<p><strong>英偉達</strong>(NVDA 4.26%) 並未披露其確切的客户名單。然而，該公司是人工智能 (AI) 工作負載數據中心芯片的主要供應商，我們知道 <strong>亞馬遜</strong>(AMZN -0.43%)、<strong>微軟</strong>(MSFT 0.44%)、<strong>谷歌</strong>(GOOG 2.42%) (GOOGL 2.40%)、<strong>Meta Platforms</strong> 和 <strong>甲骨文</strong> 是根據他們的公開文件所知的一些最大買家。</p>
<p>這些數據中心芯片被稱為圖形處理單元 (GPUs)，你不會相信他們的客户在這些芯片上花費了多少驚人的金額。繼續閲讀。</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>圖片來源：Getty Images。</p>
<h2>成為人工智能競賽的領導者並不便宜</h2>
<p>人工智能的主要工作負載有兩個：訓練，即將大量數據輸入人工智能模型以使其變得 “更聰明”，以及推理，即人工智能模型使用這些數據來制定響應或做出預測的過程。這兩種工作負載在充滿數千個 GPU 的巨大數據中心中處理，建設這些數據中心的成本高達數十億美元。</p>
<p>像亞馬遜、微軟、谷歌和 Meta 這樣的公司擁有建設人工智能基礎設施以開發自己人工智能模型的財務資源。亞馬遜、微軟、谷歌和甲骨文還建立人工智能數據中心，並將計算能力租給較小的開發者以獲取利潤，這已成為一種非常有利可圖的商業模式，因為對計算能力的需求持續遠遠超過供應。</p>
<p>根據他們的公開文件，目前頂級人工智能公司在人工智能數據中心上的整體支出如下：</p>
<ul>
<li>亞馬遜在 2025 年將分配高達 1050 億美元用於資本支出 (capex)，其中大部分將用於人工智能數據中心和 GPU。</li>
<li>微軟的 2025 財年將於 6 月 30 日結束，該公司預計將在人工智能基礎設施上花費超過 800 億美元。</li>
<li>谷歌預計在 2025 日曆年將花費 750 億美元用於人工智能資本支出。</li>
<li>Meta Platforms 最初計劃在 2025 年花費高達 650 億美元來推動其人工智能雄心，但最近將其預測的上限提高至 720 億美元。</li>
<li>甲骨文的 2025 財年最近於 5 月 31 日結束，花費了 212 億美元用於人工智能基礎設施。該公司計劃在 2026 財年分配超過 250 億美元用於人工智能資本支出。</li>
</ul>
<p>該名單不包括像 OpenAI、Anthropic 和埃隆·馬斯克的 xAI 這樣的公司，因為它們是私有公司，因此不會公開披露太多信息。</p>
<p>並不是所有的錢都會流向英偉達，但上述每家公司都公開承認與這家芯片巨頭的商業關係。英偉達的 GPU 和網絡設備佔據了人工智能數據中心支出的很大一部分，但其他主要成本包括土地收購、建設、電力基礎設施、冷卻系統和人員配置。</p>
<p>競爭也是一個因素——甲骨文、Meta 和微軟也從 <strong>超微</strong> 購買了 GPU，一些超大規模公司如谷歌正在與 <strong>博通</strong> 合作設計自己的芯片。</p>
<h2>英偉達認為數據中心支出還有很大的增長空間</h2>
<p>英偉達的 Hopper GPU 架構是 2023 年及 2024 年大部分時間最強大的人工智能芯片的基礎，包括流行的 H100。但自 H100 銷售增長以來的兩年中，英偉達推出了兩個新架構，分別稱為 Blackwell 和 Blackwell Ultra。後者平台在某些 GPU 配置中可以提供高達 50 倍的性能提升。</p>
<p>像 GB300 這樣的 Blackwell Ultra GPU 是為當前的人工智能 “推理” 模型設計的，這些模型在生成響應之前在後台花費更多時間進行思考，相比傳統的大型語言模型 (LLMs)，從而導致更準確的輸出。英偉達首席執行官黃仁勳表示，一些推理模型需要比其前身多 100 倍到 1000 倍的計算能力，這應該會支持未來幾年對 GPU 和其他硬件日益增長的需求。</p>
<p>英偉達計劃明年推出另一種新架構，稱為 Rubin，預計其速度將比 Blackwell Ultra 快 3.3 倍，相當於比 Hopper 提升驚人的 165 倍的性能。</p>
<p>對更多計算能力的不斷追求是黃仁勳預測到 2028 年日曆年人工智能數據中心支出將超過 1 萬億美元的原因，這將支持英偉達業務的持續增長。因此，儘管英偉達的股票交易接近歷史高點，但現在可能是一個很好的買入時機。</p>

<p>英偉達是人工智能工作負載的領先 GPU 供應商，主要客户包括亞馬遜、微軟、谷歌、Meta 和甲骨文。這些公司正在大力投資人工智能基礎設施，亞馬遜計劃到 2025 年支出高達 1050 億美元，微軟超過 800 億美元，而谷歌預測支出為 750 億美元。英偉達的 GPU 對人工智能數據中心至關重要，公司預計數據中心支出將顯著增長，預測到 2028 年將超過 1 萬億美元。這一趨勢表明，儘管英偉達的股價較高，但其股票可能是一個強勁的投資機會</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>英偉達</strong>(NVDA 4.26%) 並未披露其確切的客户名單。然而，該公司是人工智能 (AI) 工作負載數據中心芯片的主要供應商，我們知道 <strong>亞馬遜</strong>(AMZN -0.43%)、<strong>微軟</strong>(MSFT 0.44%)、<strong>谷歌</strong>(GOOG 2.42%) (GOOGL 2.40%)、<strong>Meta Platforms</strong> 和 <strong>甲骨文</strong> 是根據他們的公開文件所知的一些最大買家。</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>這些數據中心芯片被稱為圖形處理單元 (GPUs)，你不會相信他們的客户在這些芯片上花費了多少驚人的金額。繼續閲讀。</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>圖片來源：Getty Images。</p>
</div><h2>Becoming a leader in the AI race isn't cheap</h2>
<div class="lb-trans"><h2>成為人工智能競賽的領導者並不便宜</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負載有兩個：訓練，即將大量數據輸入人工智能模型以使其變得 “更聰明”，以及推理，即人工智能模型使用這些數據來制定響應或做出預測的過程。這兩種工作負載在充滿數千個 GPU 的巨大數據中心中處理，建設這些數據中心的成本高達數十億美元。</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>像亞馬遜、微軟、谷歌和 Meta 這樣的公司擁有建設人工智能基礎設施以開發自己人工智能模型的財務資源。亞馬遜、微軟、谷歌和甲骨文還建立人工智能數據中心，並將計算能力租給較小的開發者以獲取利潤，這已成為一種非常有利可圖的商業模式，因為對計算能力的需求持續遠遠超過供應。</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>根據他們的公開文件，目前頂級人工智能公司在人工智能數據中心上的整體支出如下：</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>亞馬遜在 2025 年將分配高達 1050 億美元用於資本支出 (capex)，其中大部分將用於人工智能數據中心和 GPU。</li>
<li>微軟的 2025 財年將於 6 月 30 日結束，該公司預計將在人工智能基礎設施上花費超過 800 億美元。</li>
<li>谷歌預計在 2025 日曆年將花費 750 億美元用於人工智能資本支出。</li>
<li>Meta Platforms 最初計劃在 2025 年花費高達 650 億美元來推動其人工智能雄心，但最近將其預測的上限提高至 720 億美元。</li>
<li>甲骨文的 2025 財年最近於 5 月 31 日結束，花費了 212 億美元用於人工智能基礎設施。該公司計劃在 2026 財年分配超過 250 億美元用於人工智能資本支出。</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>該名單不包括像 OpenAI、Anthropic 和埃隆·馬斯克的 xAI 這樣的公司，因為它們是私有公司，因此不會公開披露太多信息。</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>並不是所有的錢都會流向英偉達，但上述每家公司都公開承認與這家芯片巨頭的商業關係。英偉達的 GPU 和網絡設備佔據了人工智能數據中心支出的很大一部分，但其他主要成本包括土地收購、建設、電力基礎設施、冷卻系統和人員配置。</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>競爭也是一個因素——甲骨文、Meta 和微軟也從 <strong>超微</strong> 購買了 GPU，一些超大規模公司如谷歌正在與 <strong>博通</strong> 合作設計自己的芯片。</p>
</div><h2>Nvidia thinks data center spending has plenty of room to grow</h2>
<div class="lb-trans"><h2>英偉達認為數據中心支出還有很大的增長空間</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>英偉達的 Hopper GPU 架構是 2023 年及 2024 年大部分時間最強大的人工智能芯片的基礎，包括流行的 H100。但自 H100 銷售增長以來的兩年中，英偉達推出了兩個新架構，分別稱為 Blackwell 和 Blackwell Ultra。後者平台在某些 GPU 配置中可以提供高達 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 這樣的 Blackwell Ultra GPU 是為當前的人工智能 “推理” 模型設計的，這些模型在生成響應之前在後台花費更多時間進行思考，相比傳統的大型語言模型 (LLMs)，從而導致更準確的輸出。英偉達首席執行官黃仁勳表示，一些推理模型需要比其前身多 100 倍到 1000 倍的計算能力，這應該會支持未來幾年對 GPU 和其他硬件日益增長的需求。</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>英偉達計劃明年推出另一種新架構，稱為 Rubin，預計其速度將比 Blackwell Ultra 快 3.3 倍，相當於比 Hopper 提升驚人的 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>對更多計算能力的不斷追求是黃仁勳預測到 2028 年日曆年人工智能數據中心支出將超過 1 萬億美元的原因，這將支持英偉達業務的持續增長。因此，儘管英偉達的股票交易接近歷史高點，但現在可能是一個很好的買入時機。</p>
</div>

Who Are Nvidia's Biggest Customers?

- Nvidia 是人工智能數據中心芯片的主要供應商，客户包括亞馬遜、微軟等。  
- 這些公司在 2025 年的 AI 基礎設施支出預計將達到 1050 億美元。  
- Nvidia 預計 AI 數據中心支出到 2028 年將超過 1 萬億美元。  

英偉達最大的客户是誰？