周三美股盤後，輝達CEO黃仁勳在2025財年第四季度業績電話會議上表示，公司對AI推理帶來的潛在需求感到興奮，這類計算需求預計將遠超當前的大語言模型（LLM），可能需要比現有計算能力高出數百萬倍。

黃仁勳稱，我們所做的事情並不容易，但輝達在提升供應能力方面表現良好。AI軟體將是一切資料中心的一部分，無論是短期、中期還是長期跡象都持續向好。他進一步確認，Blackwell系列晶片的供應鏈問題已完全解決，供應問題不曾妨礙到下一次訓練和後續產品的研發。此外，Blackwell Ultra計畫於2025年下半年發佈。

黃仁勳還指出，任何人都處在新科技轉型的起點，所有軟體和服務都將和AI相關。

輝達CFO Colette Kress指出，感恩節和聖誕節期間的遊戲硬體需求依然強勁，但整體營收仍受到供應限制的影響。不過，他預計供應問題將得到緩解，使得增速在當前季度迎來 「噴發」。

針對盈利能力，CFO指出，一旦Blackwell增產，利潤將有所改善，並預計到2025年年底，利潤率將在70%-80%區間的中部。然而，他強調，目前的首要任務是向客戶交付儘可能多的產品。大客戶和企業客戶的增速大致相同。

中國市場方面，黃仁勳表示，四季度營收季環比大體上持平。

Q1：隨著測試時計算和強化學習展現出巨大潛力，我們明顯看到訓練與推理之間的界限正在變得越來越模糊。那麼，這對未來專門用於推理的計算叢集可能意味著什麼？您如何看待這一趨勢對輝達及其客戶的整體影響？

CEO：現在存在多種計算擴展規律。第一種是預訓練擴展規律，這個趨勢仍會持續增長，因為我們正在進入多模態時代，並且現在的推理生成資料也可以用於預訓練。

第二種是後訓練擴展規律，它涉及強化學習，包括人類反饋強化學習、AI反饋強化學習，以及可驗證獎勵強化學習。在後訓練階段，所需的計算量實際上比預訓練更大。這也合乎邏輯，因為在使用強化學習時，AI可以生成大量合成資料或合成Token，並利用這些資料進一步訓練AI模型，這就是後訓練。

第三種，也就是你提到的部分，測試時計算或推理、長思維推理擴展。

它們本質上都是相同的概念。在推理過程中，我們有鏈式思維和搜尋，所生成的Token量以及所需的推理計算量已經比最初的大語言模型（LLM）中的單步推理高出100倍，而這僅僅是個開始。

未來，我們可能會看到計算需求增長至當前的數千倍甚至數百萬倍，AI 模型將變得更加智能，具備更強的思考能力，並依賴更複雜的模擬和搜尋推理。因此，關鍵問題是：如何設計適應這種演進的計算架構？

當前，不同AI模型有不同的架構需求——有些是自回歸模型，有些是基於擴散的模型。有時，資料中心需要採用分佈式推理，有時則需要緊湊式架構。因此，很難確定 最優的資料中心架構。

這正是輝達架構如此受歡迎的原因——我們的平台能夠支援所有類型的 AI 模型。我們不僅擅長訓練，事實上，目前大部分計算資源都用於推理，而Blackwell進一步提升了推理能力。我們在設計Blackwell時，就考慮到了面向推理的需求，讓AI能夠處理更加複雜的任務。

在訓練方面，Blackwell的性能已經提升了數倍。但真正令人驚嘆的是，在長思維推理、測試時擴展、推理AI方面，性能提升更為顯著——推理吞吐量提高了25倍，計算速度提升數十倍。因此，Blackwell在各個方面都將帶來卓越表現。

當企業在建構資料中心時，他們需要根據不同階段的需求進行調整，比如當前是否側重預訓練，是否專注於後訓練，或者是否需要大規模擴展推理計算。輝達的架構具有高度靈活性，可以輕鬆適應這些不同的計算模式。

因此，我們觀察到，越來越多的企業正在集中採用統一架構，比以往任何時候都更加明顯。這證明了輝達的架構在各個AI計算環節都具備極高的適用性和領先優勢。

Q2：請談一談GB200在CES（國際消費電子展）上的情況。您之前提到過機架級系統的複雜性以及所面臨的挑戰。此外，正如您在準備好的發言中所提到的，我們已經看到許多產品進入全面供應階段。請問GB200的量產進展如何？在系統層面，除了晶片層面的問題之外，是否仍然存在瓶頸需要考慮？另外，您是否依然對NGL72平台充滿信心？

A2：實際上，我現在比在CES（國際消費電子展）時更為興奮，因為我們在CES之後出貨量大幅增長。

目前，我們有約350家工廠在生產每台Blackwell機架（Grace Blackwell機架）所需的150萬個元件。是的，這確實極其複雜，但我們已經成功地加速量產Grace Blackwell，並在 上個季度實現了約110億美元的營收。

由於市場需求極其旺盛，客戶們都急切且迫不及待地想要獲得他們的Blackwell系統，因此，我們必須持續擴大產能。

你可能已經在網路上看到許多關於Grace Blackwell系統上線的慶祝消息。目前，我們自己也部署了大量Grace Blackwell裝置，供內部工程團隊、設計團隊和軟體團隊使用。此外，CoreWeave已公開宣佈他們成功上線該系統，微軟也已部署，OpenAI當然也在使用，此外還有許多客戶的系統正在陸續投入運行。

所以，我的答案是：我們所做的一切都極具挑戰，但進展順利，我們和所有合作夥伴都做得非常出色！

Q3：我想請您確認一下，第一季度是否會成為毛利率的最低點？您如何判斷當前強勁的市場需求能夠持續到明年？ 在您的觀察中，那些關鍵因素讓您對市場前景保持信心？此外，DeepSeek及其最新創新是否對您的這一判斷產生了影響？

CFO：關於毛利率，在Blackwell推廣初期，我們的毛利率將處於70%初段。

目前，我們的首要任務是加快製造進度，確保盡快將產品交付給客戶。一旦Blackwell完全量產，我們將能夠進一步最佳化成本，從而提升毛利率。預計今年晚些時候，毛利率可能會提升至70%中段水平。

正如您剛才聽到黃仁勳所提到的，系統架構本身相當複雜，在某些情況下需要高度定製化，並且提供多種網路連線選項，包括液冷和水冷方案。

因此，我們確實有機會在未來進一步提升毛利率。但目前，我們的首要任務仍然是盡快完成生產，並盡快將Blackwell交付至客戶手中。

CEO：我們掌握了幾個重要的資訊。首先，我們對 資料中心的資本投資規模 有相當清晰的瞭解。未來，絕大多數軟體都將基於機器學習，因此加速計算、生成式AI以及推理AI將成為資料中心所需的核心架構。

其次，我們擁有來自頂級合作夥伴的預測和規劃，同時，我們也看到許多充滿創新精神、令人振奮的初創公司仍在不斷湧現。這些公司正致力於AI領域的下一個突破，無論是自主智能體 AI、推理AI還是物理AI，每一家公司都需要大量的計算基礎設施來支撐其研發。

從市場訊號來看，我們可以分為短期、中期和長期三個維度：

短期訊號主要包括 採購訂單和合作夥伴的預測資料，這些資料能夠直接反映市場需求。

中期訊號關注基礎設施和資本開支的擴展速度，相較於前幾年，我們看到整體規模正在迅速擴大。

長期訊號——從根本上來說，軟體開發範式已經發生變化，從過去基於CPU的手工編碼，轉向基於GPU和加速計算的機器學習與AI驅動軟體。這表明AI計算架構將成為未來主流。

從整體趨勢來看，我們目前才剛剛進入消費級AI時代，包括 搜尋、生成式 AI、廣告、推薦系統 等應用仍處於早期階段。下一波浪潮將涉及企業級自主智能體AI、機器人AI，以及各國建構的主權AI，用於打造本地化AI生態系統。

這些領域才剛剛起步，但我們可以清晰地觀察到它們的發展勢頭。由於輝達處於這些創新浪潮的核心，我們能夠看到各個方向上都在發生大量創新，並且這些變革必然會實現。因此，從短期到長期，我們對市場前景充滿信心。

Q4：輝達下一代Blackwell Ultra計畫在今年下半年推出，保持了團隊年度產品發佈節奏。黃仁勳，您能否幫助我們理解Ultra的市場需求情況？ 目前，你們仍 加速推進現有Blackwell產品的量產，那麼在這種情況下，客戶和供應鏈如何同時管理這兩代產品的並行推進？此外，Blackwell Ultra是否仍然按計畫將在今年下半年推出？

CEO：是的，Blackwell Ultra仍計畫在今年下半年推出。

關於第一代Blackwell，我們確實遇到了一些小插曲，可能導致了 幾個月的延遲，但我們已經 完全恢復。團隊在解決問題方面做得非常出色，我們的 供應鏈合作夥伴 也提供了極大的支援，幫助我們 以極快的速度完成恢復。現在，Blackwell已經成功量產，但這不會影響我們下一代產品的推進。

我們的產品開發遵循年度節奏，Blackwell Ultra將搭載全新網路架構、新型記憶體以及升級版處理器，所有技術都將在今年下半年全面上線。

我們一直在與合作夥伴和客戶緊密合作，並為他們提供了所有必要的資訊，確保大家能夠 順利完成產品過渡。這次的Blackwell到Blackwell Ultra過渡將會更加順暢，因為它們的 系統架構完全相同。

相比之下，從Hopper過渡到Blackwell難度更大，因為我們從NVLink 8直接升級到了NVLink 72，導致 機箱設計、系統架構、硬體、電源供應等方面都需要調整，這一轉變的挑戰相當巨大。但Blackwell Ultra的升級不會有這些問題，它能夠無縫銜接到現有系統。

此外，我們已經 提前向合作夥伴披露並展開了下一代產品的合作，下一步將是Vera Rubin，目前所有合作夥伴都在為這次升級做準備。我們也在全力推進下一階段的產品迭代，屆時會帶來巨大性能提升。

歡迎大家來GTC大會！ 屆時我會詳細介紹Blackwell Ultra、Vera Rubin及其後續產品，這些都是 極具突破性的創新技術，非常值得期待。請大家一定要來GTC瞭解最新動態！

Q5：我們最近聽到了很多關於定製ASIC的討論。您能否談一談定製ASIC與標準GPU之間的平衡？此外，我們還瞭解到某些異構超級計算叢集計畫同時使用GPU和ASIC。請問客戶是否真的在建構這種混合架構？還是說，這些計算基礎設施仍將保持相對獨立？

CEO：我們與ASIC的建構方式完全不同。在某些方面，我們的技術路線完全不同，而在某些領域，我們確實會有所交集。但總體而言，我們與ASIC存在幾個關鍵差異。

首先，輝達的架構是通用的。無論是自回歸模型、基於擴散的模型、電腦視覺模型、多模態模型還是文字模型，我們都能提供卓越的計算能力。

之所以能做到這一點，核心原因在於 我們的軟體生態極其豐富，架構具有 高度靈活性。這使得輝達成為了幾乎所有前沿創新和新演算法的首選平台。本質上，我們的架構遠比專用ASIC 更具普適性。

其次，輝達提供端到端解決方案。從資料處理，到訓練資料的整理，再到模型訓練，以及強化學習在後訓練階段的應用，最終再到推理和測試時擴展，我們覆蓋整個AI計算流程。因此，我們不僅通用，而且覆蓋完整的計算鏈條。

此外，我們的架構無處不在。輝達不是只服務於某一個雲端運算平台，而是適用於所有雲端運算，並且可以部署在本地資料中心，甚至可以應用於機器人。這意味著，輝達的架構相比ASIC更加開放、靈活，且更容易被新興企業採用。對於任何一家正在創業或開發新技術的公司，輝達都是一個極具吸引力的首選平台。

最後，我想說的是，我們的技術迭代速度快得令人難以置信。

請記住，資料中心的規模始終是固定的，無論是 物理空間還是功耗，它們都有明確的上限。如果我們的性能功耗比提升2倍、4倍甚至8倍，那麼這將直接轉化為更高的收入。

舉個例子，如果一個資料中心的功率上限是100兆瓦，而在相同功耗下，我們的計算性能或吞吐量提高4倍或8倍，那麼這個資料中心的收入也將相應提高8倍。這與傳統資料中心的模式截然不同，因為AI工廠具有直接變現能力，它們的收入來源於生成的Token。我們的架構推理吞吐量極高，這對所有致力於AI商業化的企業來說都極具價值，因為他們希望快速獲得投資回報。

因此，我認為第三個關鍵因素是性能。

第四個因素是軟體生態的複雜性。

開發一個ASIC（專用晶片） 與我們所做的工作本質上並無不同，但輝達架構之上的軟體生態系統現在比兩年前複雜10倍。這很容易理解，因為全球正在輝達生態上開發的軟體量呈指數級增長，AI技術的發展速度也越來越快。因此，要在多種晶片架構上建構完整的軟體生態，難度極高。

最後，我想強調一點：設計一顆晶片≠實際部署。

我們見過太多失敗的晶片案例，設計出來並不意味著它能真正落地。最終，企業必須做出商業決策，選擇是否 將新的計算引擎或處理器部署到 有限的AI工廠之中，而這些工廠受制於規模、功耗和時間。

我們的技術不僅更加先進、性能更強，在軟體生態方面更具優勢，同時部署速度極快。這些都不是輕而易舉的事情，正如大家現在所看到的。

綜上所述，正是這些因素，使得輝達在競爭中持續獲勝。

Q6：黃仁勳，這個問題與地理市場相關。您剛才已經很清楚地解釋了當前強勁需求背後的驅動因素。但是，我們注意到，美國市場環比增長了約50億美元，與此同時，一些人擔憂如果其他地區受到監管限制，美國市場是否能彌補這一缺口。因此，我想請問，如果美國市場的增長勢頭持續到今年全年，這是否足以支撐輝達的增長？此外，您的高速增長是否依賴於市場結構向美國的傾斜？另外，您的指引顯示中國市場環比可能有所增長，您能否詳細講解全球市場的動態？也許Colette也可以補充一下？

CEO:中國市場的佔比與第四季度及之前幾個季度基本持平，大約是出口管制前的一半，但其整體比例仍保持穩定。

關於不同地區的市場情況，我想強調一個核心觀點：AI本質上是一種軟體，它是現代軟體，非常先進，但歸根結底，它仍然是軟體。而如今，AI已經成為主流技術。

AI無處不在，它被廣泛應用於配送服務和購物服務。無論你購買一盒牛奶，還是享受其他消費服務，AI都會在其中發揮作用。

AI已經深入到各個行業，成為不可或缺的一部分：每一位學生都會使用AI作為學習助手；醫療服務依賴AI進行診斷和資料分析；金融科技公司無一例外都在使用AI；氣候科技和礦產勘探也都藉助AI進行分析和最佳化；高等教育機構和大學也已將AI深度融入教學和研究。

因此，我認為可以相當肯定地說，AI已經全面進入主流應用，並且已經被整合到幾乎所有軟體和服務之中。

我們的希望是，AI技術能夠繼續安全發展，並且能夠為社會帶來積極影響。從這個角度來看，我相信我們正處於這一全新時代的起點，AI的大規模應用才剛剛開始。

我所說的「我們正處於這個新時代的起點」，是指在我們身後，已經有數十年積累的資料中心和電腦基礎設施。這些系統是為手工編碼和通用計算而建構的，它們主要依賴CPU等傳統架構。

然而，展望未來，幾乎所有軟體都將被AI深度融合，最終，所有的軟體和服務都將基於機器學習。資料飛輪效應也將成為持續最佳化軟體和服務的重要推動力。

未來的計算架構將會是加速計算，而AI將成為計算的核心。我們現在才剛剛走過幾年的發展歷程，而現代電腦的演進已經經歷了數十年的建設。因此，我可以相當確定，我們正站在這一全新時代的起點。

最後，AI是歷史上第一個能夠覆蓋全球GDP絕大部分領域的技術。過去，從未有任何軟體工具能夠像AI這樣，影響如此廣泛的經濟領域。而AI作為一個全新的軟體工具，其市場規模比以往任何時候都更大，能夠影響並滲透全球經濟的各個角落。

因此，我們在思考增長時，不能再用傳統的眼光來看待市場規模的大小。如果從更宏觀的角度審視，我們現在所經歷的，仍然只是AI時代的初期階段。

Q7：Colette，我想先確認一個資料，您是否提到資料中心中的企業業務在1月季度同比增長了2倍？如果是這樣的話，這一增長速度是否已經超過了超大規模雲端運算公司？黃仁勳，我有關於超大規模雲端運算公司的採購問題：超大規模雲端運算公司是輝達解決方案的最大買家，但他們的採購主要用於兩種工作負載——內部工作負載，即他們自己運行的AI計算任務；外部工作負載，即向企業客戶提供的雲端運算服務。請問，超大規模雲端運算公司在這兩種工作負載上的支出比例如何？隨著新AI工作負載和應用的增長，您是否預計企業客戶將在AI計算消耗中佔比提升？這是否會影響輝達未來的服務和生態系統開發方向？

CFO：當然，感謝你的提問，關於我們的企業業務。是的，企業業務同比增長了2倍，其增長速度與我們的超大規模雲端運算合作夥伴基本一致。需要注意的是，這兩個領域都非常重要，值得深入理解。

我們與雲服務提供商的合作可能涉及大語言模型訓練，也可能是推理任務，這些都是他們自身的AI計算需求。但同時，企業客戶也在雲服務提供商的平台上運行他們的AI業務。

因此，企業客戶的計算需求既可以由雲服務提供商提供的雲服務實現，也可以自行建構基礎設施。從整體來看，這兩個領域都在高速增長，並且都對輝達業務至關重要。

CEO：目前，雲服務提供商佔我們業務的大約一半。

正如你所說，雲服務提供商的計算需求分為內部消費和外部消費。在內部消費方面，我們與所有主要雲服務提供商緊密合作，幫助他們最佳化內部工作負載，因為他們擁有龐大的輝達基礎設施，可以充分利用我們的計算能力。

輝達的架構具有高度靈活性，可以同時用於AI計算、視訊處理、資料處理（如Spark）等多個場景。這意味著基礎設施的使用壽命更長，從而降低了總體擁有成本。

關於企業客戶（即非雲服務提供商）未來的增長，我的觀點是從長遠來看，這一市場將遠遠超過雲服務提供商。

原因是什麼？如果你觀察當前的電腦產業，你會發現尚未被計算產業充分覆蓋的主要領域是工業。

舉個例子，以汽車公司為例——它們同時製造軟體和硬體。

從企業內部來看，員工需要使用智能AI系統來提升生產力，比如設計、行銷、規劃和營運管理等。在GTC大會上，我們將分享一些令人興奮的新技術，展示如何用智能AI幫助企業員工提高效率。

從產品角度來看，汽車本身也需要AI。每輛汽車都需要AI系統進行訓練，並與整個車隊協同工作。

未來，全球道路上仍然會有10億輛汽車，但不同的是，這些車都將是智慧型手機器人汽車，它們會持續收集資料，並通過AI工廠進行最佳化和升級。

換句話說，未來的汽車公司不僅需要汽車工廠，還需要AI工廠，以不斷改進和最佳化整個車隊的AI能力。

此外，在汽車內部，本質上就是一個機器人系統。所以你可以看到，未來涉及三種電腦：

幫助人類的電腦——主要用於企業內部，提高生產力，比如自主智能體AI幫助員工進行設計、規劃、行銷和營運等工作。

建構AI以控制機器的電腦——這些AI可能用於馬匹、拖拉機、割草機、人類、機器人，甚至是建築物和倉庫等物理系統。這些系統需要一種全新的AI，我們稱之為「物理AI」。

機器人的電腦——這些AI將直接驅動智慧型手機器人，讓它們能夠自主執行任務。

傳統AI主要理解文字和語言的意義，但物理AI需要理解現實世界的物理規律，比如：摩擦力與慣性、物體恆常性、因果關係。這些物理概念對於我們人類來說是常識，但AI必須通過學習才能掌握。因此，物理AI是一種全新的AI類型，它能夠理解並適應現實世界的物理環境。

目前，企業內部正在開始利用自主智能體AI徹底變革工作方式，但這仍處於早期階段。現在，自主智能體AI時代剛剛開啟，市場對此充滿期待。接下來，我們將看到物理AI的崛起，隨後是智慧型手機器人系統的廣泛應用。

這三種電腦（人類智能、機器智能、機器人智能）都是全新的計算架構，從長期來看，我認為它們的市場規模將遠超傳統計算市場。

這也符合邏輯，因為全球GDP的主要組成部分是重工業和工業企業，這些領域對於AI和自動化的需求將極為龐大。

Q8:黃仁勳，現在我們正接近Hopper轉折點兩周年（自2023年以來），同時，生成式AI也經歷了快速發展。在您目前的產品路線圖規劃下，您如何看待已部署基礎設施的更新換代周期？具體來說，GB300或Rubin這一代產品是否可能成為資料中心硬體更新的契機？我想請您分享一下，您如何看待未來的升級節奏和市場趨勢？

CEO：首先，目前Volta、Pascal和Ampere架構的GPU仍然在被廣泛使用。

原因在於，CUDA具有極高的可程式設計性，因此這些舊架構仍然可以勝任許多工作。例如，當前AI計算的一個主要應用是資料處理和資料整理。

舉個例子，假設AI模型在某個特定情況下表現不佳，比如自動駕駛場景中的視覺語言模型。你可以讓視覺語言模型分析這個場景，然後它會得出結論：「在這種情況下，我的表現不夠好。」

花費數十億美元的訂單客戶肯定不滿意。

據美國科技網站The Information報導，由於設計缺陷，輝達下一代Blackwell架構系列AI旗艦晶片GB200的出貨時間，將被推遲至少三個月。

一名未透露身份的微軟員工稱，輝達本周已通知微軟，其最先進的Blackwell系列AI晶片型號將會推遲發貨。

輝達在今年3月發佈了Blackwell系列，首席執行官黃仁勳在5月時還信心滿滿地表示，公司計畫在今年晚些時候開始批次出貨Blackwell系列晶片。

GB200晶片包含兩個相連的Blackwell GPU和一個Grace中央處理單元。然而，在最近幾周台積電工程師為量產進行準備時，卻在連接兩個Blackwell GPU的裸晶上發現了設計缺陷。這一缺陷會導致晶片良率或產量降低，通常做法是停止量產。

因此，輝達不得不對晶片設計進行調整，並在開始量產前，與台積電合作進行新的試生產。

晶片出貨延遲並非聞所未聞，但在即將量產前發現重大設計缺陷的情況還是非常罕見的。

台積電原本計畫在第三季度開始量產Blackwell系列晶片，並從第四季度開始向輝達客戶批次發貨。然而，由於設計缺陷的發現，量產時間不得不推遲到第四季度，批次出貨的時間預計要推遲到明年第一季度。台積電為量產GB200保留了產能，但在問題解決之前，不得不讓產線閒置。

此次延遲對在 Nvidia 技術上投入巨資的大型科技公司產生了深遠影響。例如，Google已訂購了超過 40 萬 GB200 晶片，交易金額超過 100 億美元。同樣，Meta 也下了 100 億美元的訂單，而微軟原本計畫在 2025 年第一季度為 OpenAI 準備好 55,000 到 65,000 個 GB200 GPU——但這一時間表現在岌岌可危。

據報導，Nvidia 已通知微軟和另一家雲提供商，Blackwell 系列中最先進的 AI 晶片型號的延遲將受到影響。因此，預計這些晶片要到 2025 年第一季度才能大量出貨，這可能會擾亂這些科技巨頭的 AI 戰略。

目前，市場對於B200需求非常旺盛，客戶紛紛從B100轉向B200（已經超過45萬顆需求）。Meta模型訓練方亦表示，他們也要追加B200訂單，至少還需要15萬顆B200，本來預計下個月追加訂單。此外，輝達三季度將主推出貨H200，這個季度業績預計330億美金以上。10—11月再追加部分H200給客戶應急，最遲12月全部正常。

輝達再次捲入AI大戰的漩渦中心。

GPU領頭羊輝達本周上演過山車行情：周二還大跌7%，周三反手就大漲13%，到了周四又下跌近7%，股價的波動性甚至超越比特幣。資料顯示，輝達30日期權隱含波動率飆升至71%，而比特幣DVOL指數（衡量30天隱含波動率的指標）降至49%。

輝達股價劇烈波動的背後，是成本陰影正籠罩著科技巨頭，市場對巨額AI投資的回報擔憂日益加劇。

以華爾街投行、避險基金為代表的唱空方，認為科技巨頭斥巨資入局AI，卻無法產生足夠回報，而且目前AI的應用場景有限，如此巨大的投入非常不明智且危險。

而以Mag 7這些科技巨頭為代表的多方，認為現在對AI領域增加資本開支是必要的，否則就會錯過即將來臨的AI時代。

金錢至上的華爾街，更看重投入/產出比。

逐漸失去耐心的華爾街，認為科技巨頭在AI領域的資本支出如此之高，卻沒有帶來相應的回報和更高效的應用。在過去兩年裡，只出現了ChatGPT和Github Copilot兩個現象級AI產品。

高盛早在6月底的一份報告指出，AI技術的發展可能不會像預期的那樣迅速，且其成本效益比可能並不如想像中的那麼有吸引力。

預測在未來十年，AI只能將美國生產率提高0.5%，對GDP增長的貢獻累計僅為0.9%。

巴克萊也在8月的報告中指出，科技巨頭瘋狂向AI砸錢是出於“FOMO”，害怕錯過AI的發展機遇。

儘管AI技術仍處於起步階段，但大廠對AI的資本支出已經呈現出一種非理性的繁榮，FOMO情緒佔據主導，隨著這種情緒消退，明年就會有大廠逐漸削減AI投資。

分析師們預計AI領域的資本支出將從2023年到2026年累計達到1670億美元，而這一數字是基於對AI產品需求的樂觀預期。

然而，與此形成鮮明對比的是，預計到2026年，AI雲服務的收入增量僅為200億美元。

而據報導，華爾街頂級避險基金Elliott Management更是激進，指出大型科技巨頭特別是輝達，正處於泡沫之中，推動其股價暴漲的人工智慧技術被過度炒作。 (半導體產業縱橫)

彙整鉅亨號中所有使用「Blackwell系列晶片」關鍵字，所發布的內容 (依照時間排序，最新在前，舊的在後)`

輝達電話會：黃仁勳強調「推理」的計算需求爆棚，可能比目前多數百萬倍

Blackwell系列晶片被曝量產前“滑鐵盧”，出貨推遲3個月