英伟达业绩会万字实录：黄仁勋畅谈AI、供应链、生态合作等（附财报PPT）

11月20日，英伟达公布2026财年第三季度财报，凭借AI基础设施领域的强劲表现，公司实现营收570亿美元，同比增长62%，季度环比增长达22%，创下100亿美元的环比营收增长纪录。其中，数据中心业务营收再创新高，达510亿美元，同比增幅66%，成为驱动公司增长的核心引擎。

分业务来看，计算业务同比增长56%，主要由Blackwell平台旗舰产品GB300带动，其贡献了Blackwell总营收的三分之二，目前已向主要云服务提供商和超大规模数据中心交付生产批次货品。网络业务表现更为突出，营收达82亿美元，同比激增162%，NVLink Scale-Up、Spectrum X Ethernet等产品的强劲增长成为关键动力。

其他业务板块中。游戏业务营收43亿美元，同比增长30%，Steam平台4200万并发用户的纪录印证了终端市场的强劲需求；专业可视化业务营收7.6亿美元，同比增长56%，由全球最小AI超级计算机DGX Spark驱动；汽车业务营收5.92亿美元，同比增长32%，自动驾驶解决方案成为增长主力，公司正与Uber合作扩展全球最大的L4级自动驾驶车队。

财务指标方面，公司盈利能力持续稳定。第三季度GAAP毛利率为73.4%，非GAAP毛利率达73.6%，超出市场预期。尽管非GAAP实际税率略高于预期的16.5%，达到17%以上，但强劲的营收增长仍推动净利润同比增长65%，稀释后每股收益达1.30美元，同比增幅67%。

对于第四季度，英伟达预计总营收将达650亿美元（正负2%），环比增长14%，GAAP和非GAAP毛利率预计分别为74.8%和75%。展望2027财年，尽管投入成本上升，公司仍计划将毛利率维持在70%左右。

以下为业绩会实录：

CFO科莱特·克雷斯发言发言

我们又实现了一个出色的季度，营收达到 570 亿美元，同比增长 62%，并创下了 100 亿美元或 22% 的季度环比营收增长纪录。我们的客户继续依赖三大平台转型，为加速计算、强大的 AI 模型和代理式应用提供了指数级增长的动力。

然而，我们仍处于这些转型过渡的早期阶段，它们将影响我们各个行业的工作。我们目前可见从今年初到 2026 年底，Blackwell 和 Rubin 带来的收入有 5000 亿美元。通过执行我们的年度产品节奏并通过全栈设计扩大我们的性能领先地位，我们相信英伟达将是每年 3 到 4 万亿美元 AI 基础设施建设的最佳选择。我们估计到本十年末，对 AI 基础设施的需求将继续超出我们的预期。云服务提供商的容量已售罄，我们的 GPU 装机量，无论是新的还是前几代的，包括 Blackwell、Hopper 和 Ampere，都得到了充分利用。

第三季度数据中心营收创纪录地达到 510 亿美元，同比增长 66%，以我们目前的规模来看，这是一项重大的成就。计算业务同比增长了 56%，主要由 GB300 的加速推广驱动，而网络业务增长了一倍多。这得益于 NVLink Scale-Up 的出现，以及 Spectrum X Ethernet 和 Quantum X On The World 在双位数方面的强劲增长。

万亿美元规模的超大规模数据中心正在将其搜索、通用智能、推荐和内容理解从传统的机器学习转变为生成式 AI。NVIDIA CUDA 在这两方面都表现出色，是这一转型的理想平台，驱动着数百亿美元的基础设施投资。在 Meta，AI 推荐系统正在提供更高质量和更相关的内容，增加了用户在 Facebook 和 Threads 等应用上的停留时间。

分析师预计 2026 年顶级 CSP 和超大规模数据中心的总资本支出将继续增加，目前约为 6000 亿美元，比年初增加了 2000 多亿美元。我们看到向加速计算和生成式 AI 的过渡，在我们当前的超大规模工作负载中，约占我们长期机遇的一半。另一个增长支柱是由 Anthropic、Mistral、OpenAI、Reflectron、Safe Superintelligence Thinking Machines Lab 和 XAI 等基础模型构建者推动的计算支出持续增加，他们都在积极扩展计算能力以提升智能水平。预训练、后训练和推理这三大规模定律依然有效。

事实上，我们看到一个积极的良性循环正在形成：三大规模定律和对计算能力的获取正在产生更优质的智能，进而增加了采用率和利润。OpenAI 最近分享说，他们的周用户群已增长到 8 亿，企业客户已增加到 100 万，并且他们的毛利率健康。Anthropic 最近报告称，截至上个月，其年化运行收入已达到 70 亿美元，而年初时为 10 亿美元。

我们还见证了代理式 AI 在各个行业和任务中的迅速普及。像 Cursor、Anthropic、OpenEvidence、Epic 和 Abri 这样的公司正在经历用户激增，因为它们正在为现有员工提供超级能力。这为程序员和医疗专业人员带来了毋庸置疑的投资回报（ROI）。全球最重要的企业软件平台，如 ServiceNow、CrowdStrike 和 SAP，正在整合英伟达的加速计算和 AI 堆栈。我们的新合作伙伴 Palantir 正在使用 NVIDIA CUDA X 库和 AI 模型为其广受欢迎的 Ontology 平台提供超级能力。以前，和大多数企业软件平台一样，Ontology 仅在 CPU 上运行。Lowe’s 正在利用该平台建立供应链敏捷性，降低成本并提高客户满意度。企业普遍利用 AI 提高生产力、效率和降低成本。RBC 正在利用代理式 AI 显著提高分析师的生产力，将报告生成时间从数小时缩短到数分钟。AI 和数字孪生正在帮助 Unilever 将内容创建速度加快两倍，并将成本降低 50%。Salesforce 的工程团队在采用 Cursor 后，新代码开发生产力至少提高了 30%。

在上个季度，我们宣布了总计 500 万块 GPU 的 AI 工厂和基础设施项目。这一需求涵盖了所有市场：CSP、主权国家、模型构建者、企业和超级计算中心。这包括多个里程碑式的建设，例如 XAI 的 Colossus Two，它是世界上第一个千兆瓦级数据中心。还有礼来公司（Lilly's）用于药物发现的 AI 工厂，这是制药行业最强大的数据中心。就在今天，AWS 和 Humane 扩大了合作关系，将部署多达 150,000 个 AI 加速器，包括我们的 GB300。XAI 和 Humane 也宣布了合作，双方将共同开发由旗舰级 500 兆瓦设施为核心的世界级 GPU 数据中心网络。Blackwell 在第三季度获得了进一步的动力，GB300 跨越了 GB200，贡献了 Blackwell 总营收的大约三分之二。向 GB300 的过渡非常顺利，已向主要的云服务提供商、超大规模数据中心和 GP 云交付了生产批次的货品，并已经在推动它们的增长。Hopper 平台自推出以来已进入第三个季度，在第三季度录得约 20 亿美元的收入。H20 的销售额约为 5000 万美元。

由于地缘政治问题以及中国市场竞争日益加剧，本季度原本可观的采购订单没有实现。虽然我们对目前阻止我们向中国运送更具竞争力的数据中心计算产品的现状感到失望，但我们致力于继续与美国和中国政府接触，并将继续倡导美国在全球竞争的能力，以在 AI 计算领域建立可持续的领导地位和位置。美国必须赢得每一位开发者的支持，成为所有商业企业（包括在中国的企业）的首选平台。Rubin 平台计划在 2026 年下半年加速推广，由七个芯片驱动。Vera Rubin 平台将再次提供相对于 Blackwell 的 X 因子性能提升。我们已经收到了来自供应链合作伙伴的芯片，并很高兴地报告，英伟达全球团队正在出色地进行启动工作。Rubin 是我们的第三代机架规模系统，它在兼容 Grace Blackwell 的同时，大幅重新定义了可制造性。我们的供应链、数据中心生态系统和云合作伙伴现在已经掌握了英伟达机架架构的构建到安装过程。我们的生态系统将为 Rubin 的快速推广做好准备。

我们每年的 X 因子性能飞跃提高了每美元的性能，同时降低了客户的计算成本。英伟达 CUDA GPU 较长的使用寿命是相对于其他加速器的重大总拥有成本（TCO）优势。CUDA 的兼容性和我们庞大的装机基础延长了英伟达系统的使用寿命，远超其最初估计的使用寿命。二十多年来，我们一直在优化 CUDA 生态系统，改进现有工作负载，加速新工作负载，并通过每次软件发布提高吞吐量。大多数没有 CUDA 和英伟达久经考验的多功能架构的加速器，随着模型技术的演进，在几年内就会被淘汰。多亏了 CUDA，我们六年前发货的 A100 GPU 今天仍然以充分的利用率运行，并得益于大幅改进的软件堆栈。

在过去的 25 年里，我们已经从一家游戏 GPU 公司发展成为一家 AI 数据中心基础设施公司。我们跨越 CPU、GPU、网络和软件进行创新的能力，并最终降低每代币成本的能力，在整个行业中是无与伦比的。我们专为 AI 构建的网络业务，现已成为全球最大的网络业务，创造了 82 亿美元的收入，同比增长 162%，其中 NVLink InfiniBand 和 Spectrum X Ethernet 都为增长做出了贡献。我们正在数据中心网络领域取得胜利，因为大多数 AI 部署现在都包括我们的交换机，其中 Ethernet GPU 的连接率大致与 InfiniBand 持平。Meta、微软、甲骨文和 XAI 正在使用 Spectrum X Ethernet 交换机构建千兆瓦级 AI 工厂，并且每个工厂都将运行其选择的操作系统，这突显了我们平台的灵活性和开放性。我们最近推出了 Spectrum XGS，这是一种跨规模技术，能够实现千兆级 AI 工厂。英伟达是唯一一家拥有 AI Scale-Up、Scale-Out 和 Scale-Across 平台的公司，这巩固了我们作为 AI 基础设施提供商在市场上的独特地位。

客户对 NVLink Fusion 的兴趣持续增长。我们于 10 月宣布与富士通（Fujitsu）进行战略合作，将通过 NVLink Fusion 整合富士通的 CPU 和英伟达的 GPU，连接我们庞大的生态系统。我们还宣布与英特尔（Intel）合作，利用 NVLink 开发多代定制数据中心和 PC 产品，连接英伟达和英特尔的生态系统。在本周的 Supercomputing 25 大会上，Arm 宣布将整合 NVLink IP，以便客户构建可与英伟达连接的 CPU SOC。目前已是第五代 NVLink，是当今市场上唯一经过验证的 Scale-Up 技术。在最新的 MLPerf 训练结果中，Blackwell Ultra 实现了比 Hopper 快五倍的训练时间，英伟达横扫了所有基准测试。值得注意的是，英伟达是唯一利用 FP4 进行训练平台，同时满足 MLPerf 严格准确性标准的平台。在对 MoE（专家混合模型）的推理性能分析中，Blackwell 在 DeepSeek R1 上的 NVLink 性能尤为重要。Blackwell 实现了比 H200 高十倍的每瓦性能和低十倍的每代币成本，这是由我们的极致协同设计方法推动的巨大代际飞跃。NVIDIA Dynamo，一个开源、低延迟的模块化推理框架，现已被所有主要云服务提供商采用。利用 Dynamo 的赋能和分离式推理，复杂 AI 模型（如 MoE 模型）的性能得到提升。AWS、Google Cloud、Microsoft Azure 和 OCI 提高了企业云客户的 AI 推理性能。

我们正在与 OpenAI 建立战略合作伙伴关系，专注于帮助他们建设和部署至少十个千兆瓦级 AI 数据中心。此外，我们有机会通过他们的云合作伙伴 Microsoft Azure、OCI 和 CoreWeave 投资于我们服务的公司 OpenAI。随着他们持续扩展，在可预见的未来我们将继续这样做。我们很高兴能支持该公司增加自有基础设施建设，我们正在努力达成最终协议，并为支持 OpenAI 的增长而感到兴奋。昨天，我们庆祝了与 Anthropic 的一项合作公告。Anthropic 首次采用英伟达，我们正在建立深厚的技术合作关系，以支持 Anthropic 的快速增长。我们将协作优化 Anthropic 模型以适应 CUDA，并提供最佳的性能、效率和总拥有成本。

我们还将为 Anthropic 的工作负载优化未来的英伟达架构。Anthropic 的计算承诺最初包括高达 10 亿瓦的 Grace Blackwell 和 V-Rubin 系统计算容量。我们对 Anthropic、Mistral、OpenAI、Reflectron、Thinking Machines 和其他公司的战略投资代表着旨在发展英伟达 CUDA AI 生态系统的合作关系，并使每个模型都能在英伟达的各个地方以最佳状态运行。我们将继续进行战略投资，同时保持我们对现金流管理的纪律性方法

物理 AI 已经是一个价值数十亿美元的业务，它正在应对一个价值数万亿美元的机会。这也是英伟达增长的下一阶段。领先的美国制造商和机器人创新者正在利用英伟达的三重计算架构：在 NVIDIA 上进行训练，在 Omniverse Sim Compute 上进行测试，并在 Jetson 机器人计算机上部署现实世界中的 AI。PTC 和 Siemens 推出了新服务，将由 Omniverse 驱动的数字孪生工作流带给他们庞大的客户群。包括 Building Caterpillar、Foxconn、Lucid Motors、Toyota、TSMC 和 Wistron 在内的公司正在构建基于 Omniverse 的数字孪生工厂，以加速 AI 驱动的制造和自动化。Agility Robotics、Amazon Robotics、Figure 和 Skilld AI 正在利用我们的平台构建，利用 NVIDIA Cosmos 世界基础模型进行开发、Omniverse 进行仿真和验证，以及 Jetson 为下一代智能机器人提供动力。我们仍然专注于在全球供应链中建立弹性和冗余。上个月，我们与台积电（TSMC）合作，庆祝了第一块在美国本土生产的 Blackwell 晶圆。在接下来的四年里，我们将继续与富士康、Wistron、Amkor 等合作，扩大我们在美国的业务。

游戏业务营收为 43 亿美元，同比增长 30%，这得益于 Blackwell 持续的势头所带来的强劲需求。进入假日季节，终端市场销售依然强劲，渠道库存处于正常水平。Steam 最近打破了并发用户记录，达到 4200 万玩家，同时数千名粉丝聚集在韩国的 GeForce 游戏玩家节，庆祝 GeForce 诞生 25 周年。

英伟达的专业可视化业务已经演变为工程师和开发人员的计算机，无论是用于图形还是用于 AI。专业可视化业务营收为 7.6 亿美元，同比增长 56%，再创纪录。增长由 DGX Spark 驱动，它是建立在 Grace Blackwell 小型配置上的全球最小的 AI 超级计算机。汽车业务营收为 5.92 亿美元，同比增长 32%，主要由自动驾驶解决方案驱动。我们正在与 Uber 合作扩展全球最大的 L4 级自动驾驶车队，该车队建立在新的 NVIDIA Hyperion L4 机器人出租车参考架构上。转到损益表的其余部分，GAAP 毛利率为 73.4%，非 GAAP 毛利率为 73.6%，超出了我们的预期。毛利率的环比增长是由于我们的数据中心组合、改进的周期时间和成本结构所致。GAAP 运营费用环比增长 8%，非 GAAP 增长 11%。

运营费用的增长主要受到基础设施计算以及工程开发成本中更高的薪酬和福利的推动。第三季度非 GAAP 实际税率略高于 17%，高于我们指导的 16.5%，原因是美国收入强劲。在我们的资产负债表上，库存环比增长了 32%。同时，供应链承诺环比增长了 63%。我们正在为未来的显著增长做准备，对我们执行机会集的能力感到满意。

好的，让我转向第四季度的展望。总营收预计为 650 亿美元，正负 2%。我们的展望意味着环比增长 14%，这得益于 Blackwell 架构的持续势头。与上个季度一致，我们没有假设来自中国的任何数据中心计算收入。GAAP 和非 GAAP 毛利率预计分别为 74.8% 和 75%，正负 50 个基点。展望 2027 财年，投入成本正在上升，但我们正在努力将毛利率保持在 70% 左右。GAAP 和非 GAAP 运营费用预计分别约为 67 亿美元和 50 亿美元。GAAP 和非 GAAP 其他收入和支出预计将有约 5 亿美元的收入，不包括非市场化和公开持有的股权证券的收益和损失。GAAP 和非 GAAP 税费预计为 17%，正负 1%，不包括任何离散项目。此时，请允许我将电话转交给黄仁勋说几句话。

CEO黄仁勋

谢谢，Colette。关于 AI 泡沫的讨论很多。从我们的角度来看，我们看到的情况非常不同。提醒一下，英伟达与其他任何加速器都不同。我们在 AI 的每个阶段都表现出色，从预训练和后训练到推理。凭借我们对 CUDA X 加速库长达二十年的投入，我们在科学和工程仿真、计算机图形学、结构化数据处理以及传统机器学习方面也表现卓越。世界正在同时经历三大平台转型，这是自摩尔定律诞生以来的第一次。英伟达正在独特地应对这三项转型。第一次转型是从 CPU 通用计算转向 GPU 加速计算。随着摩尔定律放缓，世界对非 AI 软件进行了大量投资，从数据处理到科学和工程仿真，每年代表着数百亿美元的计算云支出。许多曾经仅在 CPU 上运行的应用程序现在正迅速转向 CUDA GPU。加速计算已经达到了临界点。

其次，AI 也达到了临界点，它正在改造现有应用，同时催生全新的应用。对于现有应用，生成式 AI 正在取代搜索排名、推荐系统、广告定向、点击通过预测和内容审核中的传统机器学习。超大规模基础设施的基石——Meta 的 Gen AI 推荐模型 GEM，它是在大规模 GPU 集群上训练的，体现了这种转变。在第二季度，Meta 报告称，受基于生成式 AI 的 GEM 推动，Instagram 上的广告转化率增加了 5% 以上，Facebook Feed 增加了 3%。向生成式 AI 的过渡代表着超大规模数据中心实现了可观的收入增长。

现在，一股新的浪潮正在兴起。代理式 AI 系统具备推理、规划和使用工具的能力，包括像 Cursor 和 Quad Code 这样的编码助手，像 iDoc 这样的放射学工具，像 Harvey 这样的法律助手，以及像 Tesla FSD 和 Waymo 这样的 AI 司机。这些系统标志着计算的下一个前沿。当今世界上增长最快的公司——OpenAI、Anthropic、XAI、Google、Cursor、Lovelace、Replit、Cognition AI、OpenEvidence 和 Abri — 正在开创代理式 AI。因此，存在三大平台转变。向加速计算的过渡是基础性的，在后摩尔定律时代是必要的。向生成式 AI 的过渡是变革性的，它为现有应用和商业模式提供了超级能力，也是必要的。向代理式和物理 AI 的过渡将是革命性的，它将催生新的应用、公司、产品和服务。当您考虑基础设施投资时，请考虑这三个基本动态。

在未来几年，每个动态都将促进基础设施增长。之所以选择英伟达，是因为我们的单一架构能够实现所有这三种转型，并且适用于所有行业、AI 的每个阶段、云中的所有不同计算需求，以及从云到企业再到机器人的所有 AI 形式和模式。一种架构。我们现在将开放提问环节。

提问环节

内容摘要

英伟达在第三季度财报电话会议的问答环节中，确认了 Blackwell 和 Rubin 平台在 2025 年和 2026 年 的 5000 亿美元 营收预测仍在轨道上，并指出这一数字仍有增长空间，例如与沙特阿拉伯王国（KSA）达成的 40 万至 60 万 块 GPU 的三年期协议以及与 Anthropic 的新增合作。

黄仁勋强调，当前巨大的 AI 基础设施建设需求是由三大平台转型驱动的：从通用计算转向加速计算、生成式 AI 取代传统机器学习，以及代理式 AI 这一全新类别。他指出，英伟达的单一架构能够加速所有这些应用。公司正在积极规划供应链以应对持续强劲的需求，并预计未来 12 到 18 个月 甚至更长时间内，供应仍将难以追平需求。

在财务策略上，英伟达正通过战略投资（如 OpenAI 和 Anthropic），深度合作以扩大 CUDA 生态系统，并获取这些“一代人中最具影响力公司”的股份，从而确保长期回报。在技术层面，英伟达在推理领域具有显著优势，例如 Grace Blackwell (GB200/GB300) 的性能比 H200 高出 10 到 15 倍。黄仁勋 总结了英伟达的五大竞争优势，包括加速每个转型阶段、精通 AI 每个阶段（特别是复杂的推理）、运行所有 AI 模型、覆盖所有平台（云到边缘）以及提供多样化的市场“承接力”（Off-take）。

英伟达第三季度财报电话会议 (问答环节)

约瑟夫·摩尔 (Joseph Moore)

太棒了。谢谢。我想知道您是否可以向我们更新一下。您在 GTC 上曾提到 Blackwell 和 Rubin 在 25 年和 26 年将带来 5000 亿美元 的营收。当时您提到其中有 1500 亿美元 已经出货。那么随着季度结束，这些是否仍是大致的参数，即接下来的大约 14 个月 左右还有 3500 亿美元 的收入？并且，我猜想在此期间，您还没有看到所有的需求，那么随着我们向前发展，这些数字是否有任何上行可能性？是的，谢谢，Joe。我先回答一下这个问题。

科莱特·克雷斯 (Colette Kress)

是的，没错。我们正在努力实现我们的 5000 亿美元 预测，随着一些季度的结束，我们正朝着这个目标迈进。现在我们面前还有几个季度，将带我们走到 2026 年 日历年末，这个数字将会增长，我确信我们将实现额外的计算需求，这些需求将在 2026 财年 结束前出货。

所以我们本季度出货了 500 亿美元，但如果我们不提可能还会接受更多订单，那就不算完，例如，就在今天，我们与沙特阿拉伯王国（KSA）的协议，仅这一协议本身就包含了三年内 40 万到 60 万 块 GPU。Anthropic 也是净新增的，所以我们绝对有机会在宣布的 5000 亿美元 基础上实现更多增长。

CJ 缪斯 (CJ Muse)

好的，下午好。感谢您提问。显然，围绕 AI 基础设施建设的规模以及为这些计划提供资金的能力和投资回报率（ROI）存在很大的焦虑。然而与此同时，您却说您的产品已售罄，每个部署好的 GPU 都已被使用。AI 界尚未看到 GB300 带来的巨大益处，更不用说 Rubin 和刚刚宣布的 Gemini 3 以及即将到来的 ROC 5。所以问题是，在这样的背景下，您是否认为未来 12 到 18 个月 内供应有现实的路径能够追上需求？或者您认为这会延长到那个时间框架之外？

黄仁勋 (Jensen Huang)

正如您所知，我们在规划供应链方面做得非常出色。英伟达的供应链基本上包括了世界上所有的技术公司，台积电（TSMC）及其封装、我们的内存供应商和内存合作伙伴，以及我们所有的系统 ODM，都与我们合作得非常好，我们一直在为丰收之年做计划。

我们已经看到了我刚才提到的三大转型一段时间了：从通用计算到加速计算。认识到 AI 不仅仅是代理式 AI（agentic AI）非常重要，生成式 AI 正在改变超大规模数据中心过去在 CPU 上完成工作的方式。生成式 AI 使他们能够将搜索和推荐系统、广告推荐和定位等所有工作转移到生成式 AI 上，并且仍在转型中。因此，无论是您安装英伟达 GPU 用于数据处理，还是用于推荐系统的生成式 AI，抑或是为大多数人想到 AI 时所见的代理式聊天机器人和类型的 AI，所有这些应用都通过英伟达加速。

所以当您考虑总支出时，思考这其中的每一层都非常重要。它们都在增长，它们相互关联，但并不相同。但最棒的是，它们都可以同时在英伟达 GPU 上运行。因为 AI 模型的质量正在令人难以置信地提高，它在不同用例中的采用率也在提高，无论是在代码辅助方面，英伟达自己就广泛使用了它。我们不是唯一一家，史上增长最快的应用组合包括 Cursor、Cloud Code、OpenAI 的 CodeX 和 GitHub Copilot。

这些应用正以史上最快的速度增长。它们不仅仅被软件工程师使用，因为无代码（avoid coding）也被公司中的工程师和营销人员、供应链规划人员等所使用。我认为这只是一个例子，这样的例子还有很多。无论是 OpenEvidence 在医疗保健领域所做的工作，还是在数字视频编辑领域正在进行的工作，或是 Runway ML 等，利用生成式 AI 和代理式 AI 的真正令人兴奋的初创公司的数量正在迅速增长。更不用说，我们所有人都在更多地使用它。

因此，所有这些指数级的增长，更不用说，就在今天，我正在阅读 Davis 的一条短信，他说预训练和后训练完全有效，而且 Gemini 3 利用了规模定律。模型质量性能得到了巨大的飞跃。所以我们看到所有这些指数级的增长几乎同时发生。我们总是回到第一性原理，思考我之前提到的每个动态正在发生什么。通用计算转向加速计算，生成式 AI 取代了传统的机器学习。当然，代理式 AI 是一个全新的类别。

维韦克·阿里亚 (Vivec Aria)

感谢您提出我的问题。我很好奇，在那个 5000 亿美元 的数字中，您对英伟达在每吉瓦（per gigawatt）内容价值上做了哪些假设？因为我们听到的数字低至每吉瓦 250 亿美元 的内容，高至每吉瓦 300 亿或 400 亿美元。所以我很好奇，在这个 5000 亿美元 的数字中，您假设了多少功耗和多少美元每吉瓦的内容？然后，关于更长期的，您提到了到 2030 年 数据中心市场的 3 到 4 万亿美元。您认为其中有多少需要供应商融资（vendor financing）支持，又有多少可以由您的大客户、政府或企业的现金流支持？谢谢。

黄仁勋 (Jensen Huang)

在每一代产品中，从 Ampere 到 Hopper，从 Hopper 到 Blackwell，从 Blackwell 到 Rubin，我们在数据中心中所占的比重都在增加。Hopper 这一代，可能在 20 几到 25 左右。Grace Blackwell，特别是 GB，可能在 30 到 3030，可以说 30 上下浮动。而 Rubin 可能会比这更高。在这些每一代产品中，速度提升都是 X 因子（X factors），因此它们的总体拥有成本（TCO）。客户的 TCO 提升了 X 因子。

最重要的是，归根结底，您仍然只有 1 个吉瓦 的电力。您只有 1 个吉瓦 的数据中心，1 个吉瓦 的电力。因此，每瓦性能，即您的架构效率，变得极其重要。您的架构效率不能依靠蛮力。不能依靠蛮力。那 1 个吉瓦 直接转化为您的每瓦性能，绝对直接地转化为您的收入，这就是为什么选择正确的架构如此重要的原因。现在世界上没有多余的资源可以浪费。所以我们必须非常、非常谨慎，我们使用一种称为协同设计（codesign）的概念，贯穿我们的整个堆栈，贯穿框架和模型，贯穿整个数据中心，甚至电源和冷却，贯穿我们生态系统中的整个供应链。

因此，每一代产品，我们的经济贡献都会更大，我们交付的价值也会更大。但最重要的是，我们每一代的能效比都将是非凡的。关于继续增长我们的客户，客户的融资取决于他们。我们看到了在很长一段时间内持续增长的机会。请记住，今天，大部分焦点都集中在超大规模数据中心（hyperscalers）上，但关于超大规模数据中心，一个真正被误解的领域是，对英伟达 GPU 的投资不仅提高了他们从通用计算中获得的规模、速度和成本效益。这是第一点，因为摩尔定律的缩放速度已经大大放缓。

摩尔定律是为了降低成本，是为了随着时间的推移实现计算的令人难以置信的通货紧缩成本，但这已经放缓了。因此，他们需要一种新的方法来继续推动创新。转向英伟达 GPU 计算是最好的方式。在他们当前的商业模式中，推荐系统推动着世界上的超大规模数据中心。无论是观看短视频、推荐书籍、推荐您购物车中的下一件商品、推荐广告，还是推荐新闻，一切都与推荐器有关。互联网上拥有数万亿条内容。除非他们拥有非常复杂的推荐系统，否则他们如何才能知道该将什么内容放在您的小屏幕前？ 好了，这已经转向了生成式 AI。

我刚才说的前两件事——数十亿美元的资本支出投资——将由现金流完全资助。因此，高于此的是代理式 AI（agentic AI）。这带来了净新增的消费，但也是净新增的应用。我之前提到了一些应用。这些新应用也是历史上增长最快的应用。我认为，一旦人们开始理解在水面下实际发生的事情，从资本支出投资的简单化视角来看，认识到这三个动态的存在，您就会看到不同的景象。最后，请记住，我们刚才只讨论了美国的 CSP。

每个国家都会资助自己的基础设施。而且您有多个国家，多个行业。世界上大多数行业尚未真正采用代理式 AI，但他们即将开始。我们正在合作的所有公司名称，无论是自动驾驶汽车公司，还是用于工厂的数字孪生物理 AI，以及世界各地正在建设的工厂和仓库数量。仅仅是为加速药物发现而获得资金的数字生物学初创公司的数量。所有这些不同的行业现在都开始参与进来，他们将进行自己的筹款。因此，不要只将超大规模数据中心视为构建未来的方式。您必须放眼世界。您必须关注所有不同的行业，而企业计算将资助自己的行业。

本·里斯 (Ben Reitzes)

嗨，非常感谢。Jensen，我想问您关于现金的问题，说到 5000 亿美元，您在接下来的几年里可能会产生大约 5000 亿美元 的自由现金流。您对这笔现金有什么计划？有多少用于回购，有多少用于投资生态系统？您如何看待投资生态系统？ 我认为外界对于这些交易是如何运作以及您进行 Anthropic、OpenAI 等投资的标准存在很多困惑。非常感谢。

黄仁勋 (Jensen Huang)

是的，我很欣赏这个问题。当然，利用现金来资助我们的增长。没有哪家公司能够以我们所说的规模增长，并且拥有英伟达这样的连接、深度和广度的供应链。我们的整个客户群之所以能够依赖我们，是因为我们确保了一条真正有弹性的供应链，并且我们有资产负债表来支持他们。当我们进行采购时，我们的供应商可以放心。当我们做出预测并与他们规划时，他们会认真对待我们，因为我们有资产负债表。我们不是在虚构采购量。我们知道我们的采购量是多少，而且由于他们已经与我们合作规划了这么多年，我们的声誉和信誉是不可思议的。因此，需要一个非常强大的资产负债表来支持这种增长水平、增长速度以及随之而来的规模。这是第一点。

第二件事，当然，我们将继续进行股票回购。我们将继续这样做。但关于投资，这是我们正在做的非常、非常重要的工作。我们迄今为止进行的所有投资，都是为了扩大 CUDA 的覆盖范围，扩大生态系统。如果您看看我们对 OpenAI 所做的投资工作，当然，我们从 2016 年 就建立了这种关系。我向 OpenAI 交付了第一台人工智能超级计算机。从那时起，我们与 OpenAI 保持着密切而美好的关系，今天 OpenAI 所做的一切都运行在英伟达平台上。

因此，他们在其中部署的所有云平台，无论是训练还是推理，都运行在英伟达上，我们喜欢与他们合作。我们与他们合作是为了能够从技术角度进行更深入的合作，从而支持他们加速增长。这是一家增长速度令人难以置信的公司。不要只看新闻上说的，要看看所有与 OpenAI 连接的生态系统合作伙伴和开发者。他们都在推动消费，以及 AI 质量的提升。与一年前相比，这是一个巨大的飞跃。因此，响应的质量是非凡的。

所以我们投资于 OpenAI，是为了建立深厚的合作伙伴关系，共同开发，扩大我们的生态系统，并支持他们的增长。当然，我们没有放弃我们公司的股份，而是获得了他们公司的股份。我们投资了他们，他们是这一代人中最具影响力的公司之一。我完全期望这项投资能带来非凡的回报。

现在，以 Anthropic 为例，这是 Anthropic 首次采用英伟达的架构。Anthropic 是世界上第二成功的 AI 公司，就用户总数而言。但在企业领域，他们做得非常好。Cloud Code 正在做得非常好。Claude 正在做得非常好。世界上所有的企业都在关注它。现在我们有机会与他们建立深度合作关系，并将 Claude 引入英伟达平台。

那么我们现在拥有了什么？回顾一下，英伟达的架构，英伟达的平台是世界上运行所有 AI 模型的单一平台。我们运行 OpenAI，我们运行 Anthropic，我们运行 XAI。由于我们与 Elon 和 XAI 的深度合作，我们能够将这一机会带到沙特阿拉伯王国（KSA），以便 Humane 也能为 XAI 提供托管机会。我们运行 Gemini，我们运行 Thinking Machines。我们运行了所有模型。更不用说，我们还运行科学模型、生物学模型、DNA 模型、基因模型、化学模型以及世界各地所有不同领域的模型。世界使用的不仅仅是认知 AI。

AI 正在影响每一个行业。因此，通过我们进行的生态系统投资，我们有能力与世界上一些最优秀、最聪明的公司进行深度技术合作。我们正在扩大生态系统的覆盖范围，并在投资中获得一家未来将非常成功的公司。通常是这一代中独一无二的公司。这就是我们的投资理念。

吉姆·施耐德 (Jim Schneider)

下午好。感谢您提出我的问题。过去您曾提到，大约 40% 的出货量与 AI 推理相关。我想知道，展望明年，您预计这个百分比在大约一年后会达到多少？您能否谈谈您预计明年将推出的 Rubin CPX 产品？并将其置于背景中，您认为它在整体潜在市场（TAM）中能占据多大份额？也许可以谈谈该特定产品的目标客户应用。谢谢。

黄仁勋 (Jensen Huang)

现在，CPX 是为长上下文（long context）类型的工作负载生成而设计的。因此，长上下文。基本上，在开始生成答案之前，您必须阅读大量内容。基本上，就是长上下文，它可以是一堆 PDF 文件。它可以是观看一堆视频，研究 3D 图像等等，您必须吸收上下文。因此，CPX 专为长上下文类型的工作负载设计。它的每美元性能非常出色。它的每瓦性能也非常出色。

这让我忘记了问题的第一部分。哦，是的，有三个规模定律正在同时扩展。第一个规模定律称为预训练（ptraining），继续非常有效。第二个是后训练（post training）。后训练基本上找到了令人难以置信的算法，用于改进和提高 AI 分解问题并一步一步解决问题的能力，后训练正在呈指数级扩展。基本上，您应用到模型上的计算越多，它就越聪明，越智能。第三个是推理（inference），推理由于思维链（chain of thought）。由于推理能力，AI 在回答之前实质上是在阅读和思考。由于这三件事，所需的计算量已完全呈指数级增长。

我认为很难确切知道在任何给定时间点百分比会是多少。但当然，我们的希望是推理在市场中占有非常大的份额。因为如果推理规模很大，那就表明人们正在更多的应用中使用它，并且使用频率更高。这是我们所有人都应该希望推理规模非常大的原因。

这也是 Grace Blackwell 领先于世界上任何其他产品一个数量级以上的原因。第二好的平台是 H200。现在很清楚，由于 NVLink 72（我们实现的放大规模网络，正如 Yoosung 和 Colette 在半分析基准测试中所讨论的），GB200 和 GB300 在此基准测试中表现出色。这是有史以来最大的单一推理基准测试。GB200 NVLink 72 具有 10 到 15 倍 的更高性能。这是一个巨大的进步。其他人需要很长时间才能挑战这一点，我们的领导地位肯定会持续数年。所以我希望推理会成为一个非常大的领域。我们在推理方面的领导地位是非凡的。

蒂莫西·阿奇里 (Timothy Archcurie)

非常感谢，Jensen。您的许多客户都在追求自有电源（behind the meter power）。但让您担心可能限制您增长的最大单一瓶颈是什么？是电力还是融资？或者可能是其他因素，比如内存甚至代工厂？非常感谢。

黄仁勋 (Jensen Huang)

嗯，这些都是问题，也都是制约因素。原因在于，当您以我们这样的速度和规模增长时，一切会容易吗？ 英伟达正在做的事情显然是前所未有的，我们创造了一个全新的行业。

一方面，我们正在将计算从通用计算和传统计算过渡到加速计算和 AI。这是第一方面。另一方面，我们创造了一个名为 AI 工厂 的全新行业。这个概念是，为了运行软件，您需要这些工厂来生成它，生成每一个。而不是检索预先创建的信息。

所以我认为整个转型需要非凡的规模，从供应链开始。当然，我们对供应链有更好的可见性和控制力，因为显然，我们非常擅长管理我们的供应链。我们有合作了三年的优秀合作伙伴。因此，对于供应链这部分，我们现在非常有信心。我们现在已经与土地、电力、外壳以及当然，资助这些项目的众多参与者建立了合作关系。

这些都不是容易的事情，但它们都是可以处理和解决的问题。最重要的是，我们必须做好规划工作。我们规划上游供应链，规划下游供应链。我们已经建立了大量的合作伙伴。因此，我们有许多进入市场的途径。

而且，非常重要的是，我们的架构必须为我们的客户提供最佳价值。因此，在这一点上，我非常有信心英伟达的架构拥有最佳的每 TCO 性能。它拥有最佳的每瓦性能。因此，对于提供的任何电量，我们的架构都将带来最高的收入。

我认为我们成功的速度正在加快。我认为我们今年在这个时间点比去年这个时间点更成功。来找我们的客户数量以及在探索其他平台后转向我们的平台数量正在增加，而不是减少。所以我认为，我多年来告诉您的一切都正在显现。

斯泰西·拉斯金 (Stacey Raskin)

问题问 Colette。我有一些关于利润率的问题。您说，明年你们正在努力将利润率保持在 70% 左右。所以我想，首先，最大的成本增长是什么？仅仅是内存吗？还是其他原因？你们正在采取哪些措施来实现这一目标？这其中有多少是成本优化，有多少是定价策略？ 另外，考虑到营收似乎很可能从我们目前的水平大幅增长，我们应该如何看待明年的运营支出（OPEX）增长？谢谢。

科莱特·克雷斯 (Colette Kress)

谢谢，Stacey。让我先回顾一下我们当前的财年。请记住，今年早些时候，我们曾表示，通过成本改进和产品组合调整，我们的毛利率将在年底达到 70% 左右。我们实现了这一目标，并准备在第四季度也执行这一目标。所以现在是时候来传达我们目前正在为明年做哪些努力了。

明年，行业内有一些众所周知的投入成本在上升，我们需要努力应对。而我们的系统绝非易事。正如我们所考虑的，其中包含大量的组件，许多不同的部分。所以我们正在将所有这些都考虑在内。但我们确实相信，如果我们再次着眼于成本改进、周期时间和产品组合，我们将努力把毛利率保持在 70% 左右。这就是我们对毛利率的总体计划。

您的第二个问题是关于运营支出。目前，我们在运营支出方面的目标是真正确保我们与工程团队和所有业务团队进行创新，以便为这个市场创造越来越多的系统。正如您所知，我们现在有新的架构推出。这意味着他们非常忙碌，以便实现这个目标。因此，我们将继续增加在软件、系统和硬件创新方面的投资。我想请 Jensen 补充一些评论。

黄仁勋 (Jensen Huang)

我认为这非常到位。我想补充的唯一一点是，请记住，我们提前很久就与我们的供应链进行预测、规划和谈判。我们的供应链早已知道我们的需求，也早已知道我们的规划，我们与他们合作和谈判了很长时间。因此，我认为最近的需求激增显然非常显著，但请记住，我们的供应链已经与我们合作了很长时间。

因此，在许多情况下，我们已经为自己争取到了大量供应。因为显然，他们正在与世界上最大的公司合作。而且我们一直在与他们就财务方面、确保预测和计划等方面进行密切合作。所以我认为所有这些对我们来说都进展顺利。

艾伦·雷克斯 (Aaron Rakers)

谢谢您提出这个问题。Jensen。这个问题是给您的。当您考虑到宣布的 Anthropic 交易以及您的客户总体广度时，我很好奇您对 AI ASIC 或专用 XPU 在这些架构建设中所扮演的角色，是否有任何改变。您是否认为，正如您过去一直坚持的那样，其中一些程序从未真正投入部署？但我很好奇，我们是否已经到了一个时间点，情况可能更有利于纯 GPU 架构。谢谢。

黄仁勋 (Jensen Huang)

是的，非常感谢。我非常感谢这个问题。首先，您不是在与团队竞争。您作为一个公司，是在与团队竞争。世界上能够构建这些极其复杂事物的优秀团队并不多。回想在 Hopper 和 Ampere 时代，我们只会构建一个 GPU。那是加速 AI 系统的定义。但今天，我们必须构建整个机架（entire brks），整个系统。三种不同类型的交换机：放大规模（scale up）、扩展规模（scale out）和跨越规模（scale across）的交换机。而且构建一个计算节点需要的芯片远不止一个。

关于该计算系统的方方面面。因为 AI 需要内存。AI 以前根本不需要内存。现在它必须记住事情，它拥有的内存和上下文量是巨大的。内存架构的影响令人难以置信。模型的多样性，从专家混合模型（MoE）到密集模型，到扩散模型（diffusion models），到自回归模型。更不用说遵守物理定律的生物模型，不同类型模型的列表在过去几年中呈爆炸式增长。因此，挑战、问题的复杂性要高得多。AI 模型的种类极其庞大。

因此，这就是，如果我要说出使我们与众不同的五件事。我要说的第一件事是，我们加速了转型的每个阶段。这是 CUDA 使我们能够实现的第一个阶段，即 CUDA X 用于从通用计算过渡到加速计算。我们非常擅长生成式 AI。我们也非常擅长代理式 AI。因此，在转型的每一个阶段，通过每一个层面，我们都表现出色。投资于一种架构，并在所有领域使用它。您可以使用一种架构，而无需担心这三个阶段中工作负载的变化。

这是第一点。第二点，我们在 AI 的每个阶段都表现出色。众所周知，我们非常擅长预训练。我们显然非常擅长后训练。事实证明，我们在推理方面也做得非常好，因为推理真的、真的很难。思考怎么会容易呢？ 人们认为推理是一次性的，因此很容易。任何人都可能以这种方式进入市场。事实证明，推理是最难的部分，因为思考是很困难的。我们在 AI 的每个阶段都很出色。

第三件事是，我们现在是世界上运行所有 AI 模型的唯一架构。我们运行每个前沿 AI 模型。我们运行开源 AI 模型，运行得非常好。我们运行科学模型、生物模型、机器人模型。我们运行每一个模型。我们是世界上唯一可以声称自己可以做到这一点的架构。无论您是自回归还是基于扩散的模型。我们运行一切，而且正如我刚才提到的，我们为每个主要平台运行它。所以我们运行所有模型。

我要说的第四件事是，我们存在于每一个云中。开发人员喜欢我们的原因是我们无处不在。我们在每一个云中。我们甚至可以为您创建一个名为 DGX Spark 的微型云。因此，我们在每一台计算机中，无处不在，从云到本地部署，到机器人系统，到边缘设备，再到个人电脑，应有尽有。一种架构，一切都运行良好。

第五件事，可能也是最重要的一件事。如果您是一个云服务提供商，如果您是一家像 Humane 或 CoreWeave 这样的新公司，或者甚至是 In Scale NBIAS 或 OCI。英伟达是您的最佳平台的原因是我们的承接力（off take）非常多样化。我们可以帮助您解决承接力的问题。这不仅仅是将一个随机的 ASIC 放入数据中心。承接力从何而来？多样性从何而来？弹性从何而来？架构的多功能性从何而来？能力的多元化从何而来？ 英伟达拥有如此令人难以置信的良好承接力，因为我们的生态系统非常庞大。

所以这五件事：加速和转型的每个阶段、AI 的每个阶段、每一种模型、每一个云和本地部署，当然，最后这一切都导向了承接力。

免责声明：本号原创文章享有著作权，未经授权禁止转载。内容仅供学习分享，不构成投资建议，信息和数据均来源于网络及公开信息，如有侵权，请联系处理。