NVIDIA（NVDA）研究報告 v2

資料來源：2025-11-19 電話會議

重點：Blackwell全面起飛、 Rubin時程確認、主權AI產能擴張、毛利率保衛戰

0. 先做數據校正：本逐字稿與題目數字有差異

在深入分析之前，我們必須先釐清管理層口述與財報新聞稿標題之間的細微差異。作為專業投資者，我們以電話會議中的管理層原話為最準確的基準，這有助於我們理解真實的營運節奏。以下是本季度公佈的關鍵數據校正：

報告以下之財務解讀與分析，將以逐字稿中的實際口述數據為絕對準則。

1. 投資結論：AI基礎建設的絕對壟斷者，短期無破局跡象

NVIDIA 在本次財報會議中傳遞出一個極為明確的信號：全球 AI 基礎設施的建設不僅沒有放緩，反而正因為「通用計算向加速計算轉移」、「生成式 AI 重構推薦系統」以及「代理式 AI 興起」這三大平颱風潮的疊加，迎來了指數級別的需求爆發。管理層明確表示，當前雲端廠商的產能已經全面售罄，且需求端仍在不斷向上修正。這使得 NVIDIA 在未來幾個季度內依然具備極強的定價權與確定性。

儘管市場對於 AI 泡沫的擔憂從未停止，但 Jen-Hsun Huang（黃仁勳）從第一性原理出發，駁斥了這一觀點。他指出，當前的投資不僅僅是為了訓練更大的模型，而是為了替換全球價值數千億美元的傳統 CPU 通用計算負載。這意味著 NVIDIA 的潛在市場（TAM）正在發生質的飛躍，從單純的 AI 訓練/推理，擴展到整個企業級數據中心的底層重構。

核心判斷：

• 需求可見度：前所未有。 公司已明確能見度涵蓋自年初至 2026 年底價值 “$0.5 trillion in Blackwell and Rubin revenue”，且這一數字仍在不斷擴大（例如單日宣布的 KSA 協議即包含 40-60 萬顆 GPU）。

• 產品週期：無縫接軌。 GB300 已佔 Blackwell 總營收的 2/3，順利跨越 GB200。同時，Rubin 平台進展順利，預計 2026 下半年放量，顯示出 NVIDIA 在硬體架構上具備可怕的執行力。

• 利潤率防禦：中長期穩健。 儘管面臨 B300 複雜系統帶來的物料成本（BOM）上升壓力，管理層有信心透過改善成本結構與產品組合，將 2027 財年的毛利率守住 "in the mid-70s"，打破了市場對於毛利率將因競爭而崩盤的悲觀預期。

2. 數據中心與網路基礎設施：三大平台轉移的絕對受益者

2.1 管理層原話與數據

CFO Colette Kress 在開場時強調了推動數據中心爆發的三大支柱，並揭示了令人咋舌的 CSP（雲端服務供應商）資本支出增長。Jensen 則從產業高度描繪了通用計算向加速計算轉移的不可逆性。

“The world hyperscalers, a trillion-dollar industry are transforming search, recommendations and content understanding from classical machine learning to generative AI. NVIDIA CUDA excels at both and is the ideal platform for this transition... aggregate CapEx have continued to increase and now sit roughly at $600 billion, more than $200 billion higher relative to the start of the year.”

“The first time since the dawn of Moore's Law, NVIDIA is uniquely addressing each of the 3 transformations... The transition to accelerated computing is foundational and necessary, essential in a post-Moore's Law era.”

在硬體表現上，網路業務成為本季亮點。Colette 指出：“Our networking business purpose built for AI and now the largest in the world, generated revenue of $8.2 billion, up 162% year-over-year with NVLink, InfiniBand and Spectrum-X Ethernet, all contributing to growth.”

2.2 投資解讀：超越單純「賣鏟子」的三層護城河商業化

市場往往將 NVIDIA 簡單視為一個高端 GPU 供應商，但本次會議揭示其數據中心業務已演進為一個高度複雜的系統性壟斷。我們認為其商業化邏輯可分為三個層次：

第一層：基礎模型軍備競賽。Anthropic、OpenAI、xAI 等前沿模型製造商仍在瘋狂擴張算力。三個 Scaling laws（預訓練、後訓練、推理）依然有效，特別是推理算力的需求隨著模型智能化呈現爆發式增長。Anthropic 的年化營收從年初的 10 億美元躍升至 10 月份的 70 億美元，證明了前端應用的變現能力正反哺基礎設施投資。

第二層：通用計算的替換潮。這是被市場嚴重低估的增長動力。Meta 利用 GPU 重構廣告推薦系統（GEM），帶來了超過 5% 的廣告轉化率提升。這意味著全球價值數千億美元的傳統 CPU 數據中心工作負載，為了追求更好的性價比與 ROI，將被迫遷移到 NVIDIA 的 CUDA 加速計算平台上。這不是增量市場，而是存量替換市場。

第三層：系統級生態鎖定。NVLink 與 Spectrum-X 的成功（網路營收年增 162%），說明 NVIDIA 已經跨越了單晶片的競爭。當 AI 工廠達到千兆瓦（Gigawatt）規模時，內部互聯網路決定了整個集群的效率。NVIDIA 是目前唯一能提供涵蓋 Scale up, Scale out, Scale across 完整解決方案的廠商。客戶一旦採用其機架級架構，轉換成本將是極其巨大的。

這三層邏輯的疊加，為數據中心業務提供了極強的持續性與定價權。

3. Blackwell 與 Rubin 架構轉換：GB300 無縫切換，供應鏈掌握度極高

3.1 管理層原話與數據

針對新產品的過渡，管理層釋放了極其樂觀的信號。Blackwell 的升級版 GB300 已經迅速成為主力，而下一代 Rubin 的研發也完全符合預期。

“Blackwell gained further momentum in Q3, as GB300 crossed over GB200 and contributed roughly 2/3 of the total Blackwell revenue. The transition to GB300 has been seamless with production shipments to the majority -- to the major cloud service providers”

“The Rubin platform is on track to ramp in the second half of 2026... We have received silicon back from our supply chain partners and are happy to report that NVIDIA teams across the world are executing to bring up beautifully.”

3.2 投資解讀：系統複雜度指數上升，競爭對手難以望其項背

硬體產品的快速迭代是 NVIDIA 維持壟斷地位的核心。本季度最值得關注的是 GB300 僅用了一個季度就超越了 GB200，佔 Blackwell 營收的 2/3。這種在極度複雜系統（如機架級 GPU 叢集）上實現無縫且快速轉產的能力，是競爭對手（如 AMD 或自研 ASIC 的雲廠商）所不具備的。

此外，Jensen 特別強調了 Rubin 的進展。Rubin 將是 NVIDIA 第三代機架級系統。值得留意的是，Jensen 指出 Rubin 將 “substantially redefined the manufacturability while remaining compatible with Grace Blackwell”。這句話的含金量極高：它意味著在提升性能的同時，NVIDIA 已經與台積電等供應鏈夥伴解決了先進封裝量產的瓶頸問題，並保護了客戶在液冷、機房等基礎設施上的投資。

針對摩根士丹利分析師關於 500 億美元需求能否滿足的提問，Colette 毫不掩飾其雄心：“We shipped $50 billion this quarter, but we would be not finished if we didn't say that we'll probably be taking more orders.” 這證明當前的供應受限，完全是產能瓶頸而非需求問題。

4. ASIC 與自研晶片競爭：Jensen 的五點反擊與生態系統優勢

4.1 管理層原話與數據

針對華爾街長期關注的 CSP 自研晶片競爭問題，Jen-Hsun Huang 給出了迄今為止最系統性、最強硬的回擊，強調 NVIDIA 架構的不可替代性。

“If you are a cloud service provider... the reason why NVIDIA is the best platform for you is because our offtake is so diverse. We can help you with offtake. It's not about just putting a random ASIC into a data center. Where is the offtake coming from?”

“Today, we've got to build entire racks entire -- 3 different types of switches, scale up, scale out and scale across switch... if I will say, there are 5 things that makes us special... The challenge is the complexity of the problem is much higher.”

4.2 投資解讀：「多樣性消化力」才是雲端大廠的終極痛點

市場經常將 AI 晶片的競爭簡化為「性價比（FLOPS/$）」的對決，但 Jensen 點出了一個殘酷的商業現實：大型雲端廠商或新興 GPU 雲（如 CoreWeave, HUMAIN）在建設千兆瓦數據中心時，最大的風險不是硬體成本，而是「產能消化」。

ASIC 晶片雖然在單一模型（如 Gemini）上可能具備成本優勢，但它無法像 CUDA GPU 那樣運行全球數百萬開發者的多樣化工作負載（從科學模擬到機器人訓練再到影像處理）。NVIDIA 能夠為這些數據中心提供充足的「租戶」與多樣化的任務，確保昂貴的基礎設施能夠迅速產生現金流。這種生態系統的「多樣性消化力」，是任何單一 ASIC 項目都無法比擬的護城河。

此外，Jensen 列舉的五個優勢中（覆蓋所有加速階段、涵蓋所有 AI 階段、支持所有模型、雲端到邊緣全覆蓋、強大的生態吸收力），最核心的邏輯是「通用性與複雜性的平衡」。隨著混合專家模型、擴散模型等多種架構的湧現，客戶需要的是一個能夠適應未來未知演算法的超級平台，而非針對當下單一任務優化的專用晶片。

5. 邊緣計算與軟體護城河：CUDA 效應與實體 AI 的長期變現

5.1 管理層原話與數據

除了資料中心，NVIDIA 在軟體護城河（CUDA）以及實體 AI（機器人/自駕車）的佈局也日漸成熟。Colette 強調了舊架構在 CUDA 加持下的生命力，而 Jensen 則描繪了實體 AI 的商業藍圖。

“Thanks to CUDA, the A100 GPUs we shipped 6 years ago are still running at full utilization today, powered by vastly improved software stack.”

“Physical AI is already a multibillion-dollar business addressing a multitrillion dollar opportunity on the next leg of growth for NVIDIA.”

5.2 投資解讀：硬體折舊的終結者與自動駕駛的隱形冠軍

市場經常忽視 CUDA 在硬體生命週期管理中的巨大價值。Colette 提到，六年前的 A100 GPU 在最新的軟體堆疊優化下，依然維持 100% 的利用率。這對客戶而言，意味著極低的總體擁有成本（TCO）和極高的投資回報率（ROI）。這種「硬體不老，軟體賦能」的商業模式，進一步增強了客戶對 NVIDIA 平台的黏性，因為他們知道今天的投資在五年後依然具備強大的生產力。

在實體 AI 領域，NVIDIA 正在複製其在數據中心的成功模式：先以 Omniverse 建立數位孿生，再以 Jetson 等邊緣晶片落地。與 Uber 在 L4 級別自駕車車隊上的合作，以及豐田、特斯拉等車廠的應用，標誌著 NVIDIA 已經從單純的晶片供應商，演變為機器人與自動駕駛領域的基礎設施提供者。雖然目前 Automotive 營收僅為 $592 million，但作為一個「multi-trillion dollar opportunity」的早期佈局，其長期彈性不容小覷。

6. 地緣政治與中國市場：H20 的挫敗與宏觀格局的轉變

6.1 管理層原話與數據

不同於以往對中國市場的樂觀，本次會議中管理層罕見地承認了在中國市場的挫折，但同時也提出了全新的地緣政治視角。

“H20 sales were approximately $50 million, sizable purchase orders never materialized in the quarter due to geopolitical issues and the increasingly competitive market in China.”

“To establish a sustainable leadership position in AI computing, America must win the support of every developer and be the platform of choice for every commercial business, including those in China.”

6.2 投資解讀：實質性的利空出盡與全球算力版圖的重構

華爾街長期以來擔心中國市場的突然流失會對 NVIDIA 造成重創，但本季度僅 $50 million 的 H20 營收（相較於總營收 $57B 幾乎可忽略不計）以及管理層在指引中明確表示 “not assuming any data center compute revenue from China”，意味著最壞的情景已經在股價和財務模型中充分反映。這是一個典型的利空出盡。

更值得注意的是 Jensen 的戰略轉向。他將焦點從「如何向中國出口受限晶片」轉向了「確保美國架構（CUDA）成為全球開發者的首選」。配合與沙烏地阿拉伯 HUMAIN 等主權 AI 項目的巨額合作（如 AWS 與 HUMAIN 宣佈部署高達 150,000 個 AI 加速器），我們看到 NVIDIA 正在將其業務重心從單一市場，轉移到更廣泛的「主權 AI」與全球 AI 工廠建設上。這種轉型顯著降低了單一國家政策風險對公司整體業績的影響。

7. 管理層語氣分析

Jen-Hsun Huang (CEO): 展現出極強的攻擊性與不可動搖的自信。不同於以往較為技術性的回答，本次 Jensen 多次直接反擊市場質疑（如「AI 泡沫論」與「ASIC 競爭論」）。他的語氣不再是防禦性的，而是充滿主導權。他頻繁使用 "exponential"（指數級）、"revolutionary"（革命性）、"the only company“（唯一的公司）等絕對性詞彙，顯示他對目前 NVIDIA 在產業中絕對壟斷地位的極度自信。他對供應鏈的描述 ”done a really good job planning with us" 也顯得胸有成竹，絲毫不擔心上游產能制約。

Colette Kress (CFO): 穩健、精準且略帶保守，這是她一貫的作風。在面對 Bernstein 分析師關於毛利率的尖銳提問時，她沒有過度承諾，而是務實地指出 “input prices that are well known in the industries that we need to work through”，並將目標錨定在 “hold at our gross margins in the mid-70s”。這種財務紀律與 Jensen 的宏大願景形成了良好的互補，向市場傳遞出公司既有野心，又有嚴格的成本控制機制。她對於資本支出的增長描述（從 $400B 增至 $600B）則是本次會議最具震撼力的數據支撐。

8. 風險與監控指標

1. 毛利率受壓風險： 隨著系統複雜度（如 GB300, Rubin）和 BOM 成本（特別是 HBM 記憶體與先進封裝）急劇上升，若成本優化進度不如預期，或競爭迫使降價，毛利率可能跌破 mid-70s 的防線。傳導路徑：HBM 供不應求導致成本轉嫁失敗 → 毛利率下滑 → 市場下調估值模型。

2. 客戶自研 ASIC 架構的排擠效應： 儘管 Jensen 極力反駁，但 Google TPU、AWS Trainium 等專用晶片的份額確實在擴大。若大型 CSP 為了降低對單一供應商的依賴而轉向內部開發，將影響 NVIDIA 在最高端客戶群中的營收增速。傳導路徑：CSP 資本支出轉向自研晶片 → NVIDIA 高階數據中心營收增長放緩。

3. 地緣政治與出口管制的極端升級： 雖然目前中國區營收佔比極低，但若美國進一步收緊對中東（如沙烏地阿拉伯）或其他地區的晶片出口限制，將直接威脅管理層目前極度依賴的「主權 AI」增長敘事。

4. 供應鏈脆弱性： 儘管管理層強調供應鏈韌性，但 NVIDIA 的生產高度依賴台積電（TSMC）的先進製程與 CoWoS 封裝。任何不可抗力（如地震、地緣政治衝突）導致的產能中斷，都將直接打擊其高達 $500 億美元的可見營收交付。

5. 應用端 ROI 不達預期的泡沫風險： 當前資本支出的瘋狂增長建立在 AI 應用能帶來巨大商業回報的假設上。若基礎模型進展遭遇瓶頸，或企業端 AI 應用無法有效變現（如 Copilot 採用率低於預期），將導致 CSP 削減未來資本支出，打斷 NVIDIA 的增長飛輪。

9. 最終評級觀點

總結本次財報，NVIDIA 交出了一份在規模與增速上都堪稱奇蹟的答卷。在 570 億美元的龐大基數上，依然能實現 62% 的年增長和 22% 的季增長，這充分證明了全球 AI 基礎設施建設的浪潮依然處於極早期階段。管理層提供的 500 億美元 Blackwell/Rubin 營收可見度，以及 CSP 資本支出上修至 6000 億美元的硬數據，為市場注入了一劑強心針，有效反駁了當前關於 AI 泡沫的悲觀論調。

我們對 NVIDIA 的長期護城河深信不疑。該公司已經從一家單純的 GPU 晶片設計公司，演變為提供涵蓋硬體、互連網路、系統軟體與生態系統的全方位 AI 基礎設施巨頭。CUDA 軟體護城河賦予了其硬體超長的生命週期，而 NVLink 與 Spectrum-X 等網路產品的爆發，則證明其在機架級系統的壟斷地位。Jensen 對於 ASIC 競爭的五點反擊，特別是關於「生態系統多樣性消化力」的論述，揭示了在千兆瓦級別的 AI 工廠時代，NVIDIA 的綜合商業價值是單一功能 ASIC 無法替代的。

展望未來，Q4 650 億美元的強勁指引標誌著營收加速的開始，而非結束。儘管我們將密切監控 BOM 成本上升對毛利率的潛在壓力，但基於其無與倫比的定價權、強勁的產品週期，以及在加速計算替換潮中的絕對核心地位，NVIDIA 依然是科技板塊中確定性最強、不可或缺的核心資產。在生成式 AI 向代理式 AI 演進的範式轉移中，NVIDIA 無疑是那個賣出最多「水和鏟子」的終極贏家。