<p><strong>英伟达</strong>(NVDA -7.62%) 为数据中心提供一些世界上最先进的图形处理单元（GPU）——开发者用来驱动和训练人工智能（AI）软件的硬件。对其芯片的需求远远超过其目前的供应能力，这也帮助解释了自 2023 年初以来，该公司市值增加了超过 2.3 万亿美元。</p>
<p>在上个月的英伟达年度 GPU 技术大会（GTC）上，首席执行官黄仁勋提出了一些令人惊叹的催化剂，这些催化剂可能会加速公司已经快速的增长。由于其股票目前比历史最高点下跌了 27%，在整体市场急剧抛售的背景下，这可能是一个重要的买入机会。</p>
<p><img src="https://imageproxy.pbkrs.com/https://g.foolcdn.com/image//query-b3A9cmVzaXplJnVybD1odHRwczovL2cuZm9vbGNkbi5jb20vZWRpdG9yaWFsL2ltYWdlcy84MTMyNzkvbnZpZGlhcy1oZWFkcXVhcnRlcnMtd2l0aC1hLWJsYWNrLW52aWRpYS1zaWduLW91dC10aGUtZnJvbnQucG5nJnc9NzAw?x-oss-process=image/auto-orient,1/interlace,1/resize,w_1440,h_1440/quality,q_95/format,jpg" alt="" original-src="https://imageproxy.pbkrs.com/https://g.foolcdn.com/image//query-b3A9cmVzaXplJnVybD1odHRwczovL2cuZm9vbGNkbi5jb20vZWRpdG9yaWFsL2ltYWdlcy84MTMyNzkvbnZpZGlhcy1oZWFkcXVhcnRlcnMtd2l0aC1hLWJsYWNrLW52aWRpYS1zaWduLW91dC10aGUtZnJvbnQucG5nJnc9NzAw"/></p>
<p>图片来源：英伟达。</p>
<h2>新的 AI 模型需要 100 倍于其前身的计算能力</h2>
<p>大型语言模型（LLM）是每个 AI 应用的基础。这些模型在大量数据上进行训练，LLM 能够访问的数据越多，最终工具就会越 “智能”。然而，训练它们需要大量的计算能力——特别是并行处理能力——这就是为什么对英伟达数据中心 GPU 的需求如此之大的原因。</p>
<p>直到最近，LLM 提供的是 “一次性” 响应，这意味着聊天机器人会快速生成用户输入的每个提示的单一输出。虽然这种方法快速有效，但未能消除不准确性，这降低了它们的价值和用户体验。现在，像 OpenAI、Anthropic 和 DeepSeek 这样的顶级开发者正在专注于一种完全不同的方法，称为测试时扩展或 “推理”。</p>
<p>这些模型不是简单地摄取无尽的数据，而是在生成响应之前花更多时间 “思考”。换句话说，它们更好地利用已有的数据，并更有可能在发布最终输出之前清除任何不准确性。这种方法取得了巨大的成功，产生了一些迄今为止最先进的 AI 模型，如 OpenAI 的 GPT-4o 系列、DeepSeek 的 R1、Anthropic 的 Claude 3.7 Sonnet，以及 <strong>Alphabet</strong> 的 Gemini 2.5 Pro。</p>
<p>然而，推理模型需要显著更多的计算能力。黄仁勋表示，每个响应消耗的令牌（单词、标点和符号）比以前多 10 倍，因为后台进行的 “思考” 量很大，因此模型生成最终输出的速度也大大减慢。黄仁勋表示，GPU 需要快 10 倍才能弥补这一点，他估计开发者很快需要惊人的 100 倍计算能力，以便以令人满意的用户体验部署推理模型。</p>
<p>英伟达的新 Blackwell GPU 架构是朝这个方向迈出的一步。在某些配置中，Blackwell GB200 GPU 的 AI 推理速度比公司之前基于 Hopper 架构的芯片快 30 倍。此外，上个月，英伟达还揭示了其新的 Blackwell Ultra 架构，该架构专为推理模型设计，能够提供比 Hopper 高 50 倍的性能。</p>
<h2>到 2028 年每年 1 万亿美元的机会</h2>
<p>向推理模型的持续转变可能会成为英伟达 GPU 销售的重大助力。在上个月的 GTC 上，黄仁勋表示，四大云基础设施服务提供商（因此也是全球最大的 数据中心运营商）已经订购了惊人的 360 万块 Blackwell GPU，这几乎是他们去年购买的 Hopper 芯片数量的三倍。</p>
<p>这四大云提供商是 <strong>亚马逊</strong> 网络服务、<strong>微软</strong>Azure、谷歌云和 <strong>甲骨文</strong> 云基础设施。这个名单不包括其他正在为自身目的开发 AI 的大型支出者，如 <strong>Meta Platforms</strong>、<strong>特斯拉</strong> 和 OpenAI，因此 Blackwell 的总订单数量几乎肯定要高得多。</p>
<p>这可能只是个开始：黄仁勋预测，到 2028 年，AI 基础设施支出将超过每年 1 万亿美元，其中大部分将用于英伟达提供的 AI 加速芯片。</p>
<p>英伟达的数据中心业务在其 2025 财年（截至 1 月 26 日）产生了 1152 亿美元的收入。这比前一年增长了 142%。如果黄仁勋的预测是正确的，该公司的销售额可能还有很大的增长空间。</p>
<h2>现在的英伟达股票看起来很划算</h2>
<p>英伟达股票从最近的历史最高点下跌 27% 为投资者创造了一个机会，可以以相对历史的吸引力估值进行购买。它目前的市盈率（P/E）为 36.9。这是三年来的最低水平，也是其 10 年平均市盈率 59.5 的 38% 折扣。</p>
<p><img src="https://imageproxy.pbkrs.com/https://media.ycharts.com/charts/53f021f83e2a674a2904de3eec630717.png?x-oss-process=image/auto-orient,1/interlace,1/resize,w_1440,h_1440/quality,q_95/format,jpg" alt="" original-src="https://imageproxy.pbkrs.com/https://media.ycharts.com/charts/53f021f83e2a674a2904de3eec630717.png"/></p>
<p>数据来源：YCharts。</p>
<p>此外，华尔街的共识估计（由 Yahoo! Finance 提供）表明，英伟达 2026 财年的每股收益（EPS）将达到 4.53 美元。这使得该股票的前瞻市盈率仅为 23.9。换句话说，英伟达必须在本财年结束前飙升 149%，才能与其 10 年平均市盈率 59.5 相符（假设华尔街的 EPS 估计是准确的）。</p>
<p>话虽如此，我认为投资者应该超越未来 12 个月，因为如果黄仁勋是正确的，英伟达股东的最佳回报可能会在未来三到五年内实现。</p>

英伟达

<p>英伟达首席执行官黄仁勋在最近的 GPU 技术大会上宣布了显著的增长催化剂，强调了由于推理模型在人工智能中的崛起，对先进 GPU 需求的增加。英伟达的新 Blackwell GPU 架构承诺比之前的型号性能提升高达 50 倍，主要云服务提供商已经订购了数百万个单位。黄仁勋预测，到 2028 年，人工智能基础设施支出可能每年达到 1 万亿美元，这表明英伟达有巨大的增长潜力。目前，英伟达的股票较峰值下跌了 27%，在历史低估值下提供了买入机会</p>

<p><strong>Nvidia</strong>(NVDA -7.62%) supplies some of the world's most advanced graphics processing units (GPUs) for data centers -- hardware that developers use to power and train artificial intelligence (AI) software. Demand for its chips far exceeds what it can currently supply, which helps explain how the company has added over $2.3 trillion to its market capitalization since the start of 2023.</p>
<div class="lb-trans"><p><strong>英伟达</strong>(NVDA -7.62%) 为数据中心提供一些世界上最先进的图形处理单元（GPU）——开发者用来驱动和训练人工智能（AI）软件的硬件。对其芯片的需求远远超过其目前的供应能力，这也帮助解释了自 2023 年初以来，该公司市值增加了超过 2.3 万亿美元。</p>
</div><p>At Nvidia's annual GPU Technology Conference (GTC) last month, CEO Jensen Huang laid out some incredible catalysts that could accelerate the company's already rapid growth. With its stock currently trading down 27% from its record high amid the sharp sell-off in the broader market, this could be a significant buying opportunity.</p>
<div class="lb-trans"><p>在上个月的英伟达年度 GPU 技术大会（GTC）上，首席执行官黄仁勋提出了一些令人惊叹的催化剂，这些催化剂可能会加速公司已经快速的增长。由于其股票目前比历史最高点下跌了 27%，在整体市场急剧抛售的背景下，这可能是一个重要的买入机会。</p>
</div><p><img src="https://imageproxy.pbkrs.com/https://g.foolcdn.com/image//query-b3A9cmVzaXplJnVybD1odHRwczovL2cuZm9vbGNkbi5jb20vZWRpdG9yaWFsL2ltYWdlcy84MTMyNzkvbnZpZGlhcy1oZWFkcXVhcnRlcnMtd2l0aC1hLWJsYWNrLW52aWRpYS1zaWduLW91dC10aGUtZnJvbnQucG5nJnc9NzAw" alt="" original-src="https://g.foolcdn.com/image/?url=https%3A%2F%2Fg.foolcdn.com%2Feditorial%2Fimages%2F813279%2Fnvidias-headquarters-with-a-black-nvidia-sign-out-the-front.png&amp;op=resize&amp;w=700"/></p>
<p>Image source: Nvidia.</p>
<div class="lb-trans"><p>图片来源：英伟达。</p>
</div><h2>New AI models need 100 times the computing power of their predecessors</h2>
<div class="lb-trans"><h2>新的 AI 模型需要 100 倍于其前身的计算能力</h2>
</div><p>Large language models (LLMs) sit at the foundation of every AI application. These models are trained on mountains of data, and the more data an LLM can access, the &#34;smarter&#34; the resulting tool will be. However, training them requires massive amounts of computing power -- particularly parallel processing power -- which is why there is so much demand for Nvidia's data center GPUs.</p>
<div class="lb-trans"><p>大型语言模型（LLM）是每个 AI 应用的基础。这些模型在大量数据上进行训练，LLM 能够访问的数据越多，最终工具就会越 “智能”。然而，训练它们需要大量的计算能力——特别是并行处理能力——这就是为什么对英伟达数据中心 GPU 的需求如此之大的原因。</p>
</div><p>Up until recently, LLMs delivered &#34;one-shot&#34; responses, meaning a chatbot would rapidly generate a single output for every prompt input by the user. While this method was fast and effective, it failed to weed out inaccuracies, which detracted from their value and the user experience. Now, top developers like OpenAI, Anthropic, and DeepSeek are focusing on an entirely different approach called test-time scaling, or &#34;reasoning.&#34;</p>
<div class="lb-trans"><p>直到最近，LLM 提供的是 “一次性” 响应，这意味着聊天机器人会快速生成用户输入的每个提示的单一输出。虽然这种方法快速有效，但未能消除不准确性，这降低了它们的价值和用户体验。现在，像 OpenAI、Anthropic 和 DeepSeek 这样的顶级开发者正在专注于一种完全不同的方法，称为测试时扩展或 “推理”。</p>
</div><p>Rather than simply ingesting endless amounts of data, these models spend more time &#34;thinking&#34; before rendering responses to inputs. In other words, they make better use of the data they already have, and are more apt to clear up any inaccuracies behind the scenes before releasing the final output. This approach has been wildly successful, producing some of the most advanced AI models to date, such as OpenAI's GPT-4o series, DeepSeek's R1, Anthropic's Claude 3.7 Sonnet, and <strong>Alphabet</strong>'s Gemini 2.5 Pro.</p>
<div class="lb-trans"><p>这些模型不是简单地摄取无尽的数据，而是在生成响应之前花更多时间 “思考”。换句话说，它们更好地利用已有的数据，并更有可能在发布最终输出之前清除任何不准确性。这种方法取得了巨大的成功，产生了一些迄今为止最先进的 AI 模型，如 OpenAI 的 GPT-4o 系列、DeepSeek 的 R1、Anthropic 的 Claude 3.7 Sonnet，以及 <strong>Alphabet</strong> 的 Gemini 2.5 Pro。</p>
</div><p>However, reasoning models require significantly more computing power. Huang says each response consumes 10 times more tokens (words, punctuation, and symbols) because of how much &#34;thinking&#34; goes on in the background, and as a result, the models are also much slower to render a final output. Huang says GPUs will need to be 10 times faster to offset this, and he estimates that developers will soon need a staggering 100 times more computing power to deploy reasoning models with a satisfactory user experience.</p>
<div class="lb-trans"><p>然而，推理模型需要显著更多的计算能力。黄仁勋表示，每个响应消耗的令牌（单词、标点和符号）比以前多 10 倍，因为后台进行的 “思考” 量很大，因此模型生成最终输出的速度也大大减慢。黄仁勋表示，GPU 需要快 10 倍才能弥补这一点，他估计开发者很快需要惊人的 100 倍计算能力，以便以令人满意的用户体验部署推理模型。</p>
</div><p>Nvidia's new Blackwell GPU architecture is a step in that direction. In some configurations, a Blackwell GB200 GPU can perform AI inference 30 times faster than the company's previous generation of chips, which were based on its Hopper architecture. Plus, last month, Nvidia revealed its new Blackwell Ultra architecture, which will be capable of delivering 50 times more performance than Hopper because it's specifically designed for reasoning models.</p>
<div class="lb-trans"><p>英伟达的新 Blackwell GPU 架构是朝这个方向迈出的一步。在某些配置中，Blackwell GB200 GPU 的 AI 推理速度比公司之前基于 Hopper 架构的芯片快 30 倍。此外，上个月，英伟达还揭示了其新的 Blackwell Ultra 架构，该架构专为推理模型设计，能够提供比 Hopper 高 50 倍的性能。</p>
</div><h2>A $1 trillion annual opportunity by 2028</h2>
<div class="lb-trans"><h2>到 2028 年每年 1 万亿美元的机会</h2>
</div><p>The continuing shift toward reasoning models could be a significant tailwind for Nvidia's GPU sales. At GTC last month, Huang said the top four providers of cloud infrastructure services (and thus, the world's largest operators of data centers) have ordered a whopping 3.6 million Blackwell GPUs already, which is almost triple the number of Hopper chips they purchased last year.</p>
<div class="lb-trans"><p>向推理模型的持续转变可能会成为英伟达 GPU 销售的重大助力。在上个月的 GTC 上，黄仁勋表示，四大云基础设施服务提供商（因此也是全球最大的 数据中心运营商）已经订购了惊人的 360 万块 Blackwell GPU，这几乎是他们去年购买的 Hopper 芯片数量的三倍。</p>
</div><p>Those four cloud providers are <strong>Amazon</strong> Web Services, <strong>Microsoft</strong> Azure, Google Cloud, and <strong>Oracle</strong> Cloud Infrastructure. That list doesn't include other big spenders that are developing AI for their own purposes, like <strong>Meta Platforms</strong>, <strong>Tesla</strong>, and OpenAI, so the total number of Blackwell orders is almost certainly much higher.</p>
<div class="lb-trans"><p>这四大云提供商是 <strong>亚马逊</strong> 网络服务、<strong>微软</strong>Azure、谷歌云和 <strong>甲骨文</strong> 云基础设施。这个名单不包括其他正在为自身目的开发 AI 的大型支出者，如 <strong>Meta Platforms</strong>、<strong>特斯拉</strong> 和 OpenAI，因此 Blackwell 的总订单数量几乎肯定要高得多。</p>
</div><p>This could just be the beginning: Huang predicts AI infrastructure spending will top $1 trillion annually by 2028, and much of that will go toward AI accelerator chips such as those that Nvidia provides.</p>
<div class="lb-trans"><p>这可能只是个开始：黄仁勋预测，到 2028 年，AI 基础设施支出将超过每年 1 万亿美元，其中大部分将用于英伟达提供的 AI 加速芯片。</p>
</div><p>Nvidia's data center business generated $115.2 billion in revenue during its fiscal 2025 (which ended Jan. 26). That was up 142% compared to the prior year. If Huang's forecast is right, the company's sales likely have substantial room to grow.</p>
<div class="lb-trans"><p>英伟达的数据中心业务在其 2025 财年（截至 1 月 26 日）产生了 1152 亿美元的收入。这比前一年增长了 142%。如果黄仁勋的预测是正确的，该公司的销售额可能还有很大的增长空间。</p>
</div><h2>Nvidia stock looks like a bargain right now</h2>
<div class="lb-trans"><h2>现在的英伟达股票看起来很划算</h2>
</div><p>The 27% drop in Nvidia stock from its recent all-time high has created an opportunity for investors to buy it at an attractive valuation relative to its history. It currently trades at a price-to-earnings (P/E) ratio of 36.9. That's its cheapest level in three years, and also a 38% discount to its 10-year average P/E ratio of 59.5.</p>
<div class="lb-trans"><p>英伟达股票从最近的历史最高点下跌 27% 为投资者创造了一个机会，可以以相对历史的吸引力估值进行购买。它目前的市盈率（P/E）为 36.9。这是三年来的最低水平，也是其 10 年平均市盈率 59.5 的 38% 折扣。</p>
</div><p><img src="https://imageproxy.pbkrs.com/https://media.ycharts.com/charts/53f021f83e2a674a2904de3eec630717.png" alt="" original-src="https://media.ycharts.com/charts/53f021f83e2a674a2904de3eec630717.png"/></p>
<p>Data by YCharts.</p>
<div class="lb-trans"><p>数据来源：YCharts。</p>
</div><p>Moreover, Wall Street's consensus estimates (as provided by Yahoo! Finance) suggest that Nvidia's earnings per share (EPS) for fiscal 2026 will come in at $4.53. That gives the stock a forward P/E ratio of just 23.9. In other words, Nvidia would have to soar by 149% by the end of this fiscal year just to trade in line with its 10-year average P/E ratio of 59.5 (assuming Wall Street's EPS estimate proves to be accurate).</p>
<div class="lb-trans"><p>此外，华尔街的共识估计（由 Yahoo! Finance 提供）表明，英伟达 2026 财年的每股收益（EPS）将达到 4.53 美元。这使得该股票的前瞻市盈率仅为 23.9。换句话说，英伟达必须在本财年结束前飙升 149%，才能与其 10 年平均市盈率 59.5 相符（假设华尔街的 EPS 估计是准确的）。</p>
</div><p>With that said, I think investors should look beyond the next 12 months because, if Huang is correct, Nvidia shareholders' best returns might be realized over the next three to five years instead.</p>
<div class="lb-trans"><p>话虽如此，我认为投资者应该超越未来 12 个月，因为如果黄仁勋是正确的，英伟达股东的最佳回报可能会在未来三到五年内实现。</p>
</div>

Jensen Huang Recently Delivered Incredible News for Nvidia Investors

- Nvidia 的 GPU 需求超出供应，市值自 2023 年以来增加 2.3 万亿美元。  
- CEO 黄仁勋预测 AI 基础设施支出到 2028 年将超过 1 万亿美元。  
- 当前股价下跌 27%，为投资者提供了吸引力。  

黄仁勋最近为英伟达投资者带来了令人振奋的消息