輝達財報數據背後的三階算力引擎

美國當地時間2月26日，輝達發布了其2025財年第四季及全年的財務業績報告。報告期間內，輝達營收與獲利能力均呈現指數成長，核心業務資料中心類股成為績效成長引擎，全年業績遠超市場預期。

財報顯示，輝達2025財年營收達1,304.97億美元，較去年同期大幅成長114%；僅第四季營收393.31億美元，較去年同期成長78%。營收成長主要來自資料中心業務類股的強勁需求。

核心業務重構成長版圖

在獲利能力方面，輝達的毛利率也得到了顯著提升，全年毛利率達到75.0%，高於上一財年的72.7%；營運收入全年達到814.53億美元，年增7%；淨利全年達728.80億美元，年成長145%。

輝達業務分為運算與網路業務及圖形業務兩大類股，2025財年的營收成長是由資料中心運算與加速運算及AI解決方案的網路平台所驅動的。

計算與網路業務營收成長主要主要來自資料中心業務的強勁表現。資料中心業務第四季營收創下356 億美元的紀錄，較上一季成長16%，較去年同期成長93%。全年營收成長142%，達到創紀錄的1,152 億美元。

資料中心的成長主要歸功於市場對Hopper架構的旺盛需求，尤其是在大型語言模型、推薦系統和生成式AI應用等關鍵領域。輝達在2025財年第四季開始交付Blackwell架構的生產系統。輝達也拓展了資料中心產品組合，包括針對中國市場推出了無需出口許可證的新產品，並在中國市場實現了資料中心營收的成長。

圖形業務營收維持成長，成長主要驅動力為遊戲業務。遊戲業務方面，推出了基於Blackwell架構的GeForceRTX50系列GPU，Blackwell架構引入了神經網路圖形技術，將AI模型與傳統渲染結合，開啟了圖形創新新時代。 RTX50系列還配備了由transformer模型架構首次驅動的新一代DLSS技術，在性能和視覺效果上實現了顯著提升。

專業視覺化方面，生成式AI注入到越來越多的應用程式中，RTXGPU工作站應用於生成式AI驅動的設計、模擬和工程應用，驅動市場需求。

汽車業務方面，主要來自於自動駕駛平台的銷售成長。輝達持續致力於DRIVE Hyperion平台的研發與推廣，旨在為自動駕駛汽車市場提供完整的端到端解決方案。輝達在AI領域的領導地位和長期的汽車產業合作關係是其提供此解決方案的關鍵優勢。輝達基於輝達Omniverse軟體的可擴展資料中心模擬解決方案，旨在為AI模型訓練產生合成數據，並為自動駕駛平台的測試和驗證提供支援。輝達表示，在汽車領域採用的是獨特的端到端、軟體定義的方法，旨在實現持續創新和開發，使汽車能夠在整個生命周期內透過無線更新獲得新功能。

Blackwell超預期交付

DeepSeek-R1活化強勁需求

在當天的財報電話會上，輝達CEO黃仁勳表示，人工智慧正在從生成式AI發展到推理AI，DeepSeek-R1點燃了全球的熱情，公司對AI推理帶來的潛在需求感到興奮。

Blackwell 的推廣初期遇到了一些問題，包括生產問題和一些晶片版本在伺服器中過熱的報告。但財報業績表明，從先前的晶片架構過渡進展順利，當天的財報電話會上輝達CFO也對2025財年第四季Blackwell作了進一步說明。

輝達財務長Colette Kress表示：「Blackwell第四季銷售額超出預期，交付了110億美元以滿足強勁需求，這是該公司歷史上最快的產品推廣速度，規模和速度均前所未有。Blackwell已全面投產多種配置，正快速增加供應並擴大客戶採用。Blackwell專為推理AI設計。與Hopper100相比，BlacknoToken模型可降低其語言的混合動力模型。 ，確保應對大規模推理的回應時間、吞吐量和成本效率。

黃仁勳也透漏，輝達Blackwell 架構的下一代AI 系統Blackwell Ultra （B300 ）將於下半年推出，Blackwell Ultra將配備新的網路、記憶體和處理器，一切都在順利推進。

三階引擎正引爆兆算力市場

財報發布後，輝達CEO黃仁勳接受了美國CNBC的採訪，進一步分析了當前的算力需求趨勢。

CNBC指出，亞馬遜雲端科技CEO Andy Jassy表示目前市場對AI資源的需求強勁，這與黃仁勳在財報會議中提及的短期需求訊號相符。

黃仁勳表示，短期需求訊號主要來自該公司的訂單簿與需求預測，但更值得關注的是許多未被納入預測的新興新創公司需求。 「恕我無法逐一列舉，但湧現出的一批卓越新創公司，正在推理型人工智慧與通用人工智慧領域取得突破性進展，而這些進展均得益於新興人工智慧能力的賦能。」他指出，部分新創公司專注於AI Agent，另一些則致力於物理人工智慧研究，儘管數量有限，但它們都對算力提出了額外需求。

談到中期訊號時，黃仁勳強調今年的資料中心資本投入金額已遠超過去年。"隨著Blackwell架構的發布與更多資料中心的投入運營，今年仍將是成績斐然的一年。"

從長遠角度來看，黃仁勳認為最令人振奮的是推理AI時代的來臨。「我們正邁入一個嶄新的推理人工智慧時代，與以往AI直接輸出答案的模式不同，現今的AI在回應問題之前，會先進行深度思考。它將對問題進行邏輯推理，或將逐步拆解問題，甚至進行內部資訊檢索，最終組織並產生更為完善的答案。」他強調，執行推理過程所需的計算量是過去的數位需求證。

關於Deepseek的出現可能預示著算力需求將下降的觀點，黃仁勳結合AI工作流程的三個階段，進一步解釋。

黃仁勳表示，人工智慧工作流程的三個階段：預訓練、後訓練和推理。他將預訓練比喻為AI的"高中階段"，需要學習大量基礎知識；後訓練則類似於教師指導，包括基於人類回饋的強化學習(RLHF)、基於AI回饋的強化學習(RLAIF)和基於可驗證獎勵的強化學習(RLVRF)。 "後訓練的本質是AI教會AI如何變得更優秀。後訓練是當前AI創新最活躍的領域，尤其是在推理模型方面。後訓練的計算負載可能達到預訓練的百倍之多。"

在推理階段，黃仁勳指出AI不再是被動提供答案，而是主動進行邏輯推理，逐步分解問題，甚至進行自我反思，產生多個答案版本並選擇最佳方案。"即使在推理階段，AI的計算量也較初代Chat GPT呈百倍之多。"基於此，強化學習、合成數據生成與推理技術的進步融合，將共同推動了算力需求的飛速增長。(數位開物)