<p><strong>英偉達</strong>(NVDA -7.62%) 為數據中心提供一些世界上最先進的圖形處理單元（GPU）——開發者用來驅動和訓練人工智能（AI）軟件的硬件。對其芯片的需求遠遠超過其目前的供應能力，這也幫助解釋了自 2023 年初以來，該公司市值增加了超過 2.3 萬億美元。</p>
<p>在上個月的英偉達年度 GPU 技術大會（GTC）上，首席執行官黃仁勳提出了一些令人驚歎的催化劑，這些催化劑可能會加速公司已經快速的增長。由於其股票目前比歷史最高點下跌了 27%，在整體市場急劇拋售的背景下，這可能是一個重要的買入機會。</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>圖片來源：英偉達。</p>
<h2>新的 AI 模型需要 100 倍於其前身的計算能力</h2>
<p>大型語言模型（LLM）是每個 AI 應用的基礎。這些模型在大量數據上進行訓練，LLM 能夠訪問的數據越多，最終工具就會越 “智能”。然而，訓練它們需要大量的計算能力——特別是並行處理能力——這就是為什麼對英偉達數據中心 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” 響應，這意味着聊天機器人會快速生成用户輸入的每個提示的單一輸出。雖然這種方法快速有效，但未能消除不準確性，這降低了它們的價值和用户體驗。現在，像 OpenAI、Anthropic 和 DeepSeek 這樣的頂級開發者正在專注於一種完全不同的方法，稱為測試時擴展或 “推理”。</p>
<p>這些模型不是簡單地攝取無盡的數據，而是在生成響應之前花更多時間 “思考”。換句話説，它們更好地利用已有的數據，並更有可能在發佈最終輸出之前清除任何不準確性。這種方法取得了巨大的成功，產生了一些迄今為止最先進的 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，推理模型需要顯著更多的計算能力。黃仁勳表示，每個響應消耗的令牌（單詞、標點和符號）比以前多 10 倍，因為後台進行的 “思考” 量很大，因此模型生成最終輸出的速度也大大減慢。黃仁勳表示，GPU 需要快 10 倍才能彌補這一點，他估計開發者很快需要驚人的 100 倍計算能力，以便以令人滿意的用户體驗部署推理模型。</p>
<p>英偉達的新 Blackwell GPU 架構是朝這個方向邁出的一步。在某些配置中，Blackwell GB200 GPU 的 AI 推理速度比公司之前基於 Hopper 架構的芯片快 30 倍。此外，上個月，英偉達還揭示了其新的 Blackwell Ultra 架構，該架構專為推理模型設計，能夠提供比 Hopper 高 50 倍的性能。</p>
<h2>到 2028 年每年 1 萬億美元的機會</h2>
<p>向推理模型的持續轉變可能會成為英偉達 GPU 銷售的重大助力。在上個月的 GTC 上，黃仁勳表示，四大雲基礎設施服務提供商（因此也是全球最大的 數據中心運營商）已經訂購了驚人的 360 萬塊 Blackwell GPU，這幾乎是他們去年購買的 Hopper 芯片數量的三倍。</p>
<p>這四大雲提供商是 <strong>亞馬遜</strong> 網絡服務、<strong>微軟</strong>Azure、谷歌雲和 <strong>甲骨文</strong> 雲基礎設施。這個名單不包括其他正在為自身目的開發 AI 的大型支出者，如 <strong>Meta Platforms</strong>、<strong>特斯拉</strong> 和 OpenAI，因此 Blackwell 的總訂單數量幾乎肯定要高得多。</p>
<p>這可能只是個開始：黃仁勳預測，到 2028 年，AI 基礎設施支出將超過每年 1 萬億美元，其中大部分將用於英偉達提供的 AI 加速芯片。</p>
<p>英偉達的數據中心業務在其 2025 財年（截至 1 月 26 日）產生了 1152 億美元的收入。這比前一年增長了 142%。如果黃仁勳的預測是正確的，該公司的銷售額可能還有很大的增長空間。</p>
<h2>現在的英偉達股票看起來很划算</h2>
<p>英偉達股票從最近的歷史最高點下跌 27% 為投資者創造了一個機會，可以以相對歷史的吸引力估值進行購買。它目前的市盈率（P/E）為 36.9。這是三年來的最低水平，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>數據來源：YCharts。</p>
<p>此外，華爾街的共識估計（由 Yahoo! Finance 提供）表明，英偉達 2026 財年的每股收益（EPS）將達到 4.53 美元。這使得該股票的前瞻市盈率僅為 23.9。換句話説，英偉達必須在本財年結束前飆升 149%，才能與其 10 年平均市盈率 59.5 相符（假設華爾街的 EPS 估計是準確的）。</p>
<p>話雖如此，我認為投資者應該超越未來 12 個月，因為如果黃仁勳是正確的，英偉達股東的最佳回報可能會在未來三到五年內實現。</p>

英偉達財報，一站看懂！

英偉達

<p>英偉達首席執行官黃仁勳在最近的 GPU 技術大會上宣佈了顯著的增長催化劑，強調了由於推理模型在人工智能中的崛起，對先進 GPU 需求的增加。英偉達的新 Blackwell GPU 架構承諾比之前的型號性能提升高達 50 倍，主要雲服務提供商已經訂購了數百萬個單位。黃仁勳預測，到 2028 年，人工智能基礎設施支出可能每年達到 1 萬億美元，這表明英偉達有巨大的增長潛力。目前，英偉達的股票較峯值下跌了 27%，在歷史低估值下提供了買入機會</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>英偉達</strong>(NVDA -7.62%) 為數據中心提供一些世界上最先進的圖形處理單元（GPU）——開發者用來驅動和訓練人工智能（AI）軟件的硬件。對其芯片的需求遠遠超過其目前的供應能力，這也幫助解釋了自 2023 年初以來，該公司市值增加了超過 2.3 萬億美元。</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>在上個月的英偉達年度 GPU 技術大會（GTC）上，首席執行官黃仁勳提出了一些令人驚歎的催化劑，這些催化劑可能會加速公司已經快速的增長。由於其股票目前比歷史最高點下跌了 27%，在整體市場急劇拋售的背景下，這可能是一個重要的買入機會。</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>圖片來源：英偉達。</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 倍於其前身的計算能力</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>大型語言模型（LLM）是每個 AI 應用的基礎。這些模型在大量數據上進行訓練，LLM 能夠訪問的數據越多，最終工具就會越 “智能”。然而，訓練它們需要大量的計算能力——特別是並行處理能力——這就是為什麼對英偉達數據中心 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” 響應，這意味着聊天機器人會快速生成用户輸入的每個提示的單一輸出。雖然這種方法快速有效，但未能消除不準確性，這降低了它們的價值和用户體驗。現在，像 OpenAI、Anthropic 和 DeepSeek 這樣的頂級開發者正在專注於一種完全不同的方法，稱為測試時擴展或 “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>這些模型不是簡單地攝取無盡的數據，而是在生成響應之前花更多時間 “思考”。換句話説，它們更好地利用已有的數據，並更有可能在發佈最終輸出之前清除任何不準確性。這種方法取得了巨大的成功，產生了一些迄今為止最先進的 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，推理模型需要顯著更多的計算能力。黃仁勳表示，每個響應消耗的令牌（單詞、標點和符號）比以前多 10 倍，因為後台進行的 “思考” 量很大，因此模型生成最終輸出的速度也大大減慢。黃仁勳表示，GPU 需要快 10 倍才能彌補這一點，他估計開發者很快需要驚人的 100 倍計算能力，以便以令人滿意的用户體驗部署推理模型。</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>英偉達的新 Blackwell GPU 架構是朝這個方向邁出的一步。在某些配置中，Blackwell GB200 GPU 的 AI 推理速度比公司之前基於 Hopper 架構的芯片快 30 倍。此外，上個月，英偉達還揭示了其新的 Blackwell Ultra 架構，該架構專為推理模型設計，能夠提供比 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 萬億美元的機會</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>向推理模型的持續轉變可能會成為英偉達 GPU 銷售的重大助力。在上個月的 GTC 上，黃仁勳表示，四大雲基礎設施服務提供商（因此也是全球最大的 數據中心運營商）已經訂購了驚人的 360 萬塊 Blackwell GPU，這幾乎是他們去年購買的 Hopper 芯片數量的三倍。</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>這四大雲提供商是 <strong>亞馬遜</strong> 網絡服務、<strong>微軟</strong>Azure、谷歌雲和 <strong>甲骨文</strong> 雲基礎設施。這個名單不包括其他正在為自身目的開發 AI 的大型支出者，如 <strong>Meta Platforms</strong>、<strong>特斯拉</strong> 和 OpenAI，因此 Blackwell 的總訂單數量幾乎肯定要高得多。</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>這可能只是個開始：黃仁勳預測，到 2028 年，AI 基礎設施支出將超過每年 1 萬億美元，其中大部分將用於英偉達提供的 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>英偉達的數據中心業務在其 2025 財年（截至 1 月 26 日）產生了 1152 億美元的收入。這比前一年增長了 142%。如果黃仁勳的預測是正確的，該公司的銷售額可能還有很大的增長空間。</p>
</div><h2>Nvidia stock looks like a bargain right now</h2>
<div class="lb-trans"><h2>現在的英偉達股票看起來很划算</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>英偉達股票從最近的歷史最高點下跌 27% 為投資者創造了一個機會，可以以相對歷史的吸引力估值進行購買。它目前的市盈率（P/E）為 36.9。這是三年來的最低水平，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>數據來源：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，華爾街的共識估計（由 Yahoo! Finance 提供）表明，英偉達 2026 財年的每股收益（EPS）將達到 4.53 美元。這使得該股票的前瞻市盈率僅為 23.9。換句話説，英偉達必須在本財年結束前飆升 149%，才能與其 10 年平均市盈率 59.5 相符（假設華爾街的 EPS 估計是準確的）。</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>話雖如此，我認為投資者應該超越未來 12 個月，因為如果黃仁勳是正確的，英偉達股東的最佳回報可能會在未來三到五年內實現。</p>
</div>

Jensen Huang Recently Delivered Incredible News for Nvidia Investors

- Nvidia 的 GPU 需求超出供應，市值自 2023 年以來增加 2.3 萬億美元。  
- CEO 黃仁勳預測 AI 基礎設施支出到 2028 年將超過 1 萬億美元。  
- 當前股價下跌 27%，為投資者提供了吸引力。  

黃仁勳最近為英偉達投資者帶來了令人振奮的消息