 |
輝達的業績有助於緩解近幾個月來席捲市場的對AI泡沫的擔憂。 |
思考問題一：APPLE公司和MICROSOFT公司的 AI策略？ ASUS VS 聯想公司的AI PC 策略....
思考問題二：《經濟學人》 如何"分析了相關數據，列出了受影響最嚴重的城市"：
雖然大多數美國人都想忘記疫情，但美國各大城市仍在承受疫情帶來的後果。我們分析了相關數據，列出了受影響最嚴重的城市：https://econ.st/48MLvJp
【 A. I. Artificial Intelligence 產業6】：
"FOMO 研究院"整理的股市分析師問答，是無比重要的AI 產業-競爭入門。
Nvidia的財報數字只能告訴你過去發生了什麼，但分析師的提問，卻代表了市場的疑問，能揭示未來的風險在哪裡。
拋開冷冰冰的財報表，我們一起來看看黃仁勳和Colette Kress是如何回答的。
▋ 1. 關於雲端巨頭「燒錢」買晶片的可持續性
Vivek Arya (Bank of America)：「雲端巨頭（如微軟、Google、Meta）今年的資本支出（CapEx）已經高達 7,000 億美元。投資人擔心他們還有錢繼續買嗎？如果他們沒錢了，NVIDIA 還能成長嗎？」
黃仁勳的觀點是，過去，企業買電腦是為了「辦公」或「儲存資料」，這是一種成本。但在 AI 時代，買 GPU 就像是買「印鈔機」。
想像這些雲端公司是開工廠的。以前他們買機器是為了維持工廠運作。現在，他們買 NVIDIA 的 GPU 是為了建造「AI 工廠」。這些工廠生產的產品叫做 Token（AI 生成的每一個字、每一張圖都由 Token 組成）。
全世界都在付費購買這些 Token（例如你付費訂閱 ChatGPT，企業付費使用 API）。只要 Token 能賣錢，雲端公司就會繼續買機器來生產更多 Token。
現在的 AI 不再只是陪你聊天的機器人，而是能幫你寫程式、做研究的「代理人 (Agent)」。這種 AI 非常有用，需求量極大，因此雲端公司必須不斷擴充產能（買更多 GPU）來滿足需求，否則他們就賺不到這筆錢。
在黃仁勳看來，只要 AI 能幫企業賺錢，雲端巨頭就不會停止購買 NVIDIA 的晶片，因為這是在投資賺錢工具，而不是單純的花費。
▋ 2. 軟體 (CUDA) 在「推論」時代的重要性
Atif Malik (Citi)：「大家都知道 NVIDIA 的 CUDA 軟體在「訓練」AI 模型時無可取代。但現在市場轉向「推論」（Inference，即實際使用 AI），這似乎比較簡單？NVIDIA 的軟體護城河還在嗎？」
黃仁勳的答案是，以前的推論很簡單，一顆晶片就能搞定。但現在的模型（如 GPT-5.3）太巨大了，需要幾十顆甚至幾百顆 GPU 聯合運作才能回答一個問題。
想像你在指揮一個 100 人的交響樂團（GPU 叢集）來演奏一首曲子（回答一個 AI 問題）。如果沒有一個超強的指揮家（CUDA 和相關軟體），這 100 個人就會亂成一團，演奏出來的聲音既慢又難聽。
NVIDIA 的軟體能讓這 100 顆 GPU 完美同步。這直接影響成本：如果軟體優化得好，生成一個字的成本就低，速度就快。對於雲端公司來說，這意味著利潤更高。
未來的 AI 會自己思考、調用工具、分派任務給其他 AI。這種複雜的流程需要極其強大的軟體底層來支撐，這正是 NVIDIA CUDA 的強項。
▋ 3. 高毛利率能維持多久？
Ben Reitzes (Melius Research)：「NVIDIA 的毛利率高達 75%（這在硬體業是非常驚人的）。這能維持到 2027 年甚至更久嗎？」
Colette Kress (CFO) 回答到，NVIDIA 維持高利潤的祕訣不是漲價，而是提供「超值」的效能提升。
假設上一代晶片賣 100 元，效能是 1。新一代晶片賣 200 元，但效能是 50。雖然價格貴了兩倍，但對客戶來說，獲得同樣效能的成本其實大幅下降了。
只要 NVIDIA 能持續做出這種「效能飛躍」的產品，客戶就願意付高價，因為這反而幫他們省了錢（省電、省空間、省時間）。
黃仁勳強調，他們跑得比摩爾定律還快。他們每年都推出新架構（Blackwell, Rubin），這種瘋狂的創新速度讓競爭對手難以追趕，也讓他們擁有定價權。
▋ 4. 太空數據中心：科幻還是現實？
Antoine Chiketan (New Street Research)：「有些客戶想把數據中心發射到太空中。這真的可行嗎？經濟效益如何？」
黃仁勳回應到，太空中雖然冷，但沒有空氣（真空），熱量很難散發出去（就像保溫瓶原理）。所以在太空中幫電腦散熱非常困難且昂貴。
雖然建大規模數據中心很難，但在太空中做「邊緣運算」非常有價值。
衛星每天拍下海量的高解析度照片。如果要把這些原始照片全部傳回地球，傳輸費非常貴且慢。如果在衛星上直接放一顆 NVIDIA 晶片，用 AI 先分析照片，只把「有價值的結果」（例如：發現哪裡有森林火災）傳回地球，這就非常划算。
▋ 5. 客戶不只是雲端巨頭
Mark Zapakos (Evercore ISI)：「雖然雲端巨頭佔了一半營收，但其他客戶（非雲端巨頭）的成長似乎更快？他們在做什麼？」
黃仁勳認為，除了 Google、Meta 這些巨頭，現在「主權國家」（如日本、法國想建立自己的 AI）、「汽車公司」（訓練自動駕駛）、「製藥公司」（用 AI 找新藥）都在買 GPU。
NVIDIA 的優勢在於它的平台是通用的。同一套硬體和軟體（CUDA），既可以拿來訓練 ChatGPT，也可以拿來模擬天氣，或者控制機器人。這讓 NVIDIA 的客戶群非常多樣化，不依賴單一產業。
▋ 6. 為什麼要推出獨立的 CPU (Vera)？
Aaron Rakers (Wells Fargo)：「NVIDIA 是做 GPU 起家的，為什麼現在要大力推廣獨立的 CPU 產品（Vera）？」
在黃仁勳看來，AI 不僅僅是訓練（這部分 GPU 最強）。在訓練之前，需要處理海量數據（Data Processing）；在訓練之後，AI 代理需要執行邏輯判斷和使用工具（Post-training）。
如果 GPU 是負責「思考」的大腦，那麼 CPU 就是負責「手腳」和「整理資料」的管家。當 AI 變得越來越像人類（代理式 AI），它需要做很多邏輯切換和工具操作，這時候需要一顆單執行緒性能極強的 CPU 來配合 GPU。
Vera 不是普通的 CPU，它是專門為了配合 AI 工作流程中「非 GPU 擅長」的部分而設計的，特別是在數據處理和複雜邏輯執行上。
▋ 7. 賺了這麼多錢，為什麼不大量回購股票？
Tim Arcuri (UBS)：「NVIDIA 手上現金快要達到 1,000 億美元了，股價卻沒有大漲。為什麼不乾脆拿一大筆錢買回自家股票（這通常會推升股價）？」
Colette Kress表示，NVIDIA 確實有在回購股票和發股利，但他們更傾向於把錢拿去「投資生態系」。
為了確保未來幾年都能賣出晶片，NVIDIA 需要先付錢給供應商（如台積電）鎖定產能，還需要投資那些用 NVIDIA 晶片的新創公司（如 OpenAI, Anthropic）。這是在「養魚」，確保未來的市場需求，比短期拉抬股價更重要。
▋ 8. 3-4 兆美元的市場預測是真的嗎？
Jim Schneider (Goldman Sachs)：「 Jensen 曾預測未來數據中心市場規模將達到 3 到 4 兆美元。現在還堅持這個看法嗎？動力是什麼？」
在黃仁勳看來，軟體的本質改變了，變成了從「預錄」到「生成」。
在舊時代（預錄），以前的軟體就像「DVD 播放器」。內容是先寫好的、錄好的，電腦只是把它讀出來。這需要的算力很小。
在新時代（生成），AI 時代的軟體就像「即時演員」。每一個字、每一張圖都是當下根據你的需求「算」出來的。這需要的算力是以前的成千上萬倍。
未來所有的軟體都會變成 AI，所有的 AI 都在產出 Token。世界將從「檢索數據」轉向「生成 Token」。因此，現有的數據中心規模遠遠不夠，必須重建整個基礎設施。
所以在他看來，3-4 兆美元可能還低估了，因為這是一場新的工業革命。
p.s. 新一期的深入分析已經發出，主題是「高市早苗上任後的日本投資」。這次我們不談AI(其實還是會有AI)，談國策。如果對日本投資有興趣，但又對這個市場完全沒有認知的話，歡迎你加入，看完後你會對日本有一個更宏觀的了解。
沒有留言:
張貼留言