Nvidia 的 AI 帝國持續擴張

Nvidia 在 AI 領域的影響力不斷增強。探索 Nvidia 如何改變各行各業。

 概括

• Nvidia 公司正在從 GPU 設計師轉型為 AI 工廠建造者。

• 醫療保健、政府和機器人領域的人工智慧支出將持續成長。

• 執行長黃仁勳表示，人工智慧機器人產業的規模可能比汽車和消費性電子產業的總和還要大。

 介紹

根據我 3 月的文章，NVIDIA 公司（納斯達克股票代碼：NVDA）在加速運算方面擁有光明的未來，我們需要將他們視為 AI 工廠建構者，而不僅僅是 GPU 設計師。自撰寫本文以來，新資訊不斷出現，包括3 月18 日的GPU 技術大會（「GTC」）、截至4 月28 日的2025 年1 季度10 季度報告、2024 年5 月致股東信的最新年度回顧以及6 月的報告。

我的觀點是，隨著更多浪潮的形成，英偉達在人工智慧領域才剛起步。隨著新一輪發展浪潮的增強，人工智慧支出將繼續在醫療保健、政府、機器人和其他領域進行。

未來人工智慧浪潮的改進

由於第一波主要的人工智慧浪潮，即像 ChatGPT 這樣的大型語言模型（“LLMs”），Nvidia 賺了很多錢。這只是人工智慧之旅的一波浪潮，第一波重大浪潮也有缺陷。 Meta Platforms, Inc. (META) 首席人工智慧科學家Yann Lecun 在四月份的Lex Fridman 播客中討論了一些LLM局限性，表示LLMs缺乏智慧系統的四個基本特徵（強調是後加的） :

他們並不真正了解物質世界。他們並沒有真正的持久記憶。他們無法真正推理，當然也無法計劃。

與 Meta 首席人工智慧科學家 Lecu 一樣，麥肯錫也表示需要更多突破：

但是，儘管 ChatGPT 等新一代人工智慧工具似乎是一次巨大的飛躍，但實際上，它們只是朝著更大突破方向邁出的一步：通用人工智慧（AGI）。

麥肯錫展示了人工智慧需要實現的八項能力：

 
 
 人工智慧需求（麥肯錫）

醫療保健和政府

卡恩 (Jeremy Kahn) 的《掌握人工智慧》一書表示，人工智慧正在幫助醫學應對蛋白質折疊等挑戰。書稱，除了藥物開發之外，人工智慧還將為醫療保健做很多事情：

人工智慧在醫療保健領域的應用遠遠超出了新藥的範疇。該技術已經幫助放射科醫生在醫學影像中發現腫瘤和肺炎跡象。巴爾的摩約翰霍普金斯醫院使用人工智慧演算法來更好地預測哪些患者會患上敗血症，從而將這種疾病的死亡率降低了 20%，這種疾病每年導致 25 萬美國人死亡。

 [第 176 頁。

《掌握人工智慧》一書接著說，美國軍方正大力投資自主能力。前眾議院議長南希·佩洛西對未來政府支出和醫療保健支出有獨特的見解；她於 6 月底購買了 10,000 股 Nvidia 股票。

 機器人技術

在 Nvidia 2024 年 3 月的 GTC 主題演講影片中，執行長黃仁勳討論了人工智慧機器人的下一波浪潮——物理人工智慧。他說，下一波浪潮我們將需要 3 台相容 CUDA 的計算機，讓人工智慧機器能夠理解物理世界。第一台計算機和我們現在使用的一樣－DGX。它將不再消費文本，而是觀看影片。

一段時間以來，英偉達一直致力於建造機器人端到端系統。執行長黃詳細說明了其中兩台電腦（DGX 和 Jetson AGX 機器人電腦）的具體細節：

因此，如果您想在汽車中運行變壓器，或者想在任何移動的物體中運行變壓器，我們可以為您提供完美的電腦。它的名字叫傑特森。因此，DGX 除了訓練人工智慧之外，Jetson 也是自主處理器。

根據首席執行官黃的說法，機器人技術的第三台計算機處於中間位置 – 強化學習：

所以我們需要一個類比引擎來為機器人數位化地呈現世界，讓機器人有一個健身房去學習如何成為一個機器人。我們稱這個虛擬世界為 Omniverse。而運行 Omniverse 的計算機稱為 OVX。

2024 年 3 月的 GTC 主題演講 pdf 將這 3 台計算機放在一個圖表中：

機器人計算機（2024 年 3 月 GTC 主題演講）

這是同一主題演講中的另一張幻燈片，展示了 Generalist Robot 00 技術（“GR00T”）如何與 Jetson 堆疊結合使用 DGX 和 AGX：

GR00T（2024 年 3 月 GTC 主題演講）

在 GTC 主題演講即將結束時，執行長黃仁勳表示，Nvidia CUDA 生態系統中有超過 100 萬名機器人開發人員。他說下一代機器人很可能是人形機器人。人類的構造是相似的，所以我們有大量的模仿訓練資料可以提供。

根據黃仁勳在最新年度回顧中於 2024 年 5 月發表的信函，人工智慧驅動的機器人的未來是巨大的。他表示，規模將超過汽車和消費性電子產業的總和（強調是後加的）：

用於建構和部署AI 驅動的機器人（例如Isaac 軟體和Jetson 電腦）的NVIDIA 機器人平台擁有超過120 萬名開發人員和10,000 名客戶和合作夥伴。融為一體。隨著時間的推移，類人機器人和特定任務機器人將成為比汽車和消費性電子產業加起來還要大的產業。

2024 年 5 月《自然》雜誌上的一篇文章談論了機器人即將迎來的人工智慧革命，包括 Meta Platforms, Inc. (META) 的 Habitat 和 Nvidia 的 Isaac Sim 等模擬世界。它分享了 Nvidia 行銷經理 Gerard Andrews 和 Meta AI 研究員 Akshara Rai 的想法（重點已添加）：

「模擬是機器人技術中一種極其強大但被低估的工具，我很高興看到它獲得發展勢頭，」Rai 說。 Rai 是追求「真正的智慧只有當智能體能夠與其世界互動時才會出現」這一假設的人之一。有人說，這種現實世界的互動可以讓人工智慧超越學習模式和做出預測，真正理解和推理世界。

在 2024 年 6 月的 Computex 主題演講中，Nvidia 執行長黃仁勳討論了人工智慧限制的消除方式。這是他在關於下一波的主題演講記錄中的解釋，它理解物理定律。他表示，世界上所有的工廠最終都將由人工智慧機器人驅動（強調是後加的）：

人工智慧的下一波是物理人工智慧。理解物理定律的人工智慧，可以在我們中間工作的人工智慧。所以他們必須了解世界模型，以便他們了解如何解釋世界，如何感知世界，他們當然必須具有出色的認知能力，以便他們能夠了解我們，了解我們的要求，並執行我們的任務。未來，機器人技術將成為一個更普遍的想法。當然，當我說機器人技術時，通常會有一種人形機器人技術的代表。但事實並非如此。一切都將變成機器人。所有的工廠都將是機器人的。

Nvidia 於 2024 年 5 月發表的一篇部落格文章討論了迄今為止我們在機器人抓取方面遇到的挑戰。由於 Nvidia 和 Alphabet Inc.（GOOG、GOOGL）Intrinsic（已添加強調）的模擬工作，這一情況正在改善：

抓取一直是機器人技術中備受追捧的技能。到目前為止，它的編程非常耗時、昂貴，而且難以擴展。因此，迄今為止，機器人還沒有能夠無縫處理許多重複的取放條件。模擬正在改變這一點。 Intrinsic 在 NVIDIA Omniverse 平台上使用 NVIDIA Isaac Sim，使用金屬板和吸力夾具的電腦輔助設計模型產生真空抓取的綜合資料。

Paul Doherty 所寫的《解鎖元宇宙》一書談到了數位孿生的好處，它可以提高效率並減少物理測試的需要：

數位孿生可以幫助設施管理者優化設施空間的使用。例如，倉庫的數位孿生可用於模擬不同的佈局並確定最有效的空間利用。

[Kindle 圖書位置：461。

 自動駕駛

今天的電動車（“EV”）是帶輪子的機器人，但它們在這裡佔有一席之地。執行長黃對一般機器人技術，特別是自動駕駛技術感到興奮。在 2024 年 3 月的 GTC 主題演講中，他提到了與梅賽德斯、捷豹路虎（“JLR”）和比亞迪的項目：

一切會移動的東西都將是機器人。毫無疑問。這樣比較安全。這樣比較方便。最大的行業之一將是汽車行業。正如我所提到的，我們從電腦系統從上到下建立機器人堆棧，但對於自動駕駛汽車，包括自動駕駛應用程式。今年年底，或者我猜是明年初，我們將用梅賽德斯發貨，然後不久之後，將用捷豹路虎發貨。

特斯拉前人工智慧總監安德烈·卡帕蒂 (Andrej Karpathy) 在 1 月發表的一篇文章中談到了 Waymo 和特斯拉的潛力。他暗示，現在關於機器人軸的問題是一個何時、誰的問題，而不是一個是否的問題。他強調了 Waymo 和特斯拉所使用的不同策略：

Waymo採取的是先實現自動駕駛，然後擴展到全球的策略，而特斯拉採取的是先走向全球，然後擴展自動駕駛的策略。

與 Tesla 不同的是，Waymo 使用 TPU 訓練神經網路。鑑於特斯拉使用 Nvidia GPU，Nvidia 執行長黃說特斯拉在自動駕駛方面領先競爭對手也就不足為奇了。無論哪家公司最終生產了世界上大部分自動駕駛汽車，我認為它們將由 Nvidia 提供動力是一個不錯的選擇。

 估價

我預計英偉達的獲利能力在未來幾年將保持強勁，因為競爭對手將很難搶佔市場份額。我相信客戶在未來幾年將別無選擇，只能在英偉達人工智慧工廠上花費巨資來滿足他們的需求。在高盛 2024 年 6 月的一份報告中，全球股票研究主管吉姆·科維洛 (Jim Covello) 表示，預計競爭對手將推翻 Nvidia 的主導地位，這是一個巨大的飛躍：

如今，英偉達是目前唯一一家能夠生產為人工智慧提供動力的 GPU 的公司。有些人認為，來自半導體產業或超大規模企業（Google、亞馬遜和微軟）本身的 Nvidia 競爭對手將會出現，這是有可能的。但考慮到晶片公司在過去 10 年裡一直試圖推翻 Nvidia 在 GPU 領域的主導地位，但未能成功，這與我們今天的情況相比是一個巨大的飛躍。技術可能非常難以複製，以至於沒有競爭對手能夠做到這一點，使公司能夠維持其壟斷和定價能力。

僅將 Nvidia 視為一家 GPU 晶片公司是錯誤的。我喜歡從整體考慮公司，從 2024 年 3 月 GTC 主題演講的五個要點開始：

新工業革命（2024年3月GTC主題演講）

人工智慧工廠是這個新產業的現代化資料中心，垂直整合的 Blackwell 平台將發揮重要作用。 NVIDIA 推理微服務（“NIM”）是經過打包和優化的預訓練模型。神經模組（“NeMo”）微服務是一個由可組合構建塊組成的端到端平台，用於開發自訂生成人工智慧。 Nvidia 提供 NIM、NeMo 微服務和 DGX Cloud，將自己視為三大支柱 AI 代工廠，為 AI 行業所做的事情就像台積電 (TSM) 為晶片行業所做的那樣。

正如我們上面所說，人工智慧機器人業務的規模可能會超過汽車和消費性電子產業的總和。估值取決於從現在到審判日我們可以從一家公司提取的現金數量。 2024 年 3 月 GTC 主題演講中的這些考慮因素讓我認為 Nvidia 未來將擁有巨大的盈利能力是一個不錯的選擇。這應該意味著隨著公司在未來幾年的成熟，最終將提取大量現金。

以下是 Nvidia、AWS 和 Google Cloud 按日曆季度劃分的營業收入和銷售資料。請注意，英偉達的季度報告晚了一個月。 Nvidia 擁有令人難以置信的營業利潤率，因此他們在截至2023 年6 月/7 月的日曆期間的營業收入超過了AWS。了AWS：

Nvidia 銷售額（作者的電子表格）

隨著人工智慧需求的激增，英偉達的收入、收入成本和毛利在過去 4 個季度中大幅增長。過去 4 個時期的環比收入成長率分別為 18.9%、87.8%、34.2% 和 22%。營收成本成長分別為14.7%、59.0%、16.7%及12.5%，毛利成長百分比分別為21.3%、103.6%、41.6%及25.3%。截至 2023 年 7 月的季度是一個拐點，但此後兩個季度的成長也令人難以置信：

Nvidia 財務狀況（作者的電子表格）

我喜歡在表格中追蹤營業收入、毛利和收入的季度/季度和同比增長率：

以年度計算，營收從 2023 財年的 270 億美元增至 2024 財年的 609 億美元，成長了 126%。營收成本從 116 億美元成長 43% 至 166 億美元，毛利從 154 億美元成長 188% 至 443 億美元。

台積電認為，英偉達收入成本的很大一部分是與人工智慧相關的收入。在台積電第一季電話會議中，CEO 魏忠賢就 AI 相關的高能效算力需求發表瞭如下言論（強調是後加的）：

未來 5 年，我們預計其複合年增長率將達到 50%，到 2028 年將增至占我們收入的 20% 以上。

如果台積電在人工智慧相關計算領域的收入複合年增長率在 5 年內保持 50%，那麼對 Nvidia 的影響是巨大的。同樣，英偉達的大部分收入成本都流向了台積電，他們應該失去一些份額，這樣他們的收入成本的 5 年複合年增長率可能會低於 50%——也許是 45%。從截至 2024 年 4 月的上一季的年比百分比來看，英偉達的收入成本上漲了 122%。收入增幅高於此，達 262%，毛利增幅更高，達 339%，營業收入增幅最高，達 690%。這顯示營業收入複合年增長率可能遠高於收入成本複合年增長率。

如果5年收入成本CAGR為45%，那麼5年營業收入CAGR為60%也不是不可能。如果發生這種情況，那麼從今天開始每年每一美元的營業收入將在 5 年後超過 10 美元。有遠見的投資者需要保持耐心並記住數學的運作方式。如果一切都一致，那麼 60% 的複合年增長率意味著環比增長約 12.5%。

我最近寫了一篇文章，講述了人工智慧帶來的經濟效益對英偉達等設計師的影響比對台積電等製造商的影響更大。我預期這種情況會持續下去，這也是英偉達擁有光明未來的原因之一。 Nvidia 2025 年第一季營業收入為 169 億美元，營收為 260 億美元，營業收入運作率為 676 億美元。考慮到預期的長期成長，我認為對於 3 至 3.4 兆美元的估值範圍，45 至 50 倍的倍數並非不合理。

根據 2025 年 1 季 10 季度數據，截至 2024 年 5 月 24 日，流通股數為 24.6 億股，此後一直存在 10:1 的分割。 7 月 18 日的股價為 121.09 美元，因此市值略低於 3 兆美元。市值接近可解釋的估值範圍，我認為英偉達公司的股票對於長期投資者來說處於買入和持有之間。

免責聲明：本文中的任何資料均不應被視為正式的投資建議。切勿在沒有進行徹底研究的情況下購買股票。