮一個 100 人的交響樂團（GPU 叢集）來演奏一首曲子（回答一個 AI 問題）。如果沒有一個超強的指揮家（CUDA 和相關軟體），這 100 個人就會亂成一團，演奏出來的聲音既慢又難聽。

NVIDIA 的軟體能讓這 100 顆 GPU 完美同步。這直接影響成本：如果軟體優化得好，生成一個字的成本就低，速度就快。對於雲端公司來說，這意味著利潤更高。

未來的 AI 會自己思考、調用工具、分派任務給其他 AI。這種複雜的流程需要極其強大的軟體底層來支撐，這正是 NVIDIA CUDA 的強項。

3. 高毛利率能維持多久？

Ben Reitzes (Melius Research)：「NVIDIA 的毛利率高達 75%（這在硬體業是非常驚人的）。這能維持到 2027 年甚至更久嗎？」

Colette Kress (CFO) 回答到，NVIDIA 維持高利潤的祕訣不是漲價，而是提供「超值」的效能提升。

假設上一代晶片賣 100 元，效能是 1。新一代晶片賣 200 元，但效能是 50。雖然價格貴了兩倍，但對客戶來說，獲得同樣效能的成本其實大幅下降了。

只要 NVIDIA 能持續做出這種「效能飛躍」的產品，客戶就願意付高價，因為這反而幫他們省了錢（省電、省空間、省時間）。

黃仁勳強調，他們跑得比摩爾定律還快。他們每年都推出新架構（Blackwell, Rubin），這種瘋狂的創新速度讓競爭對手難以追趕，也讓他們擁有定價權。

4. 太空數據中心：科幻還是現實？

Antoine Chiketan (New Street Research)：「有些客戶想把數據中心發射到太空中。這真的可行嗎？經濟效益如何？」

黃仁勳回應到，太空中雖然冷，但沒有空氣（真空），熱量很難散發出去（就像保溫瓶原理）。所以在太空中幫電腦散熱非常困難且昂貴。

雖然建大規模數據中心很難，但在太空中做「邊緣運算」非常有價值。

衛星每天拍下海量的高解析度照片。如果要把這些原始照片全部傳回地球，傳輸費非常貴且慢。如果在衛星上直接放一顆 NVIDIA 晶片，用 AI 先分析照片，只把「有價值的結果」（例如：發現哪裡有森林火災）傳回地球，這就非常划算。

5. 客戶不只是雲端巨頭

Mark Zapakos (Evercore ISI)：「雖然雲端巨頭佔了一半營收，但其他客戶（非雲端巨頭）的成長似乎更快？他們在做什麼？」

黃仁勳認為，除了 Google、Meta 這些巨頭，現在「主權國家」（如日本、法國想建立自己的 AI）、「汽車公司」（訓練自動駕駛）、「製藥公司」（用 AI 找新藥）都在買 GPU。

NVIDIA 的優勢在於它的平台是通用的。同一套硬體和軟體（CUDA），既可以拿來訓練 ChatGPT，也可以拿來模擬天氣，或者控制機器人。這讓 NVIDIA 的客戶群非常多樣化，不依賴單一產業。

6. 為什麼要推出獨立的 CPU (Vera)？

Aaron Rakers (Wells Fargo)：「NVIDIA 是做 GPU 起家的，為什麼現在要大力推廣獨立的 CPU 產品（Vera）？」

在黃仁勳看來，AI 不僅僅是訓練（這部分 GPU 最強）。在訓練之前，需要處理海量數據（Data Processing）；在訓練之後，AI 代理需要執行邏輯判斷和使用工具（Post-training）。

如果 GPU 是負責「思考」的大腦，那麼 CPU 就是負責「手腳」和「整理資料」的管家。當 AI 變得越來越像人類（代理式 AI），它需要做很多邏輯切換和工具操作，這時候需要一顆單執行緒性能極強的 CPU 來配合 GPU。

Vera 不是普通的 CPU，它是專門為了配合 AI 工作流程中「非 GPU 擅長」的部分而設計的，特別是在數據處理和複雜邏輯執行上。

7. 賺了這麼多錢，為什麼不大量回購股票？

Tim Arcuri (UBS)：「NVIDIA 手上現金快要達到 1,000 億美元了，股價卻沒有大漲。為什麼不乾脆拿一大筆錢買回自家股票（這通常會推升股價）？」

Colette Kress表示，NVIDIA 確實有在回購股票和發股利，但他們更傾向於把錢拿去「投資生態系」。

為了確保未來幾年都能賣出晶片，NVIDIA 需要先付錢給供應商（如台積電）鎖定產能，還需要投資那些用 NVIDIA 晶片的新創公司（如 OpenAI, Anthropic）。這是在「養魚」，確保未來的市場需求，比短期拉抬股價更重要。

8.　3-4 兆美元的市場預測是真的嗎？

Jim Schneider (Goldman Sachs)：「 Jensen 曾預測未來數據中心市場規模將達到 3 到 4 兆美元。現在還堅持這個看法嗎？動力是什麼？」

在黃仁勳看來，軟體的本質改變了，變成了從「預錄」到「生成」。

在舊時代（預錄），以前的軟體就像「DVD 播放器」。內容是先寫好的、錄好的，電腦只是把它讀出來。這需要的算力很小。

在新時代（生成），AI 時代的軟體就像「即時演員」。每一個字、每一張圖都是當下根據你的需求「算」出來的。這需要的算力是以前的成千上萬倍。

未來所有的軟體都會變成 AI，所有的 AI 都在產出 Token。世界將從「檢索數據」轉向「生成 Token」。因此，現有的數據中心規模遠遠不夠，必須重建整個基礎設施。

所以在他看來，3-4 兆美元可能還低估了，因為這是一場新的工業革命。

p.s. 新一期的深入分析已經發出，主題是「高市早苗上任後的日本投資」。這次我們不談AI(其實還是會有AI)，談國策。如果對日本投資有興趣，但又對這個市場完全沒有認知的話，歡迎你加入，看完後你會對日本有一個更宏觀的了解。

本文由臉書粉專「Fomo研究院」授權提供