<p><strong>英伟达</strong>(NVDA 4.26%) 并未披露其确切的客户名单。然而，该公司是人工智能 (AI) 工作负载数据中心芯片的主要供应商，我们知道 <strong>亚马逊</strong>(AMZN -0.43%)、<strong>微软</strong>(MSFT 0.44%)、<strong>谷歌</strong>(GOOG 2.42%) (GOOGL 2.40%)、<strong>Meta Platforms</strong> 和 <strong>甲骨文</strong> 是根据他们的公开文件所知的一些最大买家。</p>
<p>这些数据中心芯片被称为图形处理单元 (GPUs)，你不会相信他们的客户在这些芯片上花费了多少惊人的金额。继续阅读。</p>
<p><img src="https://imageproxy.pbkrs.com/https://g.foolcdn.com/image//query-b3A9cmVzaXplJnVybD1odHRwczovL2cuZm9vbGNkbi5jb20vZWRpdG9yaWFsL2ltYWdlcy84MjI3MDYvYS1kaWdpdGFsLXJlbmRlci1vZi1hbi1hcnRpZmljaWFsLWludGVsbGlnZW5jZS1jaGlwLXdpdGgtY29sb3JlZC1yYXlzLXNob290aW5nLW91dC1vZi1pdC5qcGcmdz03MDA?x-oss-process=image/auto-orient,1/interlace,1/resize,w_1440,h_1440/quality,q_95/format,jpg" alt="" width="700" height="466" original-src="https://imageproxy.pbkrs.com/https://g.foolcdn.com/image//query-b3A9cmVzaXplJnVybD1odHRwczovL2cuZm9vbGNkbi5jb20vZWRpdG9yaWFsL2ltYWdlcy84MjI3MDYvYS1kaWdpdGFsLXJlbmRlci1vZi1hbi1hcnRpZmljaWFsLWludGVsbGlnZW5jZS1jaGlwLXdpdGgtY29sb3JlZC1yYXlzLXNob290aW5nLW91dC1vZi1pdC5qcGcmdz03MDA"/></p>
<p>图片来源：Getty Images。</p>
<h2>成为人工智能竞赛的领导者并不便宜</h2>
<p>人工智能的主要工作负载有两个：训练，即将大量数据输入人工智能模型以使其变得 “更聪明”，以及推理，即人工智能模型使用这些数据来制定响应或做出预测的过程。这两种工作负载在充满数千个 GPU 的巨大数据中心中处理，建设这些数据中心的成本高达数十亿美元。</p>
<p>像亚马逊、微软、谷歌和 Meta 这样的公司拥有建设人工智能基础设施以开发自己人工智能模型的财务资源。亚马逊、微软、谷歌和甲骨文还建立人工智能数据中心，并将计算能力租给较小的开发者以获取利润，这已成为一种非常有利可图的商业模式，因为对计算能力的需求持续远远超过供应。</p>
<p>根据他们的公开文件，目前顶级人工智能公司在人工智能数据中心上的整体支出如下：</p>
<ul>
<li>亚马逊在 2025 年将分配高达 1050 亿美元用于资本支出 (capex)，其中大部分将用于人工智能数据中心和 GPU。</li>
<li>微软的 2025 财年将于 6 月 30 日结束，该公司预计将在人工智能基础设施上花费超过 800 亿美元。</li>
<li>谷歌预计在 2025 日历年将花费 750 亿美元用于人工智能资本支出。</li>
<li>Meta Platforms 最初计划在 2025 年花费高达 650 亿美元来推动其人工智能雄心，但最近将其预测的上限提高至 720 亿美元。</li>
<li>甲骨文的 2025 财年最近于 5 月 31 日结束，花费了 212 亿美元用于人工智能基础设施。该公司计划在 2026 财年分配超过 250 亿美元用于人工智能资本支出。</li>
</ul>
<p>该名单不包括像 OpenAI、Anthropic 和埃隆·马斯克的 xAI 这样的公司，因为它们是私有公司，因此不会公开披露太多信息。</p>
<p>并不是所有的钱都会流向英伟达，但上述每家公司都公开承认与这家芯片巨头的商业关系。英伟达的 GPU 和网络设备占据了人工智能数据中心支出的很大一部分，但其他主要成本包括土地收购、建设、电力基础设施、冷却系统和人员配置。</p>
<p>竞争也是一个因素——甲骨文、Meta 和微软也从 <strong>超微</strong> 购买了 GPU，一些超大规模公司如谷歌正在与 <strong>博通</strong> 合作设计自己的芯片。</p>
<h2>英伟达认为数据中心支出还有很大的增长空间</h2>
<p>英伟达的 Hopper GPU 架构是 2023 年及 2024 年大部分时间最强大的人工智能芯片的基础，包括流行的 H100。但自 H100 销售增长以来的两年中，英伟达推出了两个新架构，分别称为 Blackwell 和 Blackwell Ultra。后者平台在某些 GPU 配置中可以提供高达 50 倍的性能提升。</p>
<p>像 GB300 这样的 Blackwell Ultra GPU 是为当前的人工智能 “推理” 模型设计的，这些模型在生成响应之前在后台花费更多时间进行思考，相比传统的大型语言模型 (LLMs)，从而导致更准确的输出。英伟达首席执行官黄仁勋表示，一些推理模型需要比其前身多 100 倍到 1000 倍的计算能力，这应该会支持未来几年对 GPU 和其他硬件日益增长的需求。</p>
<p>英伟达计划明年推出另一种新架构，称为 Rubin，预计其速度将比 Blackwell Ultra 快 3.3 倍，相当于比 Hopper 提升惊人的 165 倍的性能。</p>
<p>对更多计算能力的不断追求是黄仁勋预测到 2028 年日历年人工智能数据中心支出将超过 1 万亿美元的原因，这将支持英伟达业务的持续增长。因此，尽管英伟达的股票交易接近历史高点，但现在可能是一个很好的买入时机。</p>

<p>英伟达是人工智能工作负载的领先 GPU 供应商，主要客户包括亚马逊、微软、谷歌、Meta 和甲骨文。这些公司正在大力投资人工智能基础设施，亚马逊计划到 2025 年支出高达 1050 亿美元，微软超过 800 亿美元，而谷歌预测支出为 750 亿美元。英伟达的 GPU 对人工智能数据中心至关重要，公司预计数据中心支出将显著增长，预测到 2028 年将超过 1 万亿美元。这一趋势表明，尽管英伟达的股价较高，但其股票可能是一个强劲的投资机会</p>

<p><strong>Nvidia</strong>(NVDA 4.26%) doesn't disclose its exact customer list. However, the company is the leading supplier of data center chips for artificial intelligence (AI) workloads, and we know <strong>Amazon</strong>(AMZN -0.43%), <strong>Microsoft</strong>(MSFT 0.44%), <strong>Alphabet</strong>(GOOG 2.42%) (GOOGL 2.40%), <strong>Meta Platforms</strong>, and <strong>Oracle</strong> are some of the biggest buyers of that hardware based on their public filings.</p>
<div class="lb-trans"><p><strong>英伟达</strong>(NVDA 4.26%) 并未披露其确切的客户名单。然而，该公司是人工智能 (AI) 工作负载数据中心芯片的主要供应商，我们知道 <strong>亚马逊</strong>(AMZN -0.43%)、<strong>微软</strong>(MSFT 0.44%)、<strong>谷歌</strong>(GOOG 2.42%) (GOOGL 2.40%)、<strong>Meta Platforms</strong> 和 <strong>甲骨文</strong> 是根据他们的公开文件所知的一些最大买家。</p>
</div><p>Those data center chips are called graphics processing units (GPUs), and you won't believe the eye-popping amount of money their customers are spending on these chips. Read on.</p>
<div class="lb-trans"><p>这些数据中心芯片被称为图形处理单元 (GPUs)，你不会相信他们的客户在这些芯片上花费了多少惊人的金额。继续阅读。</p>
</div><p><img src="https://imageproxy.pbkrs.com/https://g.foolcdn.com/image//query-b3A9cmVzaXplJnVybD1odHRwczovL2cuZm9vbGNkbi5jb20vZWRpdG9yaWFsL2ltYWdlcy84MjI3MDYvYS1kaWdpdGFsLXJlbmRlci1vZi1hbi1hcnRpZmljaWFsLWludGVsbGlnZW5jZS1jaGlwLXdpdGgtY29sb3JlZC1yYXlzLXNob290aW5nLW91dC1vZi1pdC5qcGcmdz03MDA" alt="" original-src="https://g.foolcdn.com/image/?url=https%3A%2F%2Fg.foolcdn.com%2Feditorial%2Fimages%2F822706%2Fa-digital-render-of-an-artificial-intelligence-chip-with-colored-rays-shooting-out-of-it.jpg&amp;op=resize&amp;w=700"/></p>
<p>Image source: Getty Images.</p>
<div class="lb-trans"><p>图片来源：Getty Images。</p>
</div><h2>Becoming a leader in the AI race isn't cheap</h2>
<div class="lb-trans"><h2>成为人工智能竞赛的领导者并不便宜</h2>
</div><p>There are two primary AI workloads: Training, which involves feeding truckloads of data into AI models to make them &#34;smarter,&#34; and inference, which is the process by which AI models use that data to formulate responses or make predictions. These two workloads are processed in enormous data centers filled with thousands of GPUs, which cost billions of dollars to build.</p>
<div class="lb-trans"><p>人工智能的主要工作负载有两个：训练，即将大量数据输入人工智能模型以使其变得 “更聪明”，以及推理，即人工智能模型使用这些数据来制定响应或做出预测的过程。这两种工作负载在充满数千个 GPU 的巨大数据中心中处理，建设这些数据中心的成本高达数十亿美元。</p>
</div><p>Companies like Amazon, Microsoft, Alphabet, and Meta have the financial resources to build AI infrastructure to develop their own AI models. Amazon, Microsoft, Alphabet, and Oracle also build AI data centers and rent out the computing power to smaller developers for profit, which has become a very lucrative business practice because demand for capacity continues to far exceed supply.</p>
<div class="lb-trans"><p>像亚马逊、微软、谷歌和 Meta 这样的公司拥有建设人工智能基础设施以开发自己人工智能模型的财务资源。亚马逊、微软、谷歌和甲骨文还建立人工智能数据中心，并将计算能力租给较小的开发者以获取利润，这已成为一种非常有利可图的商业模式，因为对计算能力的需求持续远远超过供应。</p>
</div><p>Here's how much money the top AI companies are spending on AI data centers overall at the moment, based on their public filings:</p>
<div class="lb-trans"><p>根据他们的公开文件，目前顶级人工智能公司在人工智能数据中心上的整体支出如下：</p>
</div><ul>
<li>Amazon is allocating up to $105 billion to capital expenditures (capex) in 2025 alone, most of which will go toward AI data centers and GPUs.</li>
<li>Microsoft's 2025 fiscal year will end on June 30, and the company is on track to have spent over $80 billion on AI infrastructure.</li>
<li>Alphabet is forecasting AI capex spending of $75 billion in calendar year 2025.</li>
<li>Meta Platforms originally planned to spend up to $65 billion to fuel its AI ambitions in 2025, but it recently raised the high end of its forecast to $72 billion.</li>
<li>Oracle's 2025 fiscal year recently ended on May 31, and it spent $21.2 billion on AI infrastructure. The company plans to allocate over $25 billion to AI capex in fiscal 2026.</li>
</ul>
<div class="lb-trans"><ul>
<li>亚马逊在 2025 年将分配高达 1050 亿美元用于资本支出 (capex)，其中大部分将用于人工智能数据中心和 GPU。</li>
<li>微软的 2025 财年将于 6 月 30 日结束，该公司预计将在人工智能基础设施上花费超过 800 亿美元。</li>
<li>谷歌预计在 2025 日历年将花费 750 亿美元用于人工智能资本支出。</li>
<li>Meta Platforms 最初计划在 2025 年花费高达 650 亿美元来推动其人工智能雄心，但最近将其预测的上限提高至 720 亿美元。</li>
<li>甲骨文的 2025 财年最近于 5 月 31 日结束，花费了 212 亿美元用于人工智能基础设施。该公司计划在 2026 财年分配超过 250 亿美元用于人工智能资本支出。</li>
</ul>
</div><p>That list doesn't include companies like OpenAI, Anthropic, and Elon Musk's xAI, which are privately held, so they don't openly disclose as much information.</p>
<div class="lb-trans"><p>该名单不包括像 OpenAI、Anthropic 和埃隆·马斯克的 xAI 这样的公司，因为它们是私有公司，因此不会公开披露太多信息。</p>
</div><p>Not all of that money will flow to Nvidia, but each of the above companies has publicly acknowledged its commercial relationship with the chip giant. Nvidia's GPUs and networking equipment account for a large chunk of AI data center spending, but other major costs include land acquisition, construction, power infrastructure, cooling systems, and staffing.</p>
<div class="lb-trans"><p>并不是所有的钱都会流向英伟达，但上述每家公司都公开承认与这家芯片巨头的商业关系。英伟达的 GPU 和网络设备占据了人工智能数据中心支出的很大一部分，但其他主要成本包括土地收购、建设、电力基础设施、冷却系统和人员配置。</p>
</div><p>Competition is also a factor -- Oracle, Meta, and Microsoft have purchased GPUs from <strong>Advanced Micro Devices</strong> as well, and some hyperscalers like Alphabet are working with <strong>Broadcom</strong> to design their own chips.</p>
<div class="lb-trans"><p>竞争也是一个因素——甲骨文、Meta 和微软也从 <strong>超微</strong> 购买了 GPU，一些超大规模公司如谷歌正在与 <strong>博通</strong> 合作设计自己的芯片。</p>
</div><h2>Nvidia thinks data center spending has plenty of room to grow</h2>
<div class="lb-trans"><h2>英伟达认为数据中心支出还有很大的增长空间</h2>
</div><p>Nvidia's Hopper GPU architecture was at the foundation of the most powerful AI chips in 2023 and for most of 2024, including the popular H100. But in the two years since H100 sales ramped up, Nvidia has launched two new architectures called Blackwell and Blackwell Ultra. The latter platform can deliver a staggering 50 times more performance than Hopper in certain GPU configurations.</p>
<div class="lb-trans"><p>英伟达的 Hopper GPU 架构是 2023 年及 2024 年大部分时间最强大的人工智能芯片的基础，包括流行的 H100。但自 H100 销售增长以来的两年中，英伟达推出了两个新架构，分别称为 Blackwell 和 Blackwell Ultra。后者平台在某些 GPU 配置中可以提供高达 50 倍的性能提升。</p>
</div><p>Blackwell Ultra GPUs like the GB300 are designed for the current crop of AI &#34;reasoning&#34; models, which spend more time thinking in the background before generating responses compared to traditional large language models (LLMs), leading to more accurate outputs. Nvidia CEO Jensen Huang says some reasoning models require between 100 times and 1,000 times more computing power than their predecessors, which should support growing demand for GPUs and other hardware for years to come.</p>
<div class="lb-trans"><p>像 GB300 这样的 Blackwell Ultra GPU 是为当前的人工智能 “推理” 模型设计的，这些模型在生成响应之前在后台花费更多时间进行思考，相比传统的大型语言模型 (LLMs)，从而导致更准确的输出。英伟达首席执行官黄仁勋表示，一些推理模型需要比其前身多 100 倍到 1000 倍的计算能力，这应该会支持未来几年对 GPU 和其他硬件日益增长的需求。</p>
</div><p>Nvidia plans to launch another new architecture called Rubin next year, which could be 3.3 times faster than Blackwell Ultra, translating to a staggering performance improvement of 165 times over Hopper.</p>
<div class="lb-trans"><p>英伟达计划明年推出另一种新架构，称为 Rubin，预计其速度将比 Blackwell Ultra 快 3.3 倍，相当于比 Hopper 提升惊人的 165 倍的性能。</p>
</div><p>The constant hunt for more computing power is the reason Huang predicts AI data center spending will top $1 trillion by calendar year 2028, which should support continued growth for Nvidia's business. As a result, Nvidia stock might be a great buy right now, even though it's trading near a record high.</p>
<div class="lb-trans"><p>对更多计算能力的不断追求是黄仁勋预测到 2028 年日历年人工智能数据中心支出将超过 1 万亿美元的原因，这将支持英伟达业务的持续增长。因此，尽管英伟达的股票交易接近历史高点，但现在可能是一个很好的买入时机。</p>
</div>

Who Are Nvidia's Biggest Customers?

- Nvidia 是人工智能数据中心芯片的主要供应商，客户包括亚马逊、微软等。  
- 这些公司在 2025 年的 AI 基础设施支出预计将达到 1050 亿美元。  
- Nvidia 预计 AI 数据中心支出到 2028 年将超过 1 万亿美元。  

英伟达最大的客户是谁？