Nvidia 剛剛公布了另一個季度的財報，足以讓大多數公司羨慕不已。2026 財年第三季營收達 570 億美元，年增 62%，其中資料中心部門單獨貢獻了 512 億美元。
敘事背後的數字
Nvidia 的資料中心營收達 512 億美元，季對季增長 25%，年對年增長 66%。這使得該公司的資料中心業務年化營收超過 2000 億美元。
該公司掌控了約 80% 的 AI 加速器市場。這種主導地位不僅僅源於硬體，更在於 CUDA 軟體生態系統，將開發者鎖定在 Nvidia 的架構中。
全球 AI 推理市場預計將從 2025 年的 1061.5 億美元增長至 2030 年的 2549.8 億美元，複合年增長率為 19.2%。Blackwell 和 Blackwell Ultra 架構專為提升推理經濟效益而設計，使生產環境中運行 AI 模型更便宜、更快。
為何推論比訓練更重要
訓練 AI 模型是一次性（或定期）的開支。推論——運行已訓練好的模型以服務實際用戶——則持續不斷進行。每一次 ChatGPT 查詢、每一個 AI 生成的搜尋結果、每一次自動化客戶服務互動，都是推論工作負載。一些行業估計顯示，推論最終可能佔據所有 AI 計算需求的 80-90%。
Nvidia 的執行長黃仁勳已連續幾個季度預示這一轉變。Blackwell 架構專為處理推論的特定計算模式而設計，在此情境下，延遲與每筆查詢的成本與原始吞吐量同等重要。
市場的異常反應
儘管公布的數字遠超預期，英偉達股價卻下跌。該股票目前市盈率低於 22 倍，對於一家年收入增長達 62% 的公司而言，此估值顯得相當合理。
雖然 Nvidia 主導訓練工作負載，但推論工作負載更為多元，且對競爭對手而言可能更具可及性。谷歌、亞馬遜以及一群不斷壯大的初創公司所開發的定制晶片，均專注於推論領域。去中心化 GPU 網絡空間也在擴張，有望通過整合閒置硬體，以更低的成本提供推論算力。
低於 22 倍的遠期市盈率表明市場正在為此風險的某種版本定價。這究竟是機會還是警告，完全取決於英偉達能否在人工智慧從建模轉向大規模運行時保持其主導地位。