Nvidia 不只是賣晶片
而是蓋整座 AI 工廠
黃仁勳正在向投資人揭示 AI 的下一輪獲利邏輯：從「訓練模型」轉向「大規模實際應用」。Nvidia 的角色已從 GPU 供應商，正式升級為 AI 時代的「基礎設施總包商」。
2027 市場機遇
1 兆美元
核心轉捩點
AI 推理
Spotify Podcast Apple Podcasts
AI 推理的轉折點已經到來
"The inference inflection has arrived."
黃仁勳在演講中強調，AI 產業的重心正在轉移。如果說以前是在讓模型「變聰明」，那麼現在就是讓模型「每天真的上班」。
這代表 AI 基礎建設的需求並不會在訓練高峰後消失，而是會隨著 ChatGPT、Claude 等系統穩定服務數億使用者，轉化為長期且龐大的推理運算需求。
推理經濟學的核心觀點
- 1 商用化量產： AI 從實驗室研發，轉向穩定、快速、低成本的規模化服務。
- 2 長期運算量： 推理需求可能遠大於訓練，且會隨著使用者的增加而長期增長。
- 3 基礎設施延續： 資本支出將維持高檔，甚至進入第二階段的擴張期。
市場估值與規模想像
Nvidia AI 相關營收機會估計 (單位: 億美元)
註：數據基於 GTC 2026 演講與官方上修預測。
2027 預估機遇
$1,000B+
大幅上修 100%，顯示市場天花板再度被推升。
潛在訂單積壓
$1,000B
黃仁勳形容未來一年公司面對的訂單規模極其驚人。
Vera Rubin：整套 AI 工廠的誕生
Nvidia 不再只是賣單一張「顯卡」，而是將七顆突破性晶片、五個機櫃整合成一台巨型超級電腦。這是典型的「基礎設施總包商」策略。
關鍵組件清單與戰略意義
| 組件名稱 | 戰略角色 | 關鍵優勢 | 狀態 |
|---|
Vera CPU：最被低估的新故事
「CPU 不再只是支援模型，它正在驅動模型。」Vera CPU 是針對代理型 AI 與強化學習時代打造，旨在處理極度複雜的任務協調與記憶管理。
效率
優於傳統機櫃
速度
驅動模型運作
商業策略的典範轉移
Token 是新貨幣
未來衡量 AI 價值的單位不再是「顯卡」，而是「智慧 Token」。AI 工廠即是生產此種貨幣的基礎設施。
每瓦效能指標
Nvidia 將競爭焦點從「絕對速度」轉向「整體經濟效益」。誰能用最少的電力產出最多的 Token 誰就是贏家。
深化護城河
藉由系統級銷售（NVL72），增加客戶的切換成本（Switching Cost）。買整櫃的比買單卡更具黏著度。
潛在挑戰與風險 (Bear Case)
- ● 自研晶片威脅： Google, Meta 等巨頭持續開發專屬晶片。
- ● 推理市場競爭： 推理不一定只需要 GPU，ASIC 與 CPU 同具競爭力。
- ● 地緣政治風險： 美國對中國出口限制的持續影響。
- ● 估值壓力： 高本益比需要極高的執行力與天花板支撐。