英伟达市值突破5万亿美元，黄仁勋称有5000亿订单待交付

产品路线图公布

黄仁勋提到，世界正同时经历“通用计算”向“加速计算”的转型。AI工厂 (AI Factory)作为新型数据中心，将大规模、低成本地生产Token（词元，大模型推理算力计量单位，每个字符、标点都是一个Token）。AI将首次参与全球100万亿美元的经济中，使其更具生产力，使其增长更快、规模更大。

在黄仁勋看来，AI现在已经达到了良性循环的时刻。“你使用它越多为它付费，产生的利润就越多；产生的利润越多，投入的算力就越多；投入的算力越多，AI就变得越智能；越智能，使用它的人和应用就越多，能解决的问题就越多。因此需要通过降低成本来保持良性循环。”

黄仁勋进一步阐述，英伟达每一代产品都将带来10倍以上的性能提升，降低10倍以上的Token（词元，大模型推理算力计量单位，每个字符、标点都是一个Token）成本。这个良性循环将持续下去。

为此，黄仁勋公布了产品路线图——英伟达目前热销的是Blackwell系列芯片，将在2026年下半年量产下一代Rubin系列芯片，2027年-2028年将推出Feynman系列芯片。

黄仁勋还披露了这几代产品的订单和收入情况。上一代Hopper系列（H100、H200、H20系列），2023年-2025年整个生命周期（约为2023年初-2025年10月）共交付了400万枚GPU，总价值1000亿美元。

英伟达目前主力旗舰芯片Blackwell（一个Blackwell芯片包含两枚GPU）量产的三个半-四个季度（约为2024年10月中旬-2025年10月），共交付了600万枚Blackwell系列GPU。接下来的五个季度，英伟达还有2000万枚Blackwell和Rubin系列芯片需要交付，订单规模高达5000亿美元。

黄仁勋在披露订单和收入情况后，着重强调称，“这些不包括中国和亚洲市场”（报道详见《黄仁勋称英伟达中国份额从95%降至0%》）。

英伟达GTC华盛顿特区峰会披露的信息显示，目前全球六大主要科技公司和云厂商（亚马逊、微软、谷歌、Meta、Oracle、Corewave）都在大量采购英伟达的芯片。

摩根士丹利数据今年9月研报显示，这六家科技公司2024年资本支出总额2700亿美元，预计2027年资本支出总额将高达6320亿美元。

这意味着英伟达的芯片采购需求将被这些科技公司的资本支出支撑。英伟达的营收还将持续增长。

仍然难以被替代

英伟达市值不断增长的一个重要基本面是，它的产品和技术难以被替代。在数据中心AI芯片市场，它始终是首选，至少占据半壁江山。

高盛在今年9月曾在研报中预估2025年-2027年全球AI芯片需求量分别为1000万、1400万、1700万颗。其中，英伟达的GPU（图形处理器）芯片占比将从62%降至55%。其他厂商的ASIC（专用集成电路）芯片占比将从2025年的38%提升至2027年的45%。

在数据中心AI芯片市场，英伟达还有四个主要竞争对手，英特尔、AMD、高通、博通。它们近两年都在杀入这个市场。英特尔、AMD原本就有AI芯片业务。博通近两年正在帮助谷歌、OpenAI设计自研AI芯片（报道详见《与博通CEO对话时，奥尔特曼透露OpenAl未来几年将有30GW算力》），高通则是时隔五年重新进入AI芯片市场（报道详见《挑战英伟达，高通时隔五年再度入局AI服务器芯片赛道》）。

然而，英伟达2024年的净利润729亿美元，甚至还超过其他美国四大芯片公司英特尔、AMD、高通、博通净利润总和的162亿美元。

英伟达财报显示，2024年营收1305亿美元，同比增长114.2%；净利润729亿美元，同比增长144.9%。当年净利润率高达55.8%。

英特尔2024年净利润-188亿美元，净利润率仅为-35.3%，高通2024财年（2023年9月末-2024年9月末）净利润87亿美元，净利润率仅为26.0%，AMD 2024年净利润16亿美元，净利润率仅为6.4%，博通2024财年（2023年10月末-2024年11月初）净利润59亿美元，净利润仅为11.4%。

一位资深算法工程师今年10月对《财经》表示，英伟达今天在芯片市场获得了超额利润。这吸引了其他玩家参与竞争。理论上这会逼迫数据中心AI芯片的资本回报率向市场均值靠拢。然而，正是因为CUDA（英伟达的软件开发工具链）的存在，英伟达拥有了守住超额利润的护城河。

CUDA是英伟达难以被替代的秘密。英伟达通过CUDA这套软件开发工具链，建立起了强大的生态壁垒。CUDA 2006年诞生，已使用接近20年。

全球90%的AI开发者都依赖CUDA开发应用，超过500万开发者、数据科学家和研究人员都在使用CUDA开发应用、训练AI，大型科技公司、自动驾驶企业和科研机构过去近20年中，已经积累了无数专门为英伟达GPU优化的代码。

目前数据中心AI芯片分成两大类，分别是英伟达的GPU，以及其他公司的ASIC芯片。

从技术差异来看，GPU是图形处理器，它的通用性更强。GPU最初为渲染3D图形而生，但这种架构恰好非常适合AI算法，尤其是大模型所需的大规模矩阵运算，因此成为目前最主流的AI芯片。ASIC则是一种专用芯片，它一旦设计完成并大规模量产，单颗芯片制造成本可能低于同等性能的GPU。

除了英特尔、AMD、高通、博通，英伟达还有更多潜在的替代者——它的客户，也就是拥有云计算业务的大型科技公司。

虽然目前大部分科技公司都在采购英伟达的芯片，但它们不想完全依赖英伟达，正在尝试采用ASIC技术路线探索新的路线。大型科技公司正在定制数据中心专用的ASIC芯片，其中包括谷歌的TPU系列、亚马逊的Trainium系列，华为的昇腾系列、阿里的PPU系列、百度的昆仑芯系列。

上述资深算法工程师进一步解释，至少未来2年-3年，英伟达GPU都将占据数据中心AI芯片的主导地位。尤其是在模型训练环节，英伟达的GPU难以被替代。