NVIDIA 揭露 2,000 億美元 CPU 商機與 910 億美元營收展望，代理式 AI 需求呈拋物線成長
2027 財年第一季財報會議 — 2026 年 5 月 20 日
NVIDIA 召開了近期記憶中最關鍵的一次財報會議。這不僅是因為數據亮眼——單季營收達 820 億美元，年增率高達 85%，表現極為驚人——更在於兩項結構性的揭露，從根本上改變了投資論點：一是獨立的 Vera CPU 業務，其短期營收能見度達 200 億美元，且未包含在先前 1 兆美元的財測中；二是全新的業務分類方式，揭露了一個成長快速且 NVIDIA 幾乎獨占、但多數投資人長期低估的市場。
營收、現金回饋與各項指標均創紀錄
總營收 820 億美元刷新了上季創下的紀錄，較第四季成長 20%，實現連續 14 季季增，並連續 3 季實現年增率加速。單季營收增加 135 億美元本身即創下紀錄。資料中心（Data Center）營收達 750 億美元，年增 92%，季增 21%；其中運算業務為 600 億美元，網路業務則為 150 億美元，年增近三倍，規模已超越所有乙太網路同業的總和。自由現金流達 490 億美元，高於上季的 350 億美元。NVIDIA 僅在第一季就向股東回饋了創紀錄的 200 億美元，並宣布在剩餘 390 億美元的基礎上，額外授權 800 億美元的庫藏股計畫。季度股利從每股 0.01 美元調升至 0.25 美元——執行長黃仁勳在會議上特別糾正了財務長 Colette Kress 最初誤報的 0.20 美元，並指出額外的 0.05 美元「對大股東來說意義重大」。
CPU 重磅消息：模型中未曾納入的 2,000 億美元 TAM
本次最重要的新揭露是 NVIDIA 的 Vera CPU 業務。黃仁勳明確表示：「Vera 為 NVIDIA 開啟了一個全新的 2,000 億美元潛在市場總量（TAM），這是我們從未涉足過的領域。」更直接的是，該公司預計今年獨立 Vera CPU 營收能見度近 200 億美元——此數字明確排除在 GTC 大會公布的 1 兆美元 Blackwell 與 Rubin 營收預測之外。當高盛分析師 James Schneider 追問該 1 兆美元上限之外的成長空間時，黃仁勳將獨立 Vera CPU 列為僅次於前端 AI 模型運算市占率成長的第二大增量來源。
Vera 不僅是一顆晶片，更是一個具備四種不同應用場景的平台。第一是與 Rubin GPU 配對的 Vera Rubin 系統；第二是獨立的 Vera CPU；第三是搭配 CX-9 網路技術用於儲存；第四是搭配 CX-9 優化用於機密運算與安全。黃仁勳明確指出，預期在 Vera Rubin 整個產品生命週期中，這四種配置都將面臨供應吃緊。其架構邏輯專為代理式 AI（agentic AI）時代打造：「過去的經濟學是每核心成本（dollars per core），而未來 AI 的經濟學是每美元產出的 Token 數量（tokens per dollar）。我們未來需要做的是盡可能快速地生成與處理 Token，而這正是 Vera 的強項。」
全新報告架構揭露超大規模雲端服務商資本支出盲點
NVIDIA 正在淘汰舊有的業務分類，改採「資料中心」與「邊緣運算」（Edge Computing）兩大市場平台，其中資料中心細分為「超大規模雲端」（Hyperscale）與「ACIE」（AI 雲端、工業與企業）。第一季中，超大規模雲端營收為 380 億美元（約占資料中心 50%），季增 12%。ACIE 營收為 370 億美元，季增 31%，其中 AI 雲端營收年增超過三倍。主權 AI（Sovereign AI）營收年增超過 80%，NVIDIA 的基礎設施目前已部署於全球近 40 個國家，這些國家合計占全球 GDP 的 50 兆美元。規模超過 10 兆瓦（megawatts）的合作夥伴資料中心數量在一年內幾乎翻倍，達到 80 多個站點。
此次分類調整具有顯著的分析意義。投資人若將超大規模雲端服務商（hyperscaler）的資本支出成長作為衡量 NVIDIA 成長軌跡的指標，方向顯然錯誤。黃仁勳直接向摩根士丹利分析師 Joseph Moore 表示：「我們的成長速度應該要超越超大規模雲端的資本支出。」他進一步解釋，ACIE 領域——AI 原生雲端、企業地端部署、主權 AI 與工業應用——因需要高度整合的全端解決方案與廣泛的生態系支援，競爭對手難以進入。「由於我們擁有平台級解決方案，極少有公司能觸及第二類市場。」黃仁勳並指出，在 ACIE 領域，NVIDIA 擁有「絕大多數」的推論（inference）市占率，且在規模化應用上幾乎沒有競爭對手。
Vera Rubin 產能爬坡：第三季啟動，第四季加速，所有頂尖實驗室均已承諾採用
Vera Rubin 的生產出貨將於第三季啟動，產能爬坡在第四季與下一財年第一季加速，被形容為「肯定會非常龐大」。Colette Kress 確認訂單已經到位，主要客戶準備就緒。黃仁勳對此週期的信心異常強勁：「每一家開發前端模型的公司都會從一開始就投入 Vera Rubin，這在 Blackwell 時期並非如此。」在效能方面，與 Blackwell 相比，Vera Rubin 的推論吞吐量提升達 35 倍，AI 工廠營收潛力提升達 10 倍。本季發布的 MLPerf 推論結果顯示，Blackwell Ultra 在所有基準測試中大獲全勝，GB300 實現了 2.7 倍的吞吐量提升，且與六個月前相比，每 Token 成本降低了 60%。
Google 是大規模應用的早期採用者：其 A5X 裸機實例（bare metal instances）可支援跨多個站點、高達 96 萬顆 Rubin GPU。黃仁勳主張，年度產品週期本身就是一道競爭護城河：「我們無與倫比的年度產品節奏，是支撐我們市場地位的關鍵支柱。」
與 Anthropic 的合作代表推論市占率顯著提升
本次會議中，一項重要的策略性揭露是 NVIDIA 與 Anthropic 關係的深化。黃仁勳證實，NVIDIA 先前對 Anthropic 的覆蓋範圍「直到最近幾乎為零」，目前正致力於確保 Anthropic 在 AWS、Azure、CoreWeave、SpaceXAI 以及其他即將公布的平台上獲得運算能力。「我們今年和明年為 Anthropic 帶來的產能將相當可觀，非常可觀。」加上與 OpenAI（GPT-5.5 專為 Blackwell 設計並在其上訓練）、xAI、Meta、Google、Cursor、Perplexity 等公司的現有合作，NVIDIA 在前端模型運算的市占率正在擴大，而非停滯。
微軟的 Fairwater 被譽為全球最強大的 AI 資料中心，已提前上線，由數十萬顆 Blackwell GPU 驅動。AWS 將從今年開始增加超過 100 萬顆 Blackwell 與 Rubin GPU。
中國營收維持零，短期內無明確進展
儘管美國政府批准了向中國客戶出口 H200 的許可，但 NVIDIA 尚未產生任何中國資料中心運算營收，且第二季展望中亦未包含任何相關收入。Kress 明確表示：「我們不確定是否會有任何進口獲准。」這對原本可能更強勁的成長態勢造成了顯著拖累，投資人目前應將中國營收的恢復視為一種選擇權（optionality），而非基準情境。
LPX：利基型產品，非戰略威脅
瑞銀分析師 Timothy Arcuri 詢問了關於 NVIDIA 自家 LPX 加速器的問題——這是一款基於 SRAM、針對高 Token 速率優質服務的低延遲推論晶片。黃仁勳的描述刻意保持低調。LPX 具有「低吞吐量」、有限的模型規模容量與受限的上下文處理能力，使其不適合代理式工作負載或軟體編碼等大上下文任務。「我仍然預期 LPX 與其他基於 SRAM、專注於解碼的加速器，在未來一段時間內都將只是利基產品。」黃仁勳估計，目前其可觸及的應用場景遠低於推論需求的 20%。這種定調很重要：NVIDIA 並未將 LPX 定位為廣泛的推論解決方案，而是作為已擁有高吞吐量 NVIDIA 基礎設施的供應商，所提供的互補型優質服務附加元件。
代理式 CPU 論點：數十億個代理，每個都在 Vera 上運行
黃仁勳在會議中針對支撐 Vera CPU 採用的結構性需求發表了最詳盡的見解。其邏輯如下：代理式 AI 系統涉及一套控制框架（harness）——包含編排、記憶體管理、工具使用、瀏覽器互動、編譯器執行等——這些都在 CPU 上運行，而推論（即真正的思考過程）則在 GPU 上進行。隨著活躍 AI 代理的數量從現在的數十萬成長到數十億，每個代理在執行工具與生成子代理時，會產生巨大的平行 CPU 需求，這在架構上不同於傳統雲端工作負載。「代理不會租用核心，它們只希望工作能快速完成。」NVIDIA 同時正在加速全球主要軟體工具的運作——如 Cadence、Synopsys、Siemens、Adobe——讓工具執行在 CUDA 上運行，創造出一種緊密耦合的 CPU-GPU 需求循環，這使得競爭對手難以介入。
第二季財測與全年框架
第二季營收展望為 910 億美元（正負 2%），意味著約 11% 的季增，主要由資料中心業務推動。毛利率預計維持在 75%（非 GAAP），全年毛利率指引維持在 75% 左右。第二季營運支出（OpEx）預計將達到 83 億美元（非 GAAP），全年營運支出成長率指引上調至年增 40% 以上，高於先前預期，反映了研發支出的增加與內部 AI 工具使用的加速。受地理區域組合影響，全年稅率展望從 17%-19% 優化至 16%-18%。第一季供應承諾（包含庫存採購承諾與預付供應款）達到 1,450 億美元，顯示公司持續積極採購以滿足未來需求。該公司重申對 2025 年至 2027 年期間 Blackwell 與 Rubin 累計營收達 1 兆美元的信心——且 Vera CPU 的成長空間完全不包含在該數字內。
NVIDIA Corporation 深度分析
商業模式與營收架構
NVIDIA 已從半導體元件設計商，結構性轉型為垂直整合的人工智慧（AI）基礎設施供應商。該公司絕大多數營收來自於架構設計、開發並銷售完整的人工智慧資料中心平台。過去 NVIDIA 依賴遊戲用的獨立繪圖處理器（GPU），如今重心已全面轉向資料中心。截至 2027 會計年度第一季，資料中心營收達 752 億美元，佔該公司 816 億美元季度總營收的 92% 以上。NVIDIA 不再僅僅提供單一矽晶加速器，而是銷售全堆疊（full-stack）伺服器機架、先進網路架構及企業級軟體。這種系統級的策略使公司能從運算供應鏈中獲取最大價值，實質上將整個資料中心視為現代運算單元。
營收基礎的結構性演變，在網路部門的爆發式成長中最為顯著。NVIDIA 於 2020 年以 70 億美元收購 Mellanox，其網路部門在 2027 會計年度第一季單季營收即達 148 億美元，年增 199%。在連結數千個獨立處理單元所需的 Spectrum-X 乙太網路與 Quantum InfiniBand 技術推動下，NVIDIA 的網路業務營收現已超越傳統企業交換器供應商的總和。該公司近期將報告結構重新劃分為「資料中心」與「邊緣運算」，明確界定了其在超大規模基礎設施與分散式 AI 推論端點的布局。其獲利引擎仰賴每年一次的架構更新節奏，迫使客戶為在大型語言模型（LLM）訓練與部署中保持競爭力，必須進行持續性的硬體升級。
產業動態與客戶集中度
AI 基礎設施的需求結構仍高度集中於雲端運算金字塔頂端。超大規模雲端服務供應商（Hyperscalers）——主要是 Microsoft Azure、Google Cloud、Amazon Web Services 與 Meta Platforms——約佔該公司資料中心營收的一半。這些企業正投入一場打造「吉瓦（gigawatt）級」基礎設施的軍備競賽，推動 2026 日曆年度的超大規模業者資本支出總額預計將達 7,250 億美元。然而，NVIDIA 已積極且成功地分散客戶群，以稀釋集中度風險。其餘一半的資料中心營收現由主權 AI 計畫、企業部署及專業新興雲端（neocloud）基礎設施供應商所貢獻。這種需求的擴大證明了對 NVIDIA 硬體的依賴已深入全球經濟結構，而非僅限於少數美國軟體巨頭。
供應鏈限制仍是營收認列的關鍵門檻，這使得 NVIDIA 掌握了全球 AI 部署的節奏。作為無廠半導體設計公司，NVIDIA 完全依賴台積電（TSMC）進行實體生產。關鍵瓶頸在於先進的「晶圓級封裝」（CoWoS）技術，這是將處理核心與高頻寬記憶體（HBM）結合的必要製程。透過策略性地鎖定 2026 年前全球約 60% 至 70% 的封裝產能，NVIDIA 實質上建立了一道實體供應護城河。此產能預留嚴重限制了競爭對手能投放市場的高效能晶片數量，使公司得以維持強大的定價權，即便在複雜的產品轉換期，毛利率仍能維持在 75% 的水準。
競爭格局與市占率
NVIDIA 持續穩固其在 AI 加速器市場的統治地位，截至 2026 年初，按營收計算的市占率約為 80% 至 86%。主要的商用晶片競爭對手 Advanced Micro Devices（AMD）憑藉 Instinct MI350 及即將推出的 MI400 架構，搶占了約 5% 至 7% 的市場。儘管 AMD 提供具吸引力的性價比，並作為成本敏感型雲端供應商的重要次要供應來源，但仍難以打破 NVIDIA 生態系統的高轉換成本。對 NVIDIA 壟斷地位的真正威脅，並非來自其他商用半導體供應商，而是來自其最大客戶內部的自研晶片計畫。這些超大規模業者正積極轉向應用特殊積體電路（ASIC），以回收利潤並掌握基礎設施的自主權。
Google 第七代 Tensor Processing Unit（TPU）、Amazon Trainium 3 與 Microsoft Maia 加速器等自研矽晶平台，代表了一股快速增長的競爭力量。在 Broadcom 與 Marvell 等公司的設計服務及網路智慧財產權支援下，這些超大規模業者的內部專案正搶占越來越多的運算部署份額。市場數據顯示，客製化 ASIC 在本世紀末前的年複合成長率將達 44%。隨著雲端供應商將更多資本支出預算分配給內部晶片，NVIDIA 被迫持續擴大通用硬體與客製化晶片之間的效能差距。其策略在於以極致的創新速度，使雲端供應商若完全投入自研晶片將在經濟上變得不合理。
轉向推論與顛覆性競爭者
AI 工作負載的本質正經歷從「模型訓練」到「模型推論」的重大轉變。隨著大型語言模型從實驗室走向商業應用，以及運算密集型代理 AI（Agentic AI）系統的規模化，推論現已佔所有運算需求的約三分之二。這種轉變改變了硬體需求矩陣。訓練需求強調大規模平行處理與極高記憶體頻寬，而推論工作負載則看重超低延遲、Token 生成速度及單位查詢成本效率。鑑於推論經濟效益是實現長期軟體獲利的關鍵，業界已湧現大量資本雄厚的新進者，專門設計針對這些指標優化的架構。
隨著 Cerebras Systems 於 2026 年 5 月進行重量級首次公開募股（IPO），並以超過 560 億美元的完全稀釋估值上市，推論市場的競爭強度達到沸點。Cerebras 的「晶圓級引擎」（Wafer-Scale Engine）是一塊餐盤大小的單體晶片，直接針對傳統 GPU 固有的延遲瓶頸進行攻擊。NVIDIA 並未被動應對，而是積極利用資產負債表整合推論領域。該公司於 2025 年 12 月以 200 億美元收購客製化晶片新創公司 Groq，是一次決定性的防禦手段。透過將 Groq 的低延遲推論架構納入麾下，NVIDIA 有效移除了市場上最具威脅的獨立架構挑戰者，確保其在模型訓練與實時應用部署中始終位居基礎層地位。
產品藍圖與創新速度
NVIDIA 對抗客製化晶片與新興架構的終極防禦，在於其不間斷的產品發布節奏。公司已成功將兩年一次的架構週期轉變為高強度的年度發布計畫。隨著 Blackwell 架構在 2027 會計年度上半年進入全球全面量產，公司同時加速了下一代平台 Vera Rubin 的時程。通路情報顯示，Rubin R100 GPU 已於 2026 年 4 月提前進入量產。該架構採用 3 奈米製程並整合次世代高頻寬記憶體，據報導其推論效能較 Blackwell 提升五倍，Token 生成成本則降低十倍。
硬體優勢由 NVIDIA 專有的 Compute Unified Device Architecture（CUDA）軟體堆疊強力支撐。近二十年來，公司持續補貼並將其軟體庫嵌入學術機構與企業開發者生態系統。所有主流 AI 架構均原生整合此軟體層，為任何試圖將工作負載遷移至其他商用晶片或超大規模業者自研晶片的開發者，製造了巨大的摩擦壁壘。要與 NVIDIA 抗衡，競爭對手不僅需設計出更優越的硬體，還必須從零開始打造同等水準的軟體堆疊，同時說服開發者放棄熟悉的工具。極致的硬體工程速度與深厚的軟體生態護城河，構成了當代科技產業最難以攻破的競爭優勢。
管理層績效與資本配置
在創辦人兼執行長黃仁勳（Jensen Huang）的領導下，管理團隊展現了卓越的戰略遠見與執行力。黃仁勳在生成式模型爆發前十年，便為 AI 超級週期進行布局，在商業需求浮現前即已深耕硬體與軟體生態系統。在當前的高成長階段，管理層克服了巨大的供應鏈挑戰，成功將數兆電晶體規模的架構投入量產，同時在 2027 會計年度第一季將 GAAP 毛利率維持在 74.9% 的驚人水準。此營運紀律證明，該公司能在不犧牲單位經濟效益的前提下，突破運算的實體極限。
近期資本配置政策的演變，顯示管理層對未來自由現金流產出持久性的高度信心。在 2027 會計年度第一季財報發布之際，董事會授權了史無前例的 800 億美元股票回購計畫，並將季度現金股利提高 25 倍至每股 0.25 美元。歷史上，半導體硬體公司常利用週期性高峰囤積現金以應對不可避免的衰退。管理層選擇系統性地將數百億美元回饋股東，同時資助業界最資本密集的研發藍圖，此舉傳遞了一個明確訊號：當前的基礎設施建設是結構性的永久趨勢，而非短暫的週期性現象。
總結
NVIDIA 是全球 AI 基礎設施建設無可爭議的建築師，憑藉深厚的軟體生態系統與嚴密的供應鏈鎖定，握有 80% 的市占率。該公司能在 816 億美元的季度營收基礎上維持 75% 的毛利率，證明其硬體仍是超大規模業者實現戰略目標的終極門檻。透過提前推出 Rubin 架構並策略性收購推論領域的顛覆性競爭者，NVIDIA 已預先化解了最嚴峻的架構威脅，並設定了商用競爭對手與內部矽晶專案難以企及的創新節奏。
主要風險在於維持此成長週期所需的超大規模資本支出規模，以及自研晶片能力提升後對 NVIDIA 定價權的長期侵蝕。然而，隨著需求轉向主權實體與分散式邊緣運算，加上 148 億美元季度網路業務的規模化，為公司提供了對抗單一客戶流失的結構性緩衝。積極的資本回饋計畫進一步降低了股權風險，鞏固了該公司從週期性硬體供應商轉型為數位經濟中成熟、具備強勁現金產出能力的公用事業型供應商之地位。