Nvidia baru sahaja mengumumkan kuartal lain yang akan membuatkan kebanyakan syarikat lain menangis kerana iri. Pendapatan mencapai $57 bilion untuk Q3 FY2026, meningkat 62% dari tahun ke tahun, dengan segmen pusat data sahaja menghasilkan $51.2 bilion.
Nombor di sebalik naratif
Pendapatan pusat data Nvidia sebanyak $51.2 bilion meningkat 25% berbanding kuartal sebelumnya dan 66% berbanding tahun sebelumnya. Ini meletakkan operasi pusat data syarikat di atas kadar tahunan $200 bilion.
Syarikat ini mengawal kira-kira 80% pasaran akselerator AI. Dominasi ini bukan hanya tentang peranti keras. Ia tentang ekosistem perisian CUDA yang mengunci pembangun ke dalam arsitektur Nvidia.
Pasaran inferens AI global dijangka tumbuh dari $106.15 bilion pada 2025 kepada $254.98 bilion pada 2030, mewakili kadar pertumbuhan tahunan majmuk sebanyak 19.2%. Arsitektur Blackwell dan Blackwell Ultra direka khas untuk meningkatkan ekonomi inferens, membuatkan ia lebih murah dan lebih pantas untuk menjalankan model AI dalam pengeluaran.
Mengapa inferens lebih penting daripada latihan
Melatih model AI adalah perbelanjaan sekali jadi (atau berkala). Inferens—menjalankan model yang telah dilatih untuk melayani pengguna sebenar—berlaku secara berterusan. Setiap pertanyaan ChatGPT, setiap keputusan carian yang dihasilkan AI, setiap interaksi perkhidmatan pelanggan automatik adalah beban inferens. Beberapa anggaran industri menunjukkan bahawa inferens akhirnya mungkin menyumbang 80-90% daripada semua permintaan pengiraan AI.
Pengarah eksekutif Nvidia, Jensen Huang, telah menandakan peralihan ini selama beberapa kuartal. Arsitektur Blackwell direka untuk menangani corak pengiraan khusus inferens, di mana latensi dan kos-per-pertanyaan sama pentingnya dengan throughput mentah.
Tindakan pasaran yang aneh
Walaupun melaporkan nombor yang melebihi jangkaan, saham Nvidia telah berdagang lebih rendah. Saham ini berada di bawah 22x pendapatan hadapan, penilaian yang dirasakan rendah untuk syarikat yang tumbuhkan pendapatan sebanyak 62% setiap tahun.
Sementara Nvidia mendominasi latihan, beban inferensian lebih pelbagai dan berpotensi lebih mudah diakses oleh pesaing. Cip tersuai daripada Google, Amazon, dan sekumpulan semakin ramai permulaan semuanya menargetkan inferensian secara khusus. Ruang rangkaian GPU terdesentralisasi juga semakin membesar, berpotensi menawarkan pengiraan inferensian dengan kos yang lebih rendah dengan mengagregasikan peralatan yang kurang digunakan.
Gandaan pendapatan hadapan di bawah 22x menunjukkan bahawa pasaran telah memasukkan beberapa versi risiko ini. Samada ia merupakan peluang atau amaran bergantung sepenuhnya sama ada Nvidia mampu mengekalkan keunggulannya apabila AI berpindah dari membina model kepada menjalankannya dalam skala besar.