Kamakailan lang ni Nvidia ipinahayag ang isa pang quarter na magiging sanhi ng pag-iyak ng pagkakagusto ng karamihan sa mga kumpanya. Ang kita ay umabot sa $57 bilyon para sa Q3 FY2026, tumaas ng 62% year-over-year, at ang segmengto ng data center lamang ay nakakuha ng $51.2 bilyon.
Ang mga numero sa likod ng kuwento
Ang kita mula sa data center ni Nvidia na $51.2 bilyon ay tumubo ng 25% mula sa nakaraang kuartal at 66% mula sa nakaraang taon. Ito ay nagpapakita na ang operasyon ng data center ng kumpanya ay nasa itaas ng annualized rate na $200 bilyon.
Kumokontrol ang kumpanya ng humigit-kumulang 80% ng merkado ng AI accelerator. Hindi lamang ito tungkol sa hardware. Ito ay tungkol sa CUDA software ecosystem na nagpapakilos sa mga developer sa arkitektura ng Nvidia.
Inaasahan na tumataas ang global na merkado ng AI inference mula sa $106.15 bilyon noong 2025 patungo sa $254.98 bilyon hanggang 2030, na nagpapakita ng compound annual growth rate ng 19.2%. Ang mga arkitekturang Blackwell at Blackwell Ultra ay espesyal na disenyo upang mapabuti ang ekonomiks ng inference, gawing mas mura at mas mabilis ang pagpapatakbo ng mga AI model sa produksyon.
Bakit mas mahalaga ang inference kaysa sa pagtuturo
Ang pagtatrain ng isang AI model ay isang isang beses (o periodic) gastos. Ang inference—paggamit ng naitrain na model upang sirvin ang mga aktwal na gumagamit—nangyayari nang tuloy-tuloy. Bawat query sa ChatGPT, bawat AI-na-generate na resulta sa paghahanap, bawat automated na customer service interaction ay isang inference workload. May ilang mga estimate sa industriya na nagmumungkahi na ang inference ay maaaring magtatapos na mag-ambag ng 80-90% ng lahat ng demand sa AI compute.
Ang CEO ng Nvidia, si Jensen Huang, ay nagpapahiwatig na ng transisyong ito mula sa mga kuwarter. Ang Blackwell architecture ay disenyo upang harapin ang mga partikular na computational patterns ng inference, kung saan ang latency at cost-per-query ay magkakasalungat sa raw throughput.
Kakaibang reaksyon ng merkado
Bagaman nag-post ng mga numero na lalong sinira ang mga inaasahan, bumaba ang mga bahagi ng Nvidia. Nasa higit sa 22x ang stock na kikitain sa hinaharap, isang pagtatasa na tila maikli para sa isang kumpanyang tumataas ng kita sa 62% bawat taon.
Habang pinamumunuan ni Nvidia ang pag-train, mas diversificado ang inference workloads at mas posibleng ma-access ng mga kalaban. Ang mga custom chip mula sa Google, Amazon, at isang patuloy na lumalaking grupo ng mga startup ay lahat ay nagtutarget sa inference espesipiko. Ang decentralized GPU network space ay patuloy ring umuunlad, na maaaring magbigay ng inference compute sa mas mababang gastos sa pamamagitan ng pag-aggregate ng hindi sapat na ginagamit na hardware.
Ang forward earnings multiple na mas mababa sa 22x ay nagmumungkahi na ang merkado ay nagpapahalaga sa ilang bersyon ng panganib na ito. Kung ito ay isang pagkakataon o babala ay nakasalalay lamang kung kaya ng Nvidia na panatilihin ang kanyang pangunahing posisyon habang nagpapalipat ang AI mula sa pagbuo ng mga modelo patungo sa pagpapatakbo nito sa malaking saklaw.